第36章：MCP协议标准

学习目标

理解MCP协议的核心定位和设计理念
掌握MCP的架构组成：Server、Client、Tools、Resources、Prompts
了解MCP与传统API集成的区别
学会从测试视角评估MCP集成质量

前置要求

已完成第34-35章架构基础的学习
理解LLM的Function Calling能力
有基本的API集成开发经验

一句话定义

MCP（Model Context Protocol）

MCP 是 Anthropic 提出的开放协议，定义了AI模型与外部工具/数据源之间的标准通信方式——可以理解为"AI世界的USB接口"，让任何AI都能即插即用地连接任何工具。

MCP 协议架构图 — **图36-1** MCP协议架构：AI客户端通过MCP协议（JSON-RPC）连接MCP Server，Server统一暴露Tools（工具）、Resources（资源）、Prompts（提示词）三类能力

生活类比：USB接口的故事

为什么MCP像USB？

在USB出现之前，每种外设都有不同的接口——键盘用PS/2、打印机用并口、鼠标用串口，换一个设备就要装一个驱动。USB统一了接口标准，插上就能用。

MCP之于AI工具，就像USB之于电脑外设：统一接口标准，即插即用。

为什么需要MCP？

在没有MCP的世界，每个AI模型和每个工具的集成都是"定制开发"，导致大量重复劳动：

无MCP vs 有MCP的集成成本

没有 MCP 的世界：
  Claude 要连 GitHub → 写专门的 GitHub 集成
  GPT 要连 GitHub → 又写一套 GitHub 集成
  Cursor 要连 GitHub → 再写一套
  
  → M个AI模型 × N个工具 = M×N 套集成代码（重复劳动）

有 MCP 的世界：
  每个工具写一个 MCP Server（1份）
  每个AI模型实现 MCP Client（1份）
  
  → M + N 套代码（大幅减少重复）
  
示例：
  GitHub写1个MCP Server → Claude、GPT、Cursor都能用
  测试平台写1个MCP Server → 所有AI助手都能操作测试平台

MCP的核心架构

MCP架构全景

┌──────────────────────────────────────────────────────────────────┐
│                     MCP 协议架构                                    │
│                                                                  │
│  ┌──────────┐    MCP协议(JSON-RPC)    ┌───────────────────────┐  │
│  │  MCP     │ ◄──────────────────► │  MCP Server            │  │
│  │  Client  │                       │  (工具提供方)          │  │
│  │  (AI侧)  │                       │                        │  │
│  │          │                       │  示例：                 │  │
│  └────┬─────┘                       │  - GitHub Server       │  │
│       │                             │  - 数据库 Server       │  │
│  AI应用示例：                        │  - 文件系统 Server     │  │
│  - Claude Code                      │  - 测试平台 Server     │  │
│  - Cursor IDE                       │  - API服务 Server      │  │
│  - Zed Editor                       │                        │  │
│  - 其他AI助手                        └───────────────────────┘  │
│                                                                  │
│  通信内容：                                                       │
│  - 工具列表（有哪些工具可用）                                      │
│  - 工具调用（调用某个工具，传入参数）                               │
│  - 结果返回（工具执行结果）                                        │
│  - 资源访问（读取文件/数据等）                                     │
│  - Prompt模板（预设提示词）                                        │
│                                                                  │
└──────────────────────────────────────────────────────────────────┘

MCP的核心概念

概念	说明	类比	测试关注点
MCP Server	提供工具和数据的服务端	USB设备（如U盘）	工具定义准确性、执行可靠性
MCP Client	AI应用端的连接器	USB接口/驱动	协议兼容性、发现机制
Tools	Server提供的可调用功能	U盘的功能（读写文件）	参数验证、返回格式、错误处理
Resources	Server提供的可读数据	U盘里的文件	数据完整性、权限控制
Prompts	Server提供的预设提示词模板	U盘自带的说明书	模板有效性、参数填充

MCP vs 传统API集成对比

维度	传统API集成	MCP
接口标准	每个API不同，需单独适配	统一协议，即插即用
开发成本	高（每个工具单独集成）	低（写一次Server，所有AI可用）
发现机制	需手动配置	自动发现可用工具
维护成本	每个集成独立维护	统一维护
生态效应	孤岛（各自独立）	共享生态（一次开发，多方受益）
测试复用	每个集成单独测试	Server测试一次，所有Client受益

MCP通信协议详解

MCP基于JSON-RPC 2.0协议，使用标准化的消息格式进行通信：

JSON - MCP消息示例

// MCP工具调用请求示例
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "github_search_issues",
    "arguments": {
      "query": "bug in authentication",
      "repo": "facebook/react"
    }
  }
}

// MCP工具返回结果示例
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      {
        "type": "text",
        "text": "Found 5 issues matching query..."
      }
    ]
  }
}

企业测试中的MCP应用

测试团队的MCP实践建议

搭建测试工具MCP Server：把测试管理平台、CI/CD系统、缺陷管理系统封装为MCP Server，让AI直接操作
让AI Agent通过MCP调用测试工具：AI自动从Jira拉取需求→生成用例→推送到测试平台→执行→报告
测试MCP集成质量：验证工具调用的正确性、错误处理、权限控制、并发性能
贡献测试领域MCP Server：将性能测试工具、安全扫描工具封装为MCP Server，供整个AI生态使用

测试视角：MCP集成测试要点

测试维度	测试内容	验证方法
协议兼容性	消息格式、字段完整性	发送标准请求，验证返回格式
工具发现	Client能否正确获取Server的工具列表	调用tools/list，验证返回完整性
工具调用	参数传递正确、执行成功	调用具体工具，验证返回结果
错误处理	无效参数、超时、权限不足等场景	发送异常请求，验证错误返回格式
并发性能	多工具并行调用、高并发请求	并发调用测试，验证响应时间和稳定性
资源访问	读取Server提供的资源数据	调用resources/read，验证数据完整性

本章小结

MCP是Anthropic提出的开放协议，定义AI与工具的标准通信方式，像"AI世界的USB接口"
MCP架构包含Server（工具提供方）、Client（AI侧）、Tools、Resources、Prompts五个核心概念
MCP统一接口标准，大幅降低集成开发成本，一次开发多方受益
测试团队可搭建测试工具MCP Server，让AI直接操作测试系统
MCP集成测试需关注协议兼容性、工具发现、调用准确性、错误处理和并发性能