free-ai-lab free-ai-lab

MCP 常见问题 FAQ

科普

12 个高频问题一次答清:从「MCP 是啥」到「我该装哪个」。

一、入门基础

1. MCP 到底是什么?

MCP(Model Context Protocol,模型上下文协议)是 Anthropic 于 2024 年 11 月开源的一个开放标准,解决「AI 想连外部工具和数据源,但每个工具都要单独适配」的麻烦。它把这种连接统一成一个标准接口——打个比方,就像给 AI 装了一根「USB-C 线」,插上就能连 GitHub、数据库、浏览器等一切支持 MCP 的工具。目前 GitHub 上 MCP 相关仓库已超 1.5 万个。

2. MCP 能帮我做什么?

  • 让 AI 直接操作你的 GitHub 仓库(查 Issue、开 PR、读代码)
  • 让 AI 连数据库查数据、生成报表
  • 让 AI 控制浏览器帮你填表单、爬网页
  • 让 AI 读写本地文件、操作办公文档

核心价值:AI 从「只能聊天」变成「能动手干活」。

3. 我是普通人,需要学 MCP 吗?

分情况:如果只是想用现成的(比如希望 Claude 能管理你的笔记),装一个配置好的 MCP 服务器即可,跟着配置教程复制粘贴就能用。如果想让 AI 连你自己定制的东西,才需要了解协议细节。对非开发者:先把现成的用起来,不用研究底层

4. MCP 和普通「插件/API」有什么区别?

旧模式:每个 AI 工具 × 每个外部服务 = 单独开发一次接口,互相不通用。MCP 模式:服务商只需实现一次 MCP 标准,所有支持 MCP 的 AI 工具都能直接插。对你而言,区别是「今天配好,明天换 AI 工具也能复用」。

5. MCP 和 Skill 是不是一回事?

不是。Skill 教 AI「怎么做」(专业操作流程),MCP 让 AI「能连什么」(外部工具接口)。详细对比见Skill vs MCP 对比文

二、使用与选择

6. 我该装哪几个 MCP 服务器?

按需求选,最常用的几个方向:

  • 开发相关:GitHub(管理仓库)、Playwright(控制浏览器做测试)
  • 办公相关:文件系统(读写本地文件)、Office 文档处理
  • 数据相关:数据库连接、信息检索
  • 别贪多:装 2~3 个高频的就够,多了反而让 AI 选择困难

7. 去 GitHub 上怎么挑靠谱的服务器?

  • 看 star 数与维护活跃度:高 star + 近期有提交更靠谱
  • 优先官方出品:微软、GitHub 官方维护的生态(如 microsoft/playwright-mcp、github/github-mcp-server)
  • 看 README 的配置说明完整度:说明越详细,踩坑越少
  • 可以浏览本站MCP 精选清单,已帮你筛过一轮

8. 配置后怎么确认装好了?

装完并重启客户端后,在 AI 对话里问一句「你现在能用哪些工具?」或直接在工具列表里看。让 AI「调用某工具试一下」(比如「帮我列出这个 GitHub 仓库的 star 数」),能正常返回结果就说明通了。

9. 装 MCP 会泄露我的数据吗?

有风险但可控:MCP 服务器拿到多少权限,取决于你在配置里给了什么凭据。原则三条——只装可信来源的 Server、只给最小必要权限、token 别提交到公共仓库。详细见MCP 安全指南

三、进阶认知

10. MCP 一定要用命令行配吗?

不一定。Claude Desktop 等客户端提供图形化配置界面;也有很多「一键安装」的管理工具(如 cc-switch 这类切换工具)。开发者常用 JSON 手写,普通用户用图形界面即可。

11. stdio 和 SSE 模式有什么区别?

stdio:本地启动一个进程与 AI 通信,适合本机工具(文件、数据库),最常见;SSE(HTTP):通过网址连远程服务器,适合云端服务。初学者选遵循 Server README 默认即可。

12. 我想自己写一个 MCP 服务器,难吗?

不难,官方 SDK 支持 Python 和 TypeScript,一个「返回问候语」的最小服务器几十行代码就能跑通。写之前建议先看精选清单里官方示例(如 microsoft 官方生态)的源码结构。

相关阅读