AI Agent 之路，由 MCP 铺就，AI 自动化操作的时代已经到来，代码已不再是创意实现的最大门槛。
还记得 GPT-4 刚发布视频时的惊艳亮相时的视频演示场景吗？只见 AI 看着网站草图，就自动做了一个原形网站。只需要告诉 AI 指令，它就帮你完成了一系列的机票订票流程。许多人更是憧憬过 All in One App —— 通过 AI 搞定一切。 这其实才是大多数普通人眼里 AI 的原本模样 —— 我只需要动嘴，一切活有人搞定。可以说，现阶段的 AI 使用形态，充其量就是个氛围组。我只能获取必要的资料指引，具体的活还得我自己来干。真正的 AI，难道不是可以自动帮我干活，做 PPT 再顺手当个司机吗？ 而过去两年的发展，AI Agent 不过是雷声大，雨点小的玩意了。做的人很多，但是能够在路人之间火出圈的产品，大抵也只有 Manus。但是高昂的使用门槛，很明显还是一个处于测试环节的产品。大人，这远处只能看的大饼，它不香呀！ 但是，它的火爆宣告着 —— AI Agent，就是众人的希望。没办法，谁让人类就是这么懒呢？要是一个技术能让我偷懒摸鱼，那最好赶紧的。 接触 MCP 之后，我想说，想象中的全知全能 AI Agent，离我们可能真的近在咫尺。 不信？来看看下面这两个我实测过的场景吧： 1. 基于内部文档的智能客服 把帮助文档做成 MCP 服务，直接变身智能客服，不需要做 RAG 知识库，也能够精准解答客户基础问题。 2. 自动网页爬虫工具 让 AI 自动爬取澳洲各高校录取要求，自动生成汇总生成招生简章，并附上所有引用信源。 你可以直接点击此处看看它写的咋样。 3. 浏览器操作助手 让 AI 操作浏览器，登录 WP 网站后台，按照你的需求进行点点的操作。我更喜欢这个案例，因为它真的可以看懂你的网页内容，按照你的指令干活。 其实呀，上班上班，到底是公司请人上班，还是说给电脑配了个人？如果 AI 能够全部控制电脑，按照你的需求干活。可悲的办公室白领还能干啥？（那当然是背锅 而实现这一切的背后技术，全然离不开 Anthropic 在 24 年 12 月悄咪咪发布的 MCP（模型上下文协议）标准。接下来，本文将深入解析 MCP 的概念、技术原理以及多种应用场景，帮助你快速理解并上手 MCP。

​
什么是 MCP？

MCP（模型上下文协议）是一个标准化工具箱，使 AI 大模型能够与外部工具交互，获取信息并完成具体任务。在传统方法中，用户需要手动复制文本、截图，然后粘贴到 AI 窗口进行交互。而 MCP 通过标准化协议自动化了这一过程，作为 AI 与外部工具的中间层，替代人工操作。 说人话版：一个能够让所有 LLM 顺畅自动使用工具的机器语言。这里说的工具并不是现实里的斧头锤子，而是指的是互联网上开源闭源的一系列软件工具。说白了就是人怎么用工具，只要那个工具支持了 MCP，那么不用你教，LLM 自己就会用了。并且，比人玩的还溜。

​
MCP 的工作原理

MCP 由多个 MCP 服务器（MCP Server）组成，每个 Server 负责特定任务，例如：
  • 浏览器操作（如读取网页内容）
  • 文档处理（如编辑和解析本地文档）
  • 代码管理（如操作 Git 仓库）
MCP Server 运行在本地，通常是一个 Node.js 或 Python 进程。大模型通过标准输入（STDIO）与 MCP Server 交互，消息格式如下： 
{
  "tool": "search_repository",
  "query": "TechShrump的GitHub仓库"
}
MCP Server 处理请求后，返回数据给大模型。 你就记得一句话完事，只要某个软件支持了 MCP，比如说 Figma， Blender, Photoshop，Excel 或 PPT（不知道支持没，我乱说的），那么安装工具之后，你的 AI 助手马上就学会了这些工具的使用。而且，可以接管你的电脑/网页。 你动嘴，它干活。

​
MCP 和 API 的对比

可能你会说，这些事情不是只需要 LLM 知道怎么调 API 工具就可以完成了吗？ 事情远没这么简单，因为 REST API 的设计对象是给人类程序员使用的。它非常死板，你输入的信息必须要符合我定义的格式才能正确返回结果。但 MCP 赋予了 AI 自助提问，自主寻找答案和结果的权力。 新时代，新思想，新方法。

​
快速上手：安装 MCP

就像大部分软件使用一样，想要让 AI 使用上 MCP，那么你得安装一个客户端软件。这个软件里要能调 AI，还能连接 MCP 服务器。

​
1. 安装支持 MCP 的客户端

目前支持 MCP 的客户端较少，基本只有以下工具：
  • Cursor（AI 编程工具，开通 MCP 需支付 20 美元/月）
  • Claude 官方客户端 （美国信用卡 20 美元 / 月）
  • Client（开源免费，本文以此为例）
我知道你们在想啥，不就是钱的事（你还得搞定美国信用卡），所以下文将会用免费的 VS Code + Cline 插件来带你一步步安装 → 感受你的 AI Agent 时刻。

​
安装 Cline 并配置 AI 模型

  1. 下载并安装 VS Code。
  2. 在 VS Code 的 Extensions（插件）市场搜索并安装 Client。
  1. 配置 AI 模型：
    • 选择 DeepSeek 作为模型提供商。（不是 DickSeek）
    • 去 DeepSeek API 平台申请一个 API Key。现在官方的服务器已经可以稳定使用了。
    • 选择 deepseek-chat。你也可以使用 deepseek-r1，我只是嫌它每次使用工具还要思考一遍，太内耗太慢了。
啥？你咋给我安装了一个开发者才会用的东西？这安装页面这么程序员，有没有一个更小清新的使用入口？没错希望我朋友圈的大厂里的高人快速整一个，AI 大舞台，有梦你就来。MCP 时代，客户端软件是妥妥的流量入口。

​
2. 安装 Node.js 运行环境

MCP Server 运行在本地的 Node.js 进程上，因此需要安装 Node.js。
  1. 访问 Node.js 官网 下载并安装。
  2. 验证安装：
打开你的终端，运行以下命令： 
node -v
npx -v
好了确保成功输出版本号。

​
3. 安装 MCP Server

  1. 在 Cline 内点击 MCP Server 按钮，打开 MCP Server 应用市场。
  1. 选择所需的 MCP Server（例如 Playwright 会使用浏览器的工具），点击安装。

​
4. 测试 MCP Server

  1. 在 Cline 中输入命令：使用 Playwright 打开网站： au.pflm.net
  2. AI 自动调用 MCP 工具，此时你需要点击同意。
  1. 然后你就可以让 AI 去帮你干活了，比如说扒拉网页中的内容，变成自己的文档。
  2. 其它 MCP 工具同理。

​
更多 MCP 工具推荐

  • browser2：AI 读取浏览器内容，需安装 Chrome 插件。
  • Squint Shell Thinking：将普通大模型转换为推理模型。
  • Filesystem：允许 AI 访问本地文件系统。
你也可以访问访问 Smithery AI 发现更多 MCP Server。

​
总结

MCP 作为 AI 与外部工具交互的标准协议，极大提升了自动化能力。掌握 MCP 的基本原理和配置方法，可以帮助你高效利用 AI 进行开发和数据处理。 📌 下一期，我们将深入探讨如何组合 MCP 工具，实现更加复杂的自动化任务。敬请关注！