MCP (Model Context Protocol)
一句话定义
MCP（Model Context Protocol）是 Anthropic 推出的开放标准协议，用于将外部工具、数据源和能力以标准化方式接入 AI Agent，让 LLM 能够访问 GitHub、数据库、文件系统等外部服务。
摘要
MCP 解决了 AI Agent 连接外部世界的标准协议问题。在 MCP 出现之前，每个 Agent 框架都有自己的工具注册方式，导致工具无法复用。MCP 定义了一套标准化的工具描述、调用和返回协议，使得同一个 MCP Server 可以被 Claude Code、OpenClaw 等多个 Agent 系统共用。
MCP 的核心设计原则是：工具是 Agent 的 UI，而非 REST API 封装。工具的名称、参数、返回值都应为 Agent 优化，而不是为人类开发者优化。单个 MCP 工具定义约 250-300 tokens，一个典型 MCP Server（如 GitHub）包含 20-30 个工具定义，合计 4,000-6,000 tokens。接 5 个 Server，光固定开销就到 25,000 tokens（占 200K 上下文的 12.5%）。
详情
起源与背景
MCP 由 Anthropic 于 2024 年 11 月开源推出，与 Skills（2025 年 10 月）和双开放标准（2025 年 12 月）共同构成 Anthropic 的 Agent 生态三步棋。MCP 的定位是解决”怎么连”的问题，而 Skills 解决”怎么用”的问题。
核心机制 / 工作原理
MCP 采用客户端-服务器架构：
- MCP Client：集成在 Agent 中，负责发现和调用 MCP Server
- MCP Server：暴露具体的工具能力，每个 Server 可包含多个工具
工具调用遵循 6 步多轮协议：
- 用户发送消息
- LLM 分析并决定调用工具
- 生成工具调用参数
- 执行工具
- 返回工具结果
- LLM 继续推理
Token 开销问题
MCP 工具定义是上下文的最大隐形杀手：
- 单工具约 250-300 tokens
- OpenAI 建议工具总数 ≤20 个
- 超过 20 个会导致注意力稀释与选择困难
defer_loading 机制
Claude Code 的解决方案是发送轻量级 stub（仅工具名），标记 defer_loading: true。模型通过 ToolSearch 发现工具，完整 schema 只在选择后才加载，避免全量工具定义占用上下文。
应用 / 使用场景
- Claude Code：通过 MCP 连接 GitHub、Sentry、数据库等外部服务
- OpenClaw：通过 MCP 扩展工具能力
- 企业级 Agent：通过 MCP 标准化接入企业内部系统
局限与争议
- Token 开销：工具定义占 system prompt 影响 Prompt Caching
- 工具选择困难：工具太多时模型容易选错
- JSON 格式限制：JSON 仅是中间格式，模型内部多用类 XML token
- 自定义格式：自定义格式不如原生 function calling
与其他实体的关系
- Claude-Code —— Claude Code 内置 MCP 支持，通过 MCP 扩展外部工具能力
- OpenClaw-Skills —— MCP 与 Skills 分工：MCP 提供连接，Skills 提供工程直觉
- Harness-Engineering —— MCP 工具定义是 Harness 上下文管理的重要组成部分
参考来源
- 你不知道的-Claude-Code-架构治理与工程实践 —— MCP 工具定义 25K token 固定开销的详细分析
- 学习笔记-从-Agent-到-Skills-AI智能体架构的范式转变 —— MCP 与 Skills 的分工关系
- 如何让你的Agent更准确-MCP工具设计技巧 —— MCP 工具设计的最佳实践