AI 能聊天,却读不到你的数据库、工单和内部 API;每次都要人复制粘贴,效率还不如自己查。MCP 想把这件事标准化:把自建服务包成一个 server,AI 客户端按协议调用工具。
MCP 是什么
MCP(Model Context Protocol)是一套让 AI 客户端连接外部工具和数据的协议。Server 暴露 tools、resources、prompts,client 负责发现和调用。它不是模型,也不是网关,而是“AI 和系统之间的插头”。
三种传输
| 方式 | 适合 | 注意 |
|---|---|---|
| stdio | 本地进程,客户端直接拉起 | 不能跨机器 |
| SSE | 远程 server,单向流 | 旧方案,逐步被替代 |
| Streamable HTTP | 远程 server,双向 | 要自己做鉴权 |
要放在云上给多个客户端用,选 Streamable HTTP;本地单机用 stdio 最简单。
写一个最小 server
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("demo")
@mcp.tool()
def query_order(order_id: str) -> str:
# 换成你的数据库查询
return f"order {order_id}: shipped"
mcp.run(transport="streamable-http")
工具函数要有清晰的参数和返回值,别把整个数据库暴露成一个“执行 SQL”的工具;权限越大,出事越严重。

接客户端
Claude Desktop、Cursor、Open WebUI 等客户端都支持 MCP 配置。远程 server 填 URL 和 Token:
{
"mcpServers": {
"internal": {
"url": "https://mcp.example.com/mcp",
"headers": {"Authorization": "Bearer <token>"}
}
}
}
stdio 方式则填命令和参数,由客户端拉起进程。远程方式更适合团队共享,也更容易审计。

安全是重点
MCP server 等于把内部能力开放给 AI,必须做三层控制:
- 认证:OAuth 或 Token,别裸奔
- 授权:按用户/角色限制能调哪些工具
- 审计:记录谁在何时调了什么、参数和结果
再加白名单:只允许访问指定表、指定 API、指定目录;危险操作(删除、转账、改配置)要二次确认或直接禁用。

香港节点
MCP server 的延迟主要影响工具调用,不影响模型生成。香港节点对大陆和亚洲客户端都近,适合做内部工具入口;如果工具本身在美国,跨太平洋这一段会叠加。
- 香港:大陆/亚洲客户端近,适合内部工具
- 新加坡:东南亚团队近
- 美国:工具和数据都在美国时更顺
server 本身很轻,2 核 4G 就够;重的是它背后的数据库和 API。
监控和限流
- 按 Token/用户限流,防止 AI 循环调用打爆后端
- 记录调用耗时、失败率、参数大小
- 设超时和重试上限,别让一次调用挂住
- 危险工具单独告警
常见坑
- 把数据库超级权限直接给工具
- 没有认证就暴露公网
- 工具返回超大结果,撑爆上下文
- stdio 进程随客户端退出,不适合常驻服务
- 没做审计,出事查不到谁调的
和 function calling 的区别
function calling 是模型调用一个函数,MCP 是把工具和数据源标准化,让不同客户端都能发现和调用;前者是能力,后者是接口。
多工具
工具别堆太多,按业务分组;每个工具的参数和返回要小而清晰,避免 AI 选错或上下文爆炸。
部署方式
小团队用 Docker 单进程,前面加 Nginx;多工具拆成多个 server,按权限隔离,别一个进程通吃。
日志
记录调用者、工具名、参数摘要、耗时和结果状态;敏感参数脱敏,日志保留按合规要求。
资源
除了工具,MCP 还能暴露 resources 和 prompts;资源和工具分开授权,读和写别用同一个凭据。
测试
上线前用官方 inspector 或客户端逐工具测,覆盖成功、失败、超时和权限不足;别只测 happy path。
客户端兼容
不同客户端支持的传输和字段不一样,先确认目标客户端;远程优先 Streamable HTTP,本地再留 stdio。
权限模型
按角色给工具,不按人给;临时授权设过期时间,离职和项目结束及时回收。
限流
按用户和工具限流,防 AI 循环调用;超时和重试上限写进 server,别靠客户端自觉。
审计
审计日志单独存,记录调用链和结果状态;出问题能追到人、工具和时间点。
部署检查
上线前确认端口、证书、认证和超时;用真实客户端跑一遍,别只在本机 curl。
运维
工具变更要版本化,客户端缓存可能不刷新;改完通知使用方,避免调用到旧参数。
先小范围开放工具,再逐步加权限;别一上来就把生产库接进去。
权限收窄一点,出事少一点。
先跑通一个工具,再扩到十个。
工具少而稳,比多而乱好。
安全先于功能,顺序别反。
权限和审计,缺一不可。
先把一个工具跑稳,再谈扩展和权限,真的。
常见问题 FAQ
Q1:MCP 和普通 API 有什么区别?
MCP 让客户端自动发现工具和参数,不用为每个 AI 客户端写适配;普通 API 要自己描述和调用。
Q2:一定要公网吗?
不一定。内网或 VPN 更安全;要给多地客户端用,再考虑公网加认证。
Q3:香港节点合适吗?
亚洲客户端为主就合适;工具和数据在美国时,注意跨洋延迟。
Q4:怎么防止 AI 乱操作?
最小权限、白名单、危险操作二次确认、审计日志,四件事都要有。
Q5:能商用吗?
MCP 是开放协议,但具体 SDK 和客户端各有许可证;商用前确认授权和数据合规。
总结
MCP server 的价值是把内部能力标准化给 AI 用,难点在安全和权限,不在代码。远程用 Streamable HTTP,香港做亚洲入口,认证、授权、审计、白名单一个都不能少。
需要一台机器跑 MCP server,不确定配置,先按小时开一台香港 CN2 云主机,先把工具调用和审计跑通。







