05. 未来的标准：MCP (Model Context Protocol) 简介¶
🔌 本节目标：从“手搓线缆”到“USB 即插即用”
在上一节 04-tool-calling.md 中，为了让 AI 查一个书价，我们写了整整 50 行代码来定义 JSON Schema、解析参数、回传结果。
试想一下：如果你想把你的 MySQL 数据库、本地日志文件、Home Lab 里的 NAS 全部开放给 AI，难道要为每一个服务都手写一遍 Tool Calling 代码吗？
MCP (Model Context Protocol) 的出现，就是为了解决这个“连接噩梦”。它是 AI 时代的 USB 协议。
🕸️ 第一部分：为什么我们需要 MCP？¶
现状：巴别塔的混乱¶
目前，每家 AI 厂商的连接方式都不一样：
- OpenAI 有自己的 Assistants API。
- Claude 有自己的 Tool Use 格式。
- LangChain 有自己的封装。
如果你写了一个 Java 方法 queryStudentInfo()，你想让 Cursor 编辑器能用它，想让 Claude Desktop 能用它，又想让自己的 Web 官网能用它，你需要写三套适配代码。这就是数据孤岛。
解决方案：MCP 协议¶
MCP (Model Context Protocol) 是一个开放标准。它规定了：
1. AI 应该怎么问（标准化的请求格式）。
2. 程序应该怎么答（标准化的资源、提示词和工具格式）。
一句话总结：只要你的 Java 程序支持 MCP 标准，它就可以被任何支持 MCP 的 AI 客户端（如 Claude Desktop, Cursor, IDEs）直接连接，无需改代码！
🏗️ 第二部分：核心架构三剑客¶
MCP 的架构非常像我们熟悉的 C/S (客户端/服务端) 模式，但角色略有不同：
| 角色 | 比喻 | 职责 | 典型代表 |
|---|---|---|---|
| MCP Host | 电脑主机 | 运行 AI 模型的宿主程序，负责发起请求。 | Claude Desktop App, Cursor, Zed 编辑器 |
| MCP Client | USB 接口 | Host 内部的连接器，负责与 Server 建立连接 (1:1 或 1:N)。 | Host 内置模块 |
| MCP Server | U 盘 / 鼠标 | Java 程序员要开发的部分！ 提供数据和工具能力。 | 你写的 Spring Boot 应用 |
graph LR
subgraph Host [用户端 Host]
A["Claude Desktop<br/>(AI 大脑)"]
end
subgraph Protocol [连接层 Protocol]
B(("MCP Client")) <==> C(("MCP Server"))
end
subgraph Server [服务端 Java App]
C --> D[读取本地文件]
C --> E[查询数据库]
C --> F[调用外部 API]
end
A -- "我想查数据" --> B
B -- "执行工具" --> C
🚀 第三部分：MCP 的三大能力¶
一旦你的 Java 程序实现了 MCP Server，它就能向 AI 提供三种能力：
1. Resources (资源) —— "给 AI 看文件"¶
类似于只读权限。
- 场景：让 AI 读取你的服务器日志 (
app.log) 或数据库 schema。 - 效果：AI 可以直接读取内容作为上下文，不需要你手动复制粘贴。
2. Prompts (提示词) —— "给 AI 存模板"¶
类似于预设指令。
- 场景：你写好了一个复杂的 Prompt 叫“Java 代码审查专家”。
- 效果：用户在 AI 界面点击一下“代码审查”，MCP Server 就会把这个写好的 Prompt 发送给 AI。
3. Tools (工具) —— "给 AI 双手"¶
这就是我们上一节学的 Function Calling，但在 MCP 中被标准化了。
- 场景：
execute_sql,restart_server。 - 效果：AI 发现问题后，自动调用你的 Java 方法去解决问题。
☁️ 第四部分：实战演示 (ModelScope × 高德地图)¶
为了让你明白 MCP 到底有多强，我们来看一个“给 AI 装上高德地图”的真实案例。
以前我们要让 AI 具备查询路线的能力，需要在 Java 代码里写一堆 HTTP 请求去对接高德 API。 现在，利用 ModelScope (魔搭) 提供的 MCP 部署服务，我们只需要点几下鼠标。
1. 部署 MCP Server (服务端)¶
我们在 ModelScope 平台上，找到“高德地图 MCP”服务，填入你的高德 API Key，点击部署。
- 运行环境：阿里云函数计算 (FC) —— Serverless，按量付费（有免费额度）。
- 传输协议：SSE (Server-Sent Events) —— 这是 MCP 基于 HTTP 的标准通讯方式。
- 配置：仅需配置
AMAP_MAPS_API_KEY，无需写一行代码。
2. 连接与能力 (Capabilities)¶
部署完成后，你会获得一个 SSE URL。 当我们将这个 URL 填入 MCP Client (如 Claude Desktop 或我们的 Java 程序) 后，AI 瞬间就学会了以下技能：
- Tools (工具):
amap_weather_info: 查询天气。amap_search_places: 搜索地点（找美食、找加油站）。amap_direction_driving: 规划驾车路线。
3. 真实对话演示¶
注意看，我们不需要告诉 AI “高德地图的 API 文档是什么”，也不需要定义 Schema。连接成功后，直接问：
🚗 对话场景：周末去哪玩？
👨🏫 老师 (User)：
“我现在在武汉工商学院，想去最近的‘茶颜悦色’喝奶茶，开车要多久？”
4. 这个案例说明了什么？¶
- 即插即用：高德地图官方（或社区）写好了一次 MCP Server，全世界的 AI 都能直接用，不需要每个开发者重复造轮子。
- 云端与本地的连接：你的 Java 程序运行在本地，高德 MCP 运行在云端 (ModelScope)，两者通过 MCP 协议无缝协作。
🆚 总结：Tool Calling vs MCP¶
| 特性 | Tool Calling (上一节) | MCP (这一节) |
|---|---|---|
| 连接方式 | 硬编码 (Hardcoded) | 标准化协议 (Standard Protocol) |
| 复用性 | 低 (换个模型就要改 Schema) | 极高 (一次编写，到处运行) |
| 发现机制 | 手动告诉 AI 有哪些工具 | AI 自动询问 Server 有哪些能力 |
| 地位 | 就像把线焊死在主板上 | 就像 USB 接口 |
🔮 展望¶
虽然目前 Java 生态的 MCP SDK 还在起步阶段（Spring AI 正在跟进），但理解这个概念能让你站在技术的最前沿。
在未来的 Agent 开发 中，你将不再是一个“写接口的人”，而是一个“为 AI 构建感知器官（Context）和执行器官（Tools）的造物主”。
第五章通关
恭喜你完成了 《Java 与 AI 的握手》 这一章！