FDE Times 数据在招 FDE 职位 882▼2 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 52在招公司 185支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

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。

一年 10,000 个服务器:MCP 成为 LLM 与客户系统之间的通用插座
分享微博

要点速览

  • MCP 于 2024 年 11 月 25 日发布。到 2025 年 12 月 9 日,公开服务器已超过 10,000 个,Anthropic 也在当天把协议移交给 Linux Foundation 旗下的 Agentic AI Foundation。
  • MCP 服务器写一次,就能用于 Claude、ChatGPT、VS Code 和 Cursor,与语言服务器协议(LSP)给编辑器带来的模式相同。
  • 规范把工具视为任意代码执行:宿主必须征得用户同意,HTTP 使用 OAuth 2.1,stdio 从环境中获取凭证。
中心辐射图:Claude、ChatGPT、VS Code 和 Cursor 四个宿主通过 JSON-RPC 2.0 连到同一个橙色 MCP 服务器(由你编写一次,提供资源、提示词和工具),该服务器再打通客户的内部数据库、工单系统和 ERP。底部一栏注明:公开服务器超过 10,000 个;stdio 从环境变量获取凭证,HTTP 使用 OAuth 2.1。
写一个 MCP 服务器,所有支持该协议的宿主都能接入。访问权限如何授予,取决于选用的传输方式。

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。

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。

这篇文章对你有帮助吗?

6 个信源
路线图上的下一篇 · 阶段 3: AI 应用这门 65 分钟浏览器 Agent 课,值在两节编码课AgentQ 与 MCTS 理论略读即可,头条数字背后的失败率,才是 FDE 真正该学的一课。