字节 Agent 岗一面：“什么是 MCP ？讲讲它的核心内容？”我：“MCP 就是一个工具调用框架吧”

📌 一句话摘要

本文以面试问答为引，系统讲解 MCP（Model Context Protocol）的核心内容，包括其要解决的问题、Client-Server 架构、三类核心能力（Tools、Resources、Prompts）以及底层 JSON-RPC 通信机制。

📝 详细摘要

文章从一场关于 MCP 的面试对话切入，指出常见误区（将 MCP 与 Function Calling 混淆），然后系统性地展开讲解。首先，文章解释了 MCP 出现前 AI 工具接入的「碎片化」痛点：每个工具需单独写对接代码，且与模型强绑定，难以复用。接着，文章以 USB 接口类比，说明 MCP 的核心思路是「为 AI 接工具定一套行业标准」。文章详细介绍了 MCP 的 Client-Server 架构：Server 是工具实现方，Client 是 AI 应用侧，一个 Client 可连接多个 Server。核心部分重点区分了三类能力：Tools（有副作用的操作，需授权）、Resources（只读数据，无副作用）、Prompts（可复用的提示词模板）。底层通信方面，文章解释了 JSON-RPC 2.0 协议，以及两种传输方式：stdio（本地子进程）和 Streamable HTTP（远程部署），并说明了从早期 HTTP+SSE 双端点到单端点 Streamable HTTP 的演进。最后，文章总结了 MCP 生态快速发展的原因（低实现门槛、头部工具跟进），并给出了面试回答的要点。

💡 主要观点

- MCP 解决的核心问题是工具接入的碎片化。 在 MCP 之前，每接入一个新工具都需要编写定制化的集成代码，且与具体模型强绑定，难以复用。MCP 通过标准化协议，让工具实现一次、到处复用。

MCP 是开放协议，与 Function Calling 处于不同层面。 Function Calling 解决的是「模型如何输出结构化的工具调用请求」，而 MCP 解决的是「工具如何标准化接入」，两者是不同层面的问题。MCP 并非 Anthropic 专属，任何支持 MCP 的客户端都能接入。

MCP Server 暴露三类核心能力：Tools、Resources、Prompts。 Tools 是有副作用的操作（如创建文件、提交代码），需用户授权；Resources 是只读数据（如读取日志），无副作用；Prompts 是可复用的提示词模板，用于标准化团队协作。

MCP 底层使用 JSON-RPC 2.0 协议，支持 stdio 和 Streamable HTTP 两种传输方式。 JSON-RPC 2.0 是一种轻量级远程函数调用协议。stdio 适用于本地工具，延迟低；Streamable HTTP 适用于远程部署，架构更简洁，支持 serverless 环境。

💬 文章金句

- MCP 的思路是把这件事标准化：工具提供方按协议实现一个 Server，任何支持 MCP 的 AI 客户端就能直接接进来，一次实现到处复用。

• Function Calling 解决的是「模型怎么输出结构化的工具调用请求」，而 MCP 解决的是「工具怎么标准化接入、一次实现到处复用」，两者是不同层面的东西。

📊 文章信息

AI 初评：82

来源：小林coding

作者：小林coding

分类：人工智能

语言：中文

阅读时间：20 分钟

字数：4881

标签： MCP 协议, AI Agent, LLM, 工具调用, 面试题

阅读完整文章