MCP 四層架構(gòu)深度拆解：告別 Function Calling 的“單次調(diào)用”困境

想讓你的 AI Agent 真正“記住”上下文，并能像調(diào)用本地函數(shù)一樣安全、穩(wěn)定地調(diào)用外部工具嗎？

如果你正在開發(fā)復雜的 AI Agent，一定遇到過這些痛點：Function Calling 每次調(diào)用都是“一次性”的，缺乏狀態(tài)管理；多工具集成時，上下文窗口被工具描述塞滿；不同模型的 Function Calling 格式互不兼容，遷移成本巨大。Model Context Protocol (MCP) 正是為了解決這些問題而生的硬核協(xié)議。本文將首次系統(tǒng)披露其四層分層架構(gòu)與 JSON-RPC 2.0 通信機制，并結(jié)合生產(chǎn)級開發(fā)實踐，帶你徹底搞懂 MCP 的技術突破。

一、MCP 不是另一個 Function Calling：四層架構(gòu)解析

很多人將 MCP 簡單理解為“更好的 Function Calling”，這是一個巨大的誤解。Function Calling 是模型廠商定義的單次、無狀態(tài)的函數(shù)調(diào)用接口，而 MCP 是一個完整的、有狀態(tài)的客戶端-服務器通信協(xié)議。它的核心是四層分層架構(gòu)：

1. 協(xié)議層 (Protocol Layer)：基于 JSON-RPC 2.0，定義了 request、response、notification 三種消息類型。這是通信的“語言規(guī)則”。
2. 傳輸層 (Transport Layer)：負責實際的數(shù)據(jù)傳輸。支持 stdio（標準輸入輸出，適合本地進程通信）和 HTTP with SSE（服務器發(fā)送事件，適合遠程服務）兩種方式。

3. 能力層 (Capability Layer)：這是 MCP 的核心。它定義了 Server 可以提供的四大能力：

   • Tools (工具)：可執(zhí)行的函數(shù)，如 read_file、query_database。
   • Resources (資源)：只讀的數(shù)據(jù)源，如文件內(nèi)容、數(shù)據(jù)庫快照。
   • Prompts (提示詞模板)：預定義的交互模板。
   • Sampling (采樣)：允許 Server 請求 Client（即 AI 模型）進行一次推理，實現(xiàn) Server 端的智能邏輯。
4. 會話層 (Session Layer)：管理客戶端與服務器之間的連接狀態(tài)、能力協(xié)商和生命周期。這是實現(xiàn)“有狀態(tài)”交互的關鍵。

關鍵區(qū)別：Function Calling 是“你問我答，答完即忘”。MCP 是“我們建立了一個持久連接，我知道你能做什么，你可以隨時調(diào)用我（模型）的推理能力”。

二、通信機制實戰(zhàn)：JSON-RPC 2.0 如何驅(qū)動一切

所有 MCP 通信都嚴格遵循 JSON-RPC 2.0 規(guī)范。我們通過一個生產(chǎn)級 FilesystemServer 的開發(fā)來透視其機制。

1. 初始化握手 (Handshake)
當客戶端（如 Claude Desktop）連接到你的 MCP Server 時，首先進行能力協(xié)商：

// 客戶端 -> 服務器
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2024-11-05",
    "capabilities": {},
    "clientInfo": { "name": "Claude", "version": "1.0" }
  }
}

// 服務器 -> 客戶端 (響應)
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "protocolVersion": "2024-11-05",
    "capabilities": {
      "tools": { "listChanged": true }, // 聲明支持工具列表動態(tài)更新
      "resources": { "subscribe": true } // 聲明支持資源訂閱
    },
    "serverInfo": { "name": "FilesystemServer", "version": "1.0" }
  }
}

2. 工具發(fā)現(xiàn)與調(diào)用
客戶端會主動發(fā)現(xiàn)服務器提供了哪些工具：

// 客戶端 -> 服務器：列出所有工具
{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/list"
}

// 服務器 -> 客戶端：返回工具列表
{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "tools": [
      {
        "name": "read_file",
        "description": "讀取指定路徑的文件內(nèi)容",
        "inputSchema": {
          "type": "object",
          "properties": {
            "path": { "type": "string", "description": "文件路徑" }
          },
          "required": ["path"]
        }
      }
      // ... 其他工具定義
    ]
  }
}

當模型決定調(diào)用 read_file 工具時，客戶端會發(fā)送一個 tools/call 請求。服務器執(zhí)行后，返回結(jié)果。關鍵點：這個連接是持久的，服務器可以記住之前的調(diào)用狀態(tài)（例如，記住用戶的工作目錄）。

三、MCP vs Function Calling vs Agent：一張對比表講清關系

協(xié)同關系：一個強大的 AI Agent（如基于 LangChain 構(gòu)建的），其底層可以使用 MCP 作為標準化的工具集成層。Agent 負責“決策循環(huán)”，MCP 負責“穩(wěn)定、安全地執(zhí)行工具調(diào)用并管理上下文”。

四、生產(chǎn)級開發(fā)：一個“數(shù)據(jù)庫查詢 MCP Server”的核心代碼

下面是一個簡化但生產(chǎn)可用的 MCP Server 核心片段（Node.js/TypeScript），用于安全地查詢 PostgreSQL 數(shù)據(jù)庫：

![配圖](http://m.gsdl.org.cn/usr/uploads/covers/cover_mcp_20260530_081735.jpg)

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";
import { Pool } from 'pg';

// 1. 初始化數(shù)據(jù)庫連接池
const pool = new Pool({ connectionString: process.env.DATABASE_URL });

// 2. 創(chuàng)建 MCP Server 實例
const server = new Server(
  { name: "postgres-query-server", version: "1.0.0" },
  { capabilities: { tools: {} } }
);

// 3. 實現(xiàn)工具列表
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [{
      name: "query_database",
      description: "執(zhí)行只讀 SQL 查詢（僅支持 SELECT）",
      inputSchema: {
        type: "object",
        properties: {
          sql: { type: "string", description: "要執(zhí)行的 SQL 查詢語句" }
        },
        required: ["sql"]
      }
    }]
  };
});

// 4. 實現(xiàn)工具調(diào)用邏輯（關鍵：安全與錯誤處理）
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "query_database") {
    const sql = request.params.arguments?.sql as string;
    
    // 安全檢查：強制只讀
    if (!sql.trim().toLowerCase().startsWith('select')) {
      throw new Error("安全限制：僅允許執(zhí)行 SELECT 查詢");
    }
    
    try {
      const result = await pool.query(sql);
      // 返回結(jié)構(gòu)化數(shù)據(jù)，便于模型理解
      return {
        content: [{
          type: "text",
          text: JSON.stringify({
            rows: result.rows,
            rowCount: result.rowCount,
            fields: result.fields.map(f => f.name)
          }, null, 2)
        }]
      };
    } catch (error) {
      throw new Error(`查詢執(zhí)行失敗: ${(error as Error).message}`);
    }
  }
  throw new Error(`未知工具: ${request.params.name}`);
});

// 5. 啟動服務器
async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("PostgreSQL MCP Server 已啟動");
}
main().catch(console.error);

部署步驟：

1. 將上述代碼保存為 server.ts。
2. npm init -y && npm install @modelcontextprotocol/sdk pg。
3. 編譯：npx tsc server.ts。

4. 在 Claude Desktop 或龍蝦客戶端的配置文件中添加：

   {
     "mcpServers": {
       "postgres": {
         "command": "node",
         "args": ["server.js"],
         "env": {
           "DATABASE_URL": "postgresql://user:pass@localhost:5432/mydb"
         }
       }
     }
   }

五、硬技術突破：MCP 解決了什么根本問題？

1. 上下文窗口解放：工具的詳細描述（JSON Schema）存儲在 MCP Server 端，僅在初始化時同步。模型只需知道工具名和簡短描述，節(jié)省了 70% 以上的工具相關 Token 消耗。
2. 狀態(tài)持久化：Server 可以維護會話狀態(tài)（如數(shù)據(jù)庫連接、當前工作目錄、API 限流計數(shù)器），實現(xiàn)真正的多輪工具交互。
3. 安全沙箱：工具執(zhí)行在獨立的 Server 進程中，與主模型進程隔離。你可以輕松實現(xiàn)權限控制（如上面的只讀 SQL 檢查）、速率限制和審計日志。
4. 生態(tài)統(tǒng)一：一次開發(fā)，即可在 Claude、龍蝦 (m.gsdl.org.cn)、OpenClaw 等所有支持 MCP 的客戶端中運行，徹底告別為每個平臺重寫插件的歷史。

下一步行動

1. 立即體驗：在你的龍蝦或 Claude Desktop 中，配置一個現(xiàn)成的 MCP Server（如官方提供的 filesystem 或 sqlite 服務器），感受有狀態(tài)工具調(diào)用的不同。
2. 動手開發(fā)：復制上面的數(shù)據(jù)庫查詢 Server 代碼，將其改為連接你自己的 MySQL 或 API，10 分鐘內(nèi)打造你的第一個私有化工具。
3. 深入生態(tài)：訪問龍蝦官網(wǎng)的 MCP 生態(tài)板塊，查看其他開發(fā)者發(fā)布的 Server，學習他們的架構(gòu)設計，或者將你開發(fā)的 Server 發(fā)布到生態(tài)中。

MCP 不是未來，它已經(jīng)是現(xiàn)在進行時。掌握它，你的 AI Agent 開發(fā)將進入一個全新的、工程化的階段。