模型上下文协议（MCP）：把 AI Agent 连接到工具与企业上下文
定义
模型上下文协议（Model Context Protocol, MCP）定义了 AI 应用如何发现并调用外部工具、读取资源、使用服务端提供的提示模板。团队可以把数据库、SaaS API、文件系统或内部服务封装成 MCP server，让 IDE 助手、桌面客户端或 Agent runtime 作为 MCP client 以统一 schema 和权限模型调用。
为什么对 AI 求职重要
AI 岗位越来越强调能把模型接入真实业务上下文，而不只是写提示词。掌握 MCP 能帮助候选人设计安全的工具边界、连接私有数据、调试 client/server 集成，并判断 Agent 平台是否能用标准协议扩展。它连接了 LLM 应用开发、平台工程、安全审查和开发者体验。
核心概念
- MCP server：暴露工具、资源和提示模板的进程或服务。
- MCP client：负责连接 server、协商能力并发起调用的宿主应用或 Agent runtime。
- Tools：带类型参数的动作，例如查询数据库、创建工单或调用内部 API。
- Resources：可被枚举和读取的上下文数据、文件、记录或文档。
- 传输与安全：stdio、HTTP、认证、授权、最小权限和审计日志决定生产可用性。
- Schema 设计：清晰的参数、描述、错误和幂等规则会显著提升 LLM 工具调用可靠性。
学习路径
- 先写一个只读本地 MCP server，暴露一个简单工具，并接入桌面或 IDE 客户端。
- 加入资源列表和提示模板，观察协议消息、错误返回和超时处理。
- 把 GitHub、Notion、Postgres 或内部服务封装成带类型 schema 的工具，并使用最小权限凭证。
- 用恶意提示、错误参数、超时和权限失败测试集成，在允许写操作前做好防护。
- 补齐部署、observability、凭证轮换和人工审批流程，让平台团队可以长期运维。