MCP 与工具集成

MCP（Model Context Protocol） 用统一协议把 工具、只读资源、提示模板 暴露给 Cursor、Claude Desktop 或自建 Agent。一次实现 Server，多端复用——对应 ai-engineer 的 MCP 节点。Agent 对比见 ai-agents-essentials 的 agt-mcp。

学习目标

• 区分 MCP 的 tools、resources、prompts
• 理解 Client / Server 边界与鉴权位置
• 规划 CodeRoadMap 类知识服务的 MCP 化

架构

MCP Client（Cursor / Agent 网关）
    ↔ stdio / SSE + JSON-RPC
MCP Server（检索、Git、DB、浏览器…）

类型	用途	示例
Tools	可执行、有副作用	search_course_index, get_outline
Resources	只读上下文 URI	course://ai-engineer-advanced-essentials/outline
Prompts	可复用模板	draft-lesson-review

Client 拉 capability 列表 → 模型决策 → Client 代调用 Server。Secrets 只在 Server 侧，与 ai-engineering-essentials 数据边界一致。

与 function calling 的映射

def mcp_tools_to_openai(mcp_client) -> list:
    caps = mcp_client.list_tools()
    return [
        {"type": "function", "function": {"name": t.name, "description": t.description, "parameters": t.input_schema}}
        for t in caps
    ]

网关模式：Agent 运行时内嵌 MCP Client → 转成当前厂商的 tools 数组 → 执行时回写 MCP。

站内场景设计

Tools

• search_docs：向量 + metadata 过滤 published=true
• read_outline：按 track slug 返回 outline.yaml 摘要

Resources

• 稳定大文档：Elasticsearch mapping 说明、团队 AI 公约节选

注意：draft 默认不进入用户-facing 检索；MCP Server 内 enforce 与 RAG 相同红线。

部署与安全

• 本地 dev：stdio 启动；pin 依赖版本
• 远程：SSE + OAuth / API key；最小权限
• 审计：记录 tool 名、参数摘要（脱敏）、latency

MCP 扩大攻击面——prompt injection 可能诱导调用危险 tool。结合 aen-safety 的 allowlist 与人工批准。

练习

• 列 3 个适合 tool、3 个适合 resource 的站内能力
• 画鉴权边界：哪些 key 绝不能进 Client 日志
• 对比「裸 REST」与 MCP 集成的运维成本各两条

小结

MCP 标准化供给层；执行、鉴权、审计仍在你的 Server。 下一课直接对接 OpenAI、Gemini、Hugging Face 等模型 API。