😂
当 AI 模型开始“互相嫌弃”
- "财务大模型拒接客服系统的烂数据!2025 年企业 AI 落地最大痛点竟是——模型与工具间互不认账的‘协议战争"
- 某银行 AI 中台负责人透露:70%的智能项目延期因数据接口不互通,而 Anthropic 开源的 MCP 协议正成为破局核弹
一、行业背景:AI 协作的“巴别塔困境”
数据孤岛全面爆发
企业痛点:金融风控模型需调取 CRM 数据时,需重写 3 套对接脚本
成本黑洞:某电商平台为打通 10 个 AI 系统,年耗资超$200 万维护“胶水代码”
MCP 的破局定位
本质突破:MCP 如同 AI 世界的 USB-C,让模型、工具、数据源实现“协议级握手”
二、发展历程:从技术实验到行业标准
关键里程碑事件表:
注:截至 2025 年 7 月,GitHub 开源 MCP Server 项目超 1200 个,覆盖金融、医疗、工业场景
三、核心价值:解决 AI 落地的三座大山
什么是 MCP?
Model Context Protocol (MCP) 是一种协议,它允许大型语言模型(LLMs)访问自定义的工具和服务。智能体也可作为 MCP 客户端可以选择向 MCP Server 发起请求,以使用它们提供的工具。你可以自行添加 MCP Server,并添加到自定义的智能体中来使用。更多信息参阅 MCP 官方文档。
MCP Server 支持三种传输类型:stdio 传输、SSE 传输、Streamable HTTP 传输,对照传统的协议,其实都不难理解。
破解数据孤岛
保险业案例:通过 MedClean 工具包注入差分噪声,医疗数据本地脱敏后供模型调用,泄露风险↓75%
统一工具调度
# MCP工具调用标准化示例(对比传统方式)# 传统:每个API独立对接,获取数据进行处理
sales_data = requests.get("http://crm/api/sales?token=xxx")
XXXXXXXXX # 然后进行一顿猛如虎的操
# MCP:协议层统一调度,大模型接管
tool_response = mcp_client.execute_tool("crm_sales_query", params={...})
构建动态工作流
😂
教育行业实战:错题分析 AI + 题库 AI + 排课 AI 通过 MCP 自动串联,学生诊断报告生成速度从 3 小时→9 分钟
四、典型场景:从代码助手到企业大脑
场景 1:智能开发中枢(核心架构)
成效:代码错误率↓40%,新人产出效率提升 220%
场景 2:公众号自动化工厂
Coze 平台实战流:
热点爬取 → MCP 爆文改写 → HTML 排版 → 自动发布草稿箱
关键突破:3 行提示词控制全流程,矩阵账号运营人力节省 90%
场景 3:金融风控协作网
多模型联动:
反欺诈模型 →(MCP 协议)→ 客户画像模型 →(MCP 协议)→ 合规审计模型
结果:洗钱误报率↓33%,响应速度↑8 倍
五、安装配置指南:三步构建 MCP 网关
配置系统环境
为确保正常启动 MCP Server,你可能需要安装:
- npx:依赖于 Node.js,版本需大于等于 18。
- uvx:基于 Python 的快速执行工具,需手动安装。
- (可选) Docker:容器化平台,用于隔离和运行应用程序,需根据系统版本安装对应版本。若使用 GitHub MCP Server,则需要使用 Docker。
安装 Node.js
- 1. 请前往 Node.js 官网,下载并安装 Node.js 18 或更高版本。
- 2. 安装完成后,在终端中运行以下命令确认是否安装成功。
node -v
npx -v
若安装成功,终端中会输出已安装的 Node.js 的版本号,例如:
v18.19.0
10.2.0
- 3. 重启 Trae IDE,使 Node.js 生效。
安装 uvx(Python 工具)
uvx 是 uv 提供的命令行工具,用于快速运行 Python 脚本。
- 1. 前往 Python 官网,下载并安装 Python 3.8 或更高版本。
- 2. 安装完成后,在终端中执行以下命令确认是否安装成功。
python --version
若安装成功,终端中会输出已安装的 Python 的版本号。
- 3. 执行以下命令,安装 uv(包含 uvx)。安装脚本会自动下载 uv 并放置到系统默认路径中。
- macOS / Linux 安装命令:
curl -LsSf https://astral.sh/uv/install.sh | sh
- Windows 安装命令(PowerShell):
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
- 4. 执行以下命令,验证是否安装成功。
uvx --version
若安装成功,终端中会输出已安装的 uvx 的版本号。
(可选) 安装 Docker
若使用 GitHub MCP Server,则需要使用 Docker。使用以下步骤安装 Docker Desktop:
| 操作系统 | 步骤 |
| macOS | 手动安装:前往 Docker 官方网站 或 Docker 商店,然后下载适用于 macOS 的 Docker Desktop 安装包(。dmg 文件),根据芯片选择对应版本。 使用 Homebrew 安装:如果已安装 Homebrew,可以使用 Homebrew Cask 安装 Docker Desktop,命令为 brew install --cask docker。 |
| Windows | 前往 |
使用以下操作验证是否安装成功:
- 打开终端,输入 docker --version 命令。如果安装成功,会显示 Docker 的版本信息。
- 输入 docker info 命令,可以查看 Docker 的详细信息。如果能正确显示信息,代表 Docker 已安装并启动成功。
配置 MCP Server
你可以直接从市场中添加合适的 MCP Server,或手动添加。
方式一:从市场添加
MCP 市场中提供了社区中热门的 MCP Server,你可以选择需要的 MCP Server 进行添加。
- 1. 在 AI 侧边对话框的右上角,点击 设置 图标,然后在菜单中选择 MCP。
界面上显示 MCP 页签。
- 2. 点击 + 添加 MCP Servers 按钮;或点击右上角的 + 添加 按钮,然后在菜单中选择 从市场添加。
你将进入 MCP 市场。
- 3. 在 MCP 市场中找到所需的 MCP Server。
- 4. 点击右侧的 + 按钮。
- 5. 在弹窗中填入 MCP Server 的配置信息。
🎈
- 对于标记为 “Local” 的 MCP Server,需要在本地安装 NPX 或 UVX 后才能使用。
- 配置内容中的 env 信息(例如 API Key、Token、Access Key 等字段)须替换为真实信息。
- 6. 点击 确认 按钮。
方式二:手动添加
如果在市场中无法找到想要的 MCP Server,或者想使用自己开发的 MCP Server,则需要手动添加。
- 1. 在 AI 侧边对话框的右上角,点击 设置 图标,然后在菜单中选择 MCP。
界面上显示 MCP 页签。
- 2. 点击右上角的 + 添加 按钮,然后在菜单中选择 手动添加。
界面上显示 手动配置 窗口。
- 3. 填入 MCP Server 的配置内容。
🎈
优先使用 NPX 或 UVX 配置。
- 若你希望添加一个全新的 MCP Server,将 JSON 配置内容填入输入框中,然后点击 确认 按钮。该 MCP Server 将被添加至 MCP 列表中。
- 若你已在其他 IDE 中配置了 MCP Server,并希望在 Trae IDE 中复用。你可以点击 原始配置(JSON) 按钮,然后将 MCP Server 的 JSON 配置内容粘贴至 Trae IDE 的 mcp.json 文件中。粘贴完成后,MCP 列表中将自动添加相应的 MCP Server。
在智能体中使用 MCP Server
也可以将 MCP Server 添加至智能体,让其调用 MCP Server 中的工具来更好地处理你的需求。
内置智能体:Builder with MCP
Builder with MCP 是 Trae IDE 的内置智能体,所有已配置的 MCP Server 都将被自动添加至该智能体,且不可编辑。
🎈
使用 Builder with MCP 时,若遇到拒绝回答的情况,则可以在自定义智能体中使用 MCP Server。
自定义智能体
你可以将 MCP Server 添加到自定义智能体中,然后由智能体自动调用 MCP Server 中的工具来完成任务。
- 直接在 MCP Server 列表中将 MCP Server 添加至智能体,步骤如下:
- 前往 MCP Server 列表。
- 点击目标 MCP Sever 右侧的 + 按钮。
- 在列表中勾选需要添加该 MCP Server 的智能体。
- 点击 确认 按钮。
- 若你未创建自定义智能体,则可以在创建时为其添加所需的 MCP Server。详情参考《智能体》。
六、其他教程
在众多场景中,MCP Server 都能够发挥作用,提高你的工作效率,你可以参考以下教程来了解更多 MCP Server 的使用方法。
- 《将 Figma 设计稿转化为前端代码》
- 《使用 Playwright 自动测试网页》
- 《使用高德地图 MCP Server 规划行程》
六、未来战场:A2A 协议与 MCP 的共生
当 MCP 解决“单兵能力”,Google 的 A2A 协议(Agent2Agent) 正构建“军团作战”框架:
垂直扩展:MCP 让单个 AI 接入工具链(如财务模型直连 SAP)
水平扩展:A2A 让多 AI 协同作战(如销售 AI+法务 AI 自动生成合同)
2025 下半场看点:MCP×A2A 混合架构在自动驾驶决策系统的落地竞速
结语
当特斯拉工厂用 MCP 连接 200 个机器人时,我们猛然发现:
“AI 协同的终极战场不在算法,而在那行不起眼的协议报文里”

2776

被折叠的 条评论
为什么被折叠?



