当前位置：首页 > 知识wiki > 正文内容

MCP 协议深度解析：从通信模型到工具调用

Openclaw1周前 (07-02)知识wiki48

MCP协议架构图

MCP（Model Context Protocol）是 Anthropic 于 2024 年底推出的一项开放协议标准，旨在为 AI 应用程序提供一套统一的、标准化的外部工具与数据接入接口。形象地说，MCP 就像 AI 世界的"USB-C 接口"——无论你是 Claude、ChatGPT，还是 OpenClaw Agent，只要实现了 MCP 协议，就能即插即用地连接文件系统、数据库、搜索引擎、API 网关等任意外部系统。

🎯 一、MCP 是什么：要解决什么问题？

在 MCP 出现之前，AI Agent 接入外部工具的方式极为碎片化：

每个 AI 框架自己定义 Function Calling 格式（OpenAI、Anthropic、Google 各有不同）
每个工具需要单独写适配代码（查数据库一个函数、发邮件一个函数、读文件一个函数）
工具复用几乎不可能——换个平台就得重写

MCP 的核心目标就是：一次定义工具，到处接入 AI。 它定义了一套标准化的通信协议（基于 JSON-RPC 2.0），让 MCP 服务器（工具提供方）和 MCP 客户端（AI 应用）之间可以自动完成能力发现、工具调用和数据交换。

支持 MCP 的生态（2026年）： Claude Desktop · Claude Code · ChatGPT · Visual Studio Code · Cursor · OpenClaw · MCPJam · Continue · Zed · Copilot 等

📡 二、传输层：三种通信模式

MCP 定义了三种传输方式，适用于不同的部署场景：

传输方式	通信方向	适用场景	连接模型
stdio	子进程 stdin/stdout	本地工具，1 客户端 : 1 服务器	进程生命周期绑定
SSE（Server-Sent Events）	HTTP Server-Sent Events	远程服务器，1 : N 多客户端	HTTP 长连接
Streamable HTTP	HTTP 请求-响应 + 流	远程服务器，支持 OAuth	无状态 HTTP，可扩展

stdio 传输（最常用）

AI 应用（Host）以子进程方式启动 MCP 服务器，通过标准输入/输出进行 JSON-RPC 通信。适用于本地文件系统、本地数据库、代码分析器等无需网络的服务。

# OpenClaw 中注册 stdio MCP 服务器 openclaw mcp add files \ --command npx \ --arg -y \ --arg @modelcontextprotocol/server-filesystem \ --arg "$HOME/Documents"

Streamable HTTP 传输

适用于云端/远程工具，支持标准 OAuth 认证、mTLS 双向证书验证，以及并行工具调用。一个远程 MCP 服务器可以同时服务于多个 AI 客户端。

📨 三、消息层：JSON-RPC 2.0 通信格式

MCP 所有通信都基于 JSON-RPC 2.0 协议，三种基本消息类型：

➡️ Request（请求）

客户端→服务器。包含 id（唯一标识）、method（方法名）、params（参数）。

⬅️ Response（响应）

服务器→客户端。要求 id 与请求匹配，返回 result 或 error。

🔔 Notification（通知）

单方向消息，无对应响应。不需要 id，用于日志、进度等。

JSON-RPC Request 示例

// 请求：调用 MCP 服务器的工具 { "jsonrpc": "2.0", "id": "req-001", "method": "tools/call", "params": { "name": "read_file", "arguments": { "path": "/home/user/config.json" } } } // 响应 { "jsonrpc": "2.0", "id": "req-001", "result": { "content": [ { "type": "text", "text": "{ \"setting\": \"value\" }" } ], "isError": false } }

🔄 四、核心生命周期：初始化 → 工具列表 → 调用 → 关闭

一个完整的 MCP 连接的生命周期分为四个阶段：

△ MCP 连接生命周期：初始化→工具发现→调用→关闭

阶段一：Initialize（初始化）

客户端发送 initialize 请求，包含自己支持的协议版本和能力声明。服务器回复自己的版本和能力。双方协商出共同支持的协议版本后进入就绪状态。

// 客户端 → 服务器：初始化 { "jsonrpc": "2.0", "id": "init-1", "method": "initialize", "params": { "protocolVersion": "2025-11-25", "capabilities": { "tools": {}, "resources": {} }, "clientInfo": { "name": "openclaw", "version": "2026.6.11" } } } // 服务器 → 客户端：初始化响应 { "jsonrpc": "2.0", "id": "init-1", "result": { "protocolVersion": "2025-11-25", "capabilities": { "tools": {}, "resources": {}, "prompts": {} }, "serverInfo": { "name": "filesystem-server", "version": "1.0.0" } } } // 客户端 → 服务器：确认初始化完成 { "jsonrpc": "2.0", "method": "notifications/initialized" }

阶段二：能力发现（List Tools / Resources / Prompts）

初始化完成后，客户端调用 tools/list 获取服务器上所有可用的工具列表，每个工具包含名称、描述和 InputSchema（JSON Schema 格式的参数声明）。

// 客户端 → 服务器：获取工具列表 { "jsonrpc": "2.0", "id": "tools-1", "method": "tools/list" } // 服务器 → 客户端：返回工具清单 { "jsonrpc": "2.0", "id": "tools-1", "result": { "tools": [ { "name": "read_file", "description": "读取指定路径的文件内容", "inputSchema": { "type": "object", "properties": { "path": { "type": "string", "description": "文件路径" } }, "required": ["path"] } }, { "name": "write_file", "description": "写入文件内容", "inputSchema": { "type": "object", "properties": { "path": { "type": "string" }, "content": { "type": "string" } }, "required": ["path", "content"] } } ] } }

阶段三：工具调用（Tools/Call）

AI 模型根据工具列表决定调用哪个工具，客户端发送 tools/call，传入工具名和参数。服务器执行后返回结果（文本、图像、资源引用等）。

阶段四：关闭

结束会话时关闭传输通道。stdio 模式下进程退出即关闭；HTTP 模式下可发送取消通知或关闭连接。

🧩 五、工具注册与 InputSchema

每个 MCP 工具通过 inputSchema 描述自己的参数格式，采用 JSON Schema 标准。这使得 AI 模型可以自动理解每个工具需要什么参数，并正确构造调用请求。

工具定义的核心字段：

name — 工具名称，AI 通过此名称识别和调用
description — 自然语言描述，解释工具的用途和何时调用
inputSchema — JSON Schema，声明参数的类型、格式、必填项和描述

OpenClaw 中通过 mcp.servers 配置注册 MCP 服务器后，支持使用 toolFilter 精确控制暴露哪些工具到 Agent：

{ "mcp": { "servers": { "docs": { "url": "https://mcp.example.com", "transport": "streamable-http", "toolFilter": { "include": ["search", "read_*"], "exclude": ["admin_*"] } } } } }

⚡ 六、Skill + MCP 集成模式

在 OpenClaw 中，MCP 工具与 Skill 可以深度协作。典型的集成模式如下：

模式一：Skill 声明 MCP 依赖

Skill 的 SKILL.md 中声明其依赖的 MCP 服务器和工具，Agent 加载 Skill 时自动确保对应 MCP 服务器已注册。

# SKILL.md ## MCP Dependencies - server: filesystem (tools: read_file, search_files) - server: database (tools: query, execute) ## Usage - 当需要读取用户文件时，调用 filesystem 的 read_file - 查询数据库时调用 database 的 query - 无需手动注册，Agent 自动注入 MCP 工具

模式二：透传调用

Agent 在 Prompt 上下文中看到已注册 MCP 服务器的工具列表，AI 模型自主决定何时调用哪个工具——无需任何额外适配代码。这是 MCP 最大的优势：工具接入与 AI 推理完全解耦。

模式三：OpenClaw 作为 MCP Server（服务端模式）

使用 openclaw mcp serve 将 OpenClaw 自身暴露为一个 MCP 服务器，外部 MCP 客户端（如 Claude Code）可以通过 stdio 连接，读取 OpenClaw 的会话历史、发送消息、处理审批。

# Claude Code 通过 MCP 连接 OpenClaw {"mcpServers": { "openclaw": { "command": "openclaw", "args": ["mcp", "serve", "--url", "wss://gateway:18789", "--token-file", "/path/to/token"] } }}

🔗 七、多会话连接池管理

在 OpenClaw 中，MCP 服务器连接由 Gateway 统一管理，支持：

会话级注入：每个 Agent 会话可以拥有独立的 MCP 工具集
空闲回收：MCP 子进程空闲超过 mcp.sessionIdleTtlMs（默认 10 分钟）后自动回收
故障隔离：单个 MCP 服务器的重复协议失败会被短暂暂停，不会拖垮整个 Agent 推理
热重载：openclaw mcp reload 可重新加载 MCP 服务器配置，无需重启 Gateway
并行调用：对于声明支持并行工具调用的 MCP 服务器，OpenClaw 可以同时发起多个工具请求

🛡️ 八、安全边界：Scope 与 Approval 机制

MCP 协议本身不强制执行安全策略——但 OpenClaw 围绕 MCP 构建了多层安全防护：

安全层	机制	作用
toolFilter	Include/Exclude 过滤	控制 Agent 可见的 MCP 工具范围
Approval	可配置审批规则	高风险工具需要用户手动确认
OAuth	标准 OAuth 2.0 流程	远程 MCP 服务器的身份认证
mTLS	双向证书验证	私密 HTTPS 端点的安全通信
Env 安全过滤	拦截危险环境变量	防止 stdio 启动时被注入恶意配置

⚠️ 安全原则：OpenClaw 会拦截可能被 stdio 子进程滥用的环境变量（如 NODE_OPTIONS、PYTHONPATH、RUBYOPT 等），防止注入攻击。同时建议为 MCP 服务器设置最小的 toolFilter，只暴露必要的工具。

🔄 九、MCP vs Function Calling

维度	MCP	传统 Function Calling
协议标准	开放标准，跨平台跨厂商	各家厂商私有格式
工具注册	MCP Server 自动注册+发现	代码中手动定义函数签名
复用性	一次构建，任何 MCP Host 可用	每个项目/平台单独实现
传输层	stdio / SSE / HTTP	通常绑定 SDK 内部
实时通知	支持（服务端推送进度/日志）	不支持
生命周期	有状态连接，能力协商	无状态，每次调用独立
生态规模	快速增长中（2026年）	成熟但碎片化

结论：MCP 不是要取代 Function Calling——它是 Function Calling 的"上层标准"。Function Calling 解决了"模型如何调用函数"的技术问题，而 MCP 解决了"工具如何被 AI 发现和复用"的生态问题。两者在同一个 Agent 中可以共存：MCP 处理外部工具的标准化接入，Function Calling 处理模型内部的推理交互。