# MCP 公开服务器破万，FDE 对接客户系统的方式变了

> 协议已归 Linux Foundation 旗下基金，写一个服务器即可把客户数据库或 ERP 开放给多个主流 AI 应用。

原文: https://fdetimes.net/zh/tools/mcp-model-context-protocol-for-fdes/

2024 年 11 月 25 日，Anthropic 发布模型上下文协议（MCP）。一年多后，正在运行的公开服务器已超过 10,000 个。随后在 2025 年 12 月 9 日，Anthropic 把协议移交给 Agentic AI Foundation。这是 Linux Foundation 旗下的一个基金，由 Anthropic、Block 和 OpenAI 联合发起。一项起步于某家公司博客文章的连接标准，如今归属一个中立基金会。

对前线部署工程师（FDE）来说，这个数字与其说是市场新闻，不如说是岗位描述。客户现场的工作几乎总会落到同一个问题上：客户的数据存放在内部数据库、工单系统或 ERP 里，这些系统从来不是为对接 LLM 设计的，怎样让模型读到这些数据？直到不久前，每遇到一次这种情况，都得手写一层集成，而且只绑定某一个聊天应用。

官方文档把 MCP 定义为连接 AI 应用与外部系统的开源标准，并把它比作 AI 应用的 USB-C 接口。

## 三个角色、三类功能，一个借鉴自编辑器的思路

当前规范（2026-07-28 版本）基于 JSON-RPC 2.0，包含三个角色：宿主、客户端和服务器。宿主是发起连接的 LLM 应用。服务器由你来写，负责把客户的系统开放给模型。服务器提供三类功能：资源、提示词和工具。工具是模型可以执行的函数。

```
宿主（LLM 应用，发起连接）
   客户端  ⇄  JSON-RPC 2.0  ⇄  服务器（由你编写）
                                  ├─ 资源 · 提示词 · 工具
                                  └─ 客户的数据库 / 工单 / ERP
```

*（图示说明：宿主即 LLM 应用，负责发起连接；服务器由你编写；最下一行为客户的数据库 / 工单系统 / ERP。）*

规范写明，它的灵感来自语言服务器协议（LSP），这也解释了它为何传播得这么快。LSP 让一个语言服务器适配所有编辑器，MCP 在 AI 领域做同样的事：一个服务器，多个宿主。文档列出的支持方包括 Claude、ChatGPT、VS Code 和 Cursor，承诺一次构建、处处集成。

举个例子。你被派到一家物流公司，对方希望运营团队能用自然语言查询订单状态。你不必为某一个聊天应用写插件，而是构建一个跑在 stdio 上的 MCP 服务器，只开放一个工具。这个工具接收订单号，查询客户的数据库。数据库凭证从环境变量读取，这也是规范对 stdio 的建议。

宿主连接后列出工具。用户提问时，模型决定调用该工具，宿主在执行前先征求用户许可。

现在假设分析团队想在 Cursor 里写 SQL 时调用同一个服务器。按文档的说法，连接部分无需重写。两个宿主之间到底要改什么，最好亲自测一遍。企业集成的难点不在于跑通一次，而在于客户更换或新增聊天应用后依然可用，MCP 要解决的正是这个问题。

**要点:** MCP 不能帮你理解客户的数据。它只保证：一旦你理解了，连接只需写一次。

## 真正的限制在权限和责任，不在协议

FDE 最该细读的是规范的安全立场。工具被视为任意代码执行，宿主在调用任何工具前都必须获得用户的明确同意。面对企业客户，这意味着工具要设计得窄而独立，比如读和写各用一个工具。这样，宿主弹出的授权提示对用户才有意义，不会沦为习惯性地点“允许”。

MCP 的授权是可选的，具体怎么做取决于选用的传输方式。

| | stdio | HTTP |
|---|---|---|
| 规范中的授权 | 不适用规范的授权机制，凭证来自环境 | OAuth 2.1 |
| 客户现场的典型场景 | 服务器运行在每位员工的电脑上 | 中心化服务器服务整个部门 |
| 需与客户 IT 团队商定的事项 | 谁拿到环境变量，存放在哪里 | 用哪个身份提供方，每个工具开哪些权限范围 |

实际上，同一个服务器既可以在员工电脑上跑 stdio，也可以为部门集中部署成 HTTP，两种选择各自对应一套授权模式。第一次开会时就和客户的 IT 团队把这件事谈清楚。

MCP 也不对数据质量、模型选工具的准确度或客户遗留 schema 的整洁程度做任何承诺。它统一的是插座，不是电流。规范和文档都以 MIT 许可证公开在 GitHub 上，协议能做什么，任何疑问都可以回到源头核对，不必依赖二手解读。

如果刚起步，合理的顺序是：先学 JSON-RPC 2.0，再理解 LSP 的思维模型，然后掌握 OAuth 2.1 基础，最后才动手写服务器。求职时，一个在仿真企业 schema 上能跑通的 MCP 服务器代码仓库，比简历上任何一句“有 Agent 经验”都更有说服力。

如果某个 FDE 岗位描述提到“将 LLM 连接到内部系统”，那么构建或运维 MCP 服务器很可能就是这份工作的一部分。

协议已经从一家公司交到中立基金会手里。剩下的工作，即把这 10,000 多个公开插座变成客户真正愿意启用的东西，要靠现场的人来完成。

**本周动手试试:**

- 构建一个 stdio MCP 服务器，只提供一个只读工具，在仿真客户 schema 上查询 Postgres 或 SQLite，凭证从环境变量读取。
- 把这个服务器接入两个不同的宿主（例如 Claude 和 Cursor），记下需要改动的地方。这才是对“一次构建、处处集成”的真正检验。
- 阅读 2026-07-28 版规范的 Authorization 一节，写一页笔记：客户什么时候需要 OAuth 2.1，什么时候 stdio 就够了。

## 信源

- [Introducing the Model Context Protocol](https://www.anthropic.com/news/model-context-protocol)

- [What is the Model Context Protocol (MCP)?](https://modelcontextprotocol.io/docs/getting-started/intro)

- [Specification - Model Context Protocol](https://modelcontextprotocol.io/specification/latest)

- [Authorization - Model Context Protocol](https://modelcontextprotocol.io/specification/latest/basic/authorization)

- [Donating the Model Context Protocol and establishing the Agentic AI Foundation](https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation)

- [modelcontextprotocol/modelcontextprotocol (GitHub)](https://github.com/modelcontextprotocol/modelcontextprotocol)
