MCP 是什么：给 AI 接一根通向真实世界的数据线 | AI 打工日志·MCP篇①

我们前面几季给这位 AI 同事配了本领（技能篇的 Skill），也给它招了团队（Agent 篇的多智能体协作）。到这一步，它写得了方案、排得了流程、分工也清清楚楚。

但你真把它拉到工位上，会发现一件尴尬的事：它对你公司的世界一无所知。

你问它：上个月华东区的退货率为什么涨了？

它需要三样东西：销售数据库里的订单、客服系统里的投诉记录、仓库那张谁也没整理过的退货台账。这三样东西分别躺在三个不同的系统里，没有一个向 AI 敞开大门。

于是它只能这样回答你：一般来说，退货率上升可能与物流时效、产品质量、客服体验有关，建议您从这几个维度排查……

这话没毛病，但也没用。这就是一个被困在没有门窗的房间里的高材生——脑子极好，手伸不出去。

你当然可以说：那就给它开个接口呗。

问题是——开给谁？ 你的 AI 助手可能有三四个（写文档的、写代码的、答疑的），公司里的数据源可能有七八处（数据库、工单系统、网盘、代码仓库、CRM……）。

如果每个 AI 应用要单独接每一个数据源，你需要做的接口数量是 3 × 7 = 21 个。再加一个 AI 应用，变成 28 个。这就是工程师嘴里的 N×M 难题。

更麻烦的是，这 21 个接口由不同团队在不同时间写成，格式各写各的：有的要传 JSON，有的要拼查询串；有的用这家的鉴权，有的用那家的令牌。换个 AI 应用，全套重来一遍。

这事儿我们其实见过。十几年前的手机充电口：诺基亚一根、摩托一根、三星一根，抽屉里永远团着一坨乱线，出差忘带原装线就抓瞎。后来全行业统一成一种口，世界才清净。

MCP 这三个字母是 Model Context Protocol，中文叫「模型上下文协议」。名字听着唬人，拆开就是三拨人在分工。

换算一下账：以前 3 个 AI 应用 × 7 个数据源 = 21 套定制对接；现在 3 个主机 + 7 个服务端 = 10 份实现，而且每个服务端写完一次，所有主机都能用。数据源再加五个，也只是加五段。

❓ 那「函数调用」呢？

函数调用是 AI 自己知道「我可以喊某某功能」，但那个功能具体怎么接到你的数据库，还得你手写。MCP 补的是后半段——把「喊誰」和「怎么连」也标准化了。

一句话区分：函数调用解决的是 AI 会不会用工具，MCP 解决的是工具怎么插上来。

🛠️ 工具 Tools —— 让它动手

可以真的去执行动作的能力：查一笔订单、提交一个工单、往表里写一行、跑一次查询。这是三类里最需要谨慎对待的，因为它会改变外部世界的状态。

📄 资源 Resources —— 让它读书

可以被读取的素材：某个文件夹里的文档、数据库里的表结构、项目的配置文件。特点是只读不写，给它上下文，不让它乱动。

📋 提示模板 Prompts —— 让它照着做

服务端自带的一些现成用法。比如某个数据系统自带「生成月度分析报告」的模板，你不用从零教它怎么问，选一个模板填上参数就行。