MCP 工具

模型上下文协议 (MCP)

MCP 是一个开放协议，它标准化了应用程序如何为大型语言模型（LLMs）提供上下文。可以将 MCP 想象成 AI 应用程序的 USB-C 端口。正如 USB-C 为你的设备提供了连接各种外围设备和配件的标准化方式，MCP 为 AI 模型提供了一种连接不同数据源和工具的标准化方式。

为什么选择 MCP？

MCP 帮助你在大型语言模型（LLMs）之上构建代理和复杂的工作流程。LLMs 经常需要与数据和工具集成，而 MCP 提供了：

一个不断增长的预构建集成列表，你的 LLM 可以直接接入
在 LLM 提供商和供应商之间切换的灵活性
在你的基础设施内保护数据的最佳实践

如何创建？

在数字专家工作空间中，选择 MCP 工具类型，点击创建 MCP 工具集的卡片进行新建。

按照下图所示，填写必要的名称等字段后，将 MCP 服务配置填入命令、参数等字段，点击“连接”尝试用当前配置加载工具列表。

安全警告

在开源代码版本中针对使用“命令”运行的 MCP 工具会给出安全提示：“命令”会直接在后端服务器中运行，可能存在安全隐患，升级到 Pro 版后“命令”工具将被安全地运行在 Sandbox 容器中。

加载出 MCP 工具集的工具列表后，用户对单个工具设置是否启用。也可以设置 “默认禁用工具” 也就是在没有明确启用的工具将默认是关闭状态。

示例

Sequential Thinking: 一个 MCP 服务器实现，通过结构化的思维过程提供动态和反思性问题解决的工具。

{
"mcpServers": {
    "sequential-thinking": {
    "command": "npx",
    "args": [
        "-y",
        "@modelcontextprotocol/server-sequential-thinking"
    ]
    }
}
}

Playwright: 一个使用 Playwright 提供浏览器自动化功能的模型上下文协议（MCP）服务器。该服务器使大型语言模型（LLMs）能够通过结构化的可访问性快照与网页交互，无需截图或视觉优化的模型。

{
    "mcpServers": {
        "playwright": {
            "transport": "stdio",
            "command": "npx",
            "args": [
                "-y",
                "@playwright/mcp@latest",
                "--headless"
            ]
        }
    }
}

Blender: BlenderMCP 通过模型上下文协议（MCP）将 Blender 连接到 Claude AI，使 Claude 能够直接与 Blender 交互并控制它。这种集成支持基于提示的 3D 建模、场景创建和操作。

{
    "mcpServers": {
        "blender": {
            "command": "uvx",
            "args": [
                "blender-mcp"
            ]
        }
    }
}

更多 MCP.so

传输协议

MCP（模型上下文协议）有两种主要通信模式：标准输入输出（stdio）命令模式和HTTP服务器发送事件（SSE）模式。

标准输入输出模式

这是标准输入输出通信模式，运行服务器作为本地进程，通过标准输入（stdin）和标准输出（stdout）进行交互。适合开发和测试场景，不需要网络连接。

HTTP SSE 模式

这是远程通信模式，客户端连接到服务器的HTTP端点，通过SSE接收实时事件，并通过HTTP POST发送命令。适合需要远程访问和实时数据流的应用。

模式对比

以下表格总结了两种模式的差异，帮助理解它们的适用场景和特性：

特性	标准输入输出模式	HTTP SSE模式
通信方式	本地stdin/stdout	HTTP POST（命令）+ SSE（事件）
适用场景	本地开发、测试	远程访问、实时数据流
网络需求	服务器本地网络	通过网络连接其他服务器
实时性	同步，适合阻塞操作	异步，支持实时事件推送
安全性	本地操作，较低网络安全风险	需要处理网络认证和授权
示例工具	Quarkus MCP stdio扩展	Supergateway、Cloudflare远程部署

代码 MCP 工具

代码 MCP 工具提供了一种更灵活的方式，允许用户直接在线编写 MCP 工具的后端逻辑代码，并以 MCP 协议的形式运行和调用。通过这种方式，开发者无需额外部署服务器或构建完整项目，就可以实现模型调用外部 API、执行逻辑处理等功能，极大地提升了 MCP 工具的扩展能力与开发效率。

在创建 MCP 工具时选择“代码”类型，即可进入在线编辑器页面。编辑器支持 Python 语法（未来也将支持 JavaScript），并提供基础模板用于快速入门。

开发体验

代码 MCP 工具本质上是一段自定义实现的 MCP 服务器代码，系统会将其托管并运行在沙箱容器中，自动暴露符合 MCP 协议的接口。你可以专注于编写自己的业务逻辑，包括但不限于：

调用第三方 API，例如天气查询、股票行情、翻译服务等
调用企业内部系统接口，如 ERP、CRM
实现数据处理逻辑，如格式转换、过滤、聚合
将结构化输入转化为自然语言输出，或反向操作

调试与测试

编辑器中内置了测试面板，可以模拟参数调用，方便实时调试工具逻辑。
所有运行环境均为隔离沙箱环境，保障运行安全。

多工具支持

一个代码 MCP 工具可以注册多个 MCP 工具，通过多个 @mcp.tool() 创建，系统会自动识别并生成工具列表，供模型调用。

MCP 工具市场

MCP 工具市场提供了丰富的工具集成模块，支持用户在无需编写复杂代码的前提下，快速扩展模型的感知和行动能力。你可以通过一键安装方式，将各类 MCP 工具添加到智能体工具集中，立即实现外部信息获取、第三方服务调用、数据处理能力等。

工具分类丰富，覆盖多种场景

MCP 工具市场支持多个类型的工具，涵盖以下典型应用场景：

Agent 智能体支持：如 Sequential Thinking 提供结构化思考链，支持 Agent 的多步推理和任务规划。
系统工具：如 Memory Server 提供运行期数据缓存与上下文状态管理，支持 AI 系统持续对话记忆。
浏览器操作：如 Playwright MCP 支持浏览器自动化操作，实现网页数据抓取、登录操作等任务。
地图服务：如 Baidu Map 和 AMap 兼容 MCP 协议，支持坐标解析、路径规划等能力。
实用工具类：如 Time MCP Server 支持时区转换，Fetch 支持网页内容抓取与转换，Firecrawl 支持高级爬虫功能。
文档处理：如 Perplexity 可调用文档问答与搜索引擎，GitHub MCP 用于仓库搜索、代码读取等。
Dify 工具集成：包括 Dify Knowledgebase、Dify Workflow、Dify Chatflow 等，提供与 Dify 平台的无缝对接。

工具形态多样：SSe、Stdio 与 Code

每个 MCP 工具支持以下两种形态：

SSE：配置已有的 SSE 接口 MCP 工具服务。
Studio 工具（STUDIO）：由开发者上传、托管并注册在 MCP 官方服务中，用户可直接安装使用。
代码工具（CODE）：由开发者在平台内通过在线代码方式自定义创建，灵活性更强，适合企业内部自建工具。

快速启用与搜索

可按类别（如 Agent、Workflow、Utils、Analysis）快速筛选工具。
支持关键词搜索与标签导航，快速定位所需工具。
工具页面展示调用次数、所属开发者、支持标签、调用参数等详细信息，便于选型。

MCP 工具市场的存在，使得 AI Agent 能力不再局限于模型本身，而可以通过丰富的工具体系连接到业务系统、数据服务与真实世界。未来将支持更多社区与企业开发者加入生态，共同丰富工具生态、提升 AI Agent 的实际效能。

为什么选择 MCP？​

如何创建？​

示例​

传输协议​

标准输入输出模式​

HTTP SSE 模式​

模式对比​

代码 MCP 工具​

开发体验​

调试与测试​

多工具支持​

MCP 工具市场​

工具分类丰富，覆盖多种场景​

工具形态多样：SSe、Stdio 与 Code​

快速启用与搜索​