AI Agents MCP协议详解
MCP 最早是由 Anthropic（Claude 的母公司）在 2024 年末推出的，但它是一个开源协议标准。目前不仅 Claude 在用，开源社区也迅速跟进，逐渐成为了 AI Agent（智能体）连接现实世界的工业标准。
MCP 的诞生源于解决 LLM 应用的一个关键限制，即它们与外部数据源和工具的隔离问题。
在使用AI Agent时还会看到另外两个概念
- API：是给程序用的，它是基石。
API调用：底层的“神经连接”。比如当你使用 Python 或 Node.js 调用 anthropic.messages.create 时，你是在进行最底层的通信。
- CLI：是给人（或运维脚本、或AI Agent）用的，它是为了省去写代码的麻烦，快速调用特定厂家的服务。
传统的CLI常用于快速原型测试：在给客户设计方案前，用 CLI 快速测试不同参数的响应质量。
CLI 工具往往会根据任务类型（比如 chat 或 extract）预挂载一套经过官方调优的系统 Prompt。这些 Prompt 的权重要高于你自己随手写的指令，因此回复会更“稳”。CLI通过“工程化的最佳实践”，帮你规避了大量因低效调用导致的 Token 浪费。
人类的“瑞士军刀”，CLI 这类工具主要是为了让人类在终端更爽地用 AI。
局限性：CLI 是孤立的。它是一个“品牌专用”的遥控器。如果你想让 MiniMax CLI 去读取你的微信聊天记录，除非开发者给 CLI 写了这个功能，否则它做不到。
- MCP：是给 AI Agent 用的，它是为了建立一个通用的协议，让 AI 能够像插拔 USB 设备一样，无缝切换并使用各种本地或云端的工具。赋予机器人操作本地文件、数据库和复杂 API 的能力。
在 AI 工作流中扮演的角色完全不同。
简单来说：API 是“原木”，CLI 是“成品家具”，而 MCP 是“家具拼装标准（如宜家接口）”。
MCP (模型上下文协议)：AI 的“USB 接口”
MCP 的出现是为了终结“孤岛”。
本质区别：MCP 不是为了让你用命令去调 AI，而是为了让 AI 能够调动你本地的所有资源。
革命性点：它把“能力”和“模型”解耦了。
详解MCP
简单来说：MCP 让 AI 从一个只能“聊天”的窗口，变成了一个能合法、安全地操控你本地电脑和云端数据的“超级助理”。
MCP都安装在本地：
无论是 Host（比如你的 Hermes 或 OpenClaw）还是 Server（比如 SQLite MCP Server），它们都运行在你的这台 Mac（或 WSL）上。
数据不出本地：
这意味着你的数据库路径、登录密码、敏感的业务数据，永远不会发送给 Anthropic 或 OpenAI 的服务器。大模型看到的只是查询后的“结果字符串”。
查询的“执行权”在 Server 手里
具体的查询实现（驱动程序）就在 Server 进程中。
比如，Server (SQLite Server)：这个进程里写好了 Python 或 Node.js 代码，专门用来连接 SQLite。它接收到 Host 的指令后，亲自去读取硬盘上的 .db 文件，把结果拿出来。
MCP Server 与 Client 之间的交互一般是通过什么协议完成的？
交互方式：MCP Server（通常是 Python 或 Node.js 编写）通过加载一个数据库驱动库（如 Python 的 sqlite3 模块或 Node.js 的 better-sqlite3），直接调用该库提供的 C 语言函数（C-bindings）。
通信本质：这属于 进程内调用（In-process call）。MCP Server 进程直接通过操作系统底层的文件系统接口（File I/O）来读取硬盘上的 .db 文件。
MCP Server 与 PostgreSQL 或 MySQL通过什么方式完成交互的？
与 SQLite 的文件直接读写不同，PostgreSQL 和 MySQL 是独立的数据库服务器进程。它们与 MCP Server 之间的交互是通过 网络套接字（Network Sockets） 使用特定的 有线协议（Wire Protocols） 完成的。
在你的本地机器上，这种交互实际上分成了三个逻辑层：
- 第一层：驱动程序 (The Driver)
- 第二层：建立连接 (The Connection)
- 第三层：数据交换 (The Exchange)
MCP 的优势
标准化：只要你的工具符合 MCP 协议，任何支持 MCP 的 AI 应用（如 Claude）都能立即调用它，无需额外开发。
安全性（私有化）：这是 MCP 最强的一点。MCP Server 可以运行在你的本地计算机上，AI 只有在需要时通过协议“索要”数据，数据不需要提前上传到云端。
生态互通：目前社区已经有数百个开源的 MCP Server（如访问 PostgreSQL、Google Maps、GitHub、Memory 等）。
用一个直观的类比
如果你把 Hermes 比作 VS Code (Host)：
MCP Server 就是 VS Code 里的 扩展插件（Extension）。
插件本身是一个独立的程序（进程），但它是由 VS Code 启动的。
插件为 VS Code 提供“格式化代码”或“连接 Git”的功能。
为什么MCP这种架构很高级？（解耦）
这种“具体实现在 Server 中”的设计，解决了开发中的一个大麻烦：环境隔离。
假设： 你的业务数据库是老旧的 PostgreSQL 10，需要特定的驱动版本。
以前： 你得把这个驱动装在 Hermes 里面。如果 Hermes 还要连 GitHub、连 Google 搜索，它的代码会变得臃肿不堪，依赖冲突（Dependency Hell）会让你抓狂。
现在（MCP）： * Hermes 的代码保持纯净。
PostgreSQL 的复杂驱动只存在于那个独立的 PostgreSQL MCP Server 进程里。
如果以后你想把数据库换成 MySQL，你只需要换一个 MySQL MCP Server 进程运行，Hermes 的核心逻辑一行都不用改。
总结一下这个过程：
AI（云端大脑）：产生想法 —— “我想看看数据库”。
Host（你的openclaw或Hermes主程序）：通过 stdio 管道，把这个想法变成一条 JSON 命令发给子进程。
Server（具体的子进程）：它是真正的“劳动力”，在你的本地环境中调用数据库驱动，执行查询。
Server：把查到的数据通过管道吐回给 Host。
Host：把数据喂给 AI 消化。
所以，Server 进程就是那个“脏活累活我来干，数据安全我守门”的本地专家。
现成的 MCP Server 有哪些？
现在 MCP 生态发展极快，你不需要自己写所有工具。以下是一些你可以直接拿来用的“现成插件”：
基础工具类
Filesystem: 允许 AI 在授权目录下读取、写入、搜索文件（最基础但也最强大）。
Google Search / Brave Search: 让 AI 具备实时联网搜索能力。
SQLite / PostgreSQL: 让 AI 直接查询你的业务数据库（比如你 WhatsApp 的消息日志）。
开发与办公类
GitHub: AI 可以帮你提 PR、读代码仓库、管理 Issue。
Slack / Discord: 跨平台消息发送。
Google Maps: 获取地理位置、交通和时间信息。
Memory: 一个专门用于存储用户长期偏好和上下文的本地数据库（非常适合你的“首席数字管家”场景）。
你的特殊需求类 (针对 OpenClaw)
Fetch: 一个通用的网页抓取工具，可以将网页内容转 为 AI 易读的 Markdown。如果你想让 Hermes 帮你分析某个 URL 的内容，这个必装。
- 动手建议：如何开始？
如果你想尝试，我建议先从最简单的 Fetch 或 Filesystem MCP Server 入手。
声明：本文素材来源网络，版权归原作者所有。如涉及作品版权问题，请与我联系删除。