MCP 协议边界指南：Client、Server、Tools、Resources 怎么分层？

本文定位：MCP 协议分层与边界

这篇文章只负责回答 MCP 的协议边界：Client、Server、Tools、Resources、Prompts、stdio 和远程传输分别承担什么职责。具体代码实战请看 MCP Server SQLite 私有数据挂载；安全文件网关请看 MCP 文件与数据网关实战；公网部署请看 MCP Streamable HTTP 实战。

协议边界复核清单

读完这篇后，至少要能区分：

• Client 负责维护上下文和发起协议请求，不应该直接承载业务权限。
• Server 负责暴露资源和工具清单，必须做权限、超时和日志治理。
• Resources 偏只读上下文，Tools 可能产生副作用，安全等级不同。
• stdio 适合本地单用户，远程团队共享应走 HTTP 传输和认证层。
• MCP 不是万能插件市场，真正价值在标准化、可审计和可治理。

先给结论：MCP 是 AI 调用本地工具的协议边界

MCP 的价值不是“让模型随便操作本机”，而是把本地工具、文件、数据库和远程服务封装成可发现、可限权、可审计的能力清单。它适合私有数据库挂载、企业内部工具链集成和自动化代码重构，但必须提前设计权限、日志、超时和隔离边界。

• 适合场景：本地私有数据库挂载、企业级内部工具链集成、自动化代码重构工作流。

本文解决的问题：Query 意图锁定

• 什么是 MCP (Model Context Protocol) 以及它为何重要？
• 如何从零构建一个生产级的 TypeScript MCP Server？
• Stdio 模式与 SSE 模式在实际开发中如何选型？
• 如何处理 MCP Server 中的高并发死锁与缓冲区溢出？
• 如何通过 Cloudflare Tunnel 实现跨地域的远程 MCP 连接？

适合谁阅读

• AI 应用开发者：想为自己的应用增加强大的本地扩展能力。
• 全栈工程师：想掌握 2026 年最主流的 AI 插件开发标准。
• 系统架构师：正在设计企业级 AI 智能体平台的底层连接协议。

一、 Xiaobai’s Note

贵阳这两天的清晨总有一层薄薄的雾气。我坐在“本地开发环境”工作室，看着屏幕上正通过 MCP (Model Context Protocol) 协议与我的本地数据库疯狂对话的 Cursor，不禁感叹：2026 年，如果你还不懂 MCP，那你跟 AI 协作的效率可能还停留在石器时代。如果说 Agent 是我构建的“指挥中心”，那么 MCP 就是这套系统的“USB-C 接口”。它不仅统一了 AI 与外部世界的通信协议，更彻底打破了“本地数据孤岛”。今天，我就以实战视角，带你拆解这个正在改变 AI 生态的底层协议。

一、 MCP 是 AI 时代打破数据孤岛的底层物理标准

以前，AI 是一个关在玻璃房里的天才，你想让它看一眼你本地的财务表格，你得手动复制粘贴，或者写一个极其脆弱的特定插件。现在，有了 MCP，你只需要给玻璃房装上一个标准化的“抽屉”。AI 需要什么，直接通过抽屉（协议请求）向你索取，你把数据放进去（协议响应）即可。

MCP 为 AI 模型（如 Claude, GPT-4o）与外部数据源之间提供了一套 JSON-RPC 通信规范，确保了能力的动态发现与持久化连接。

二、 MCP Client、Server Tools

1. MCP Client (大脑容器)：协议的发起方，如 Cursor、Claude Desktop。它负责维护上下文，并决定何时触发调用。
2. MCP Server (协议中继器)：开发者编写的轻量级进程，负责封装真实的逻辑并暴露能力清单。
3. Tools & Resources (底层手脚)：实打实的代码逻辑，包括可执行的 Tools（如查询数据库）和可读取的 Resources（如读取文件流）。

三、 对比：Stdio 传输模式 vs SSE 传输模式

维度	Stdio 模式 (Standard I/O)	SSE 模式 (Server-Sent Events)
连接成本	极低（直接启动本地进程）	中等（需运行 HTTP Server）
通信延迟	极小（系统内进程通信）	依赖网络质量
并发能力	适用于单用户/单会话	支持多客户端同时在线
安全性	网络隔离（仅限本地）	需处理跨域及 Token 鉴权
适用场景	Cursor, Claude Desktop 个人配置	企业内部工具库, 远程 NAS 映射

实战避坑与报错指南 (Error Logs)

1. Error: Stdio Stream Pollution
   • 原因：你的代码中包含了 print() 或 console.log()，这些杂质破坏了 Stdio 上的 JSON-RPC 通信。
   • 对策：所有的调试日志必须通过 stderr (Python 的 sys.stderr 或 TS 的 console.error) 输出。
2. Error: Zombie Process Detected
   • 原因：Client 异常退出后，MCP Server 进程没有被正确销毁。
   • 对策：监听 SIGTERM 信号，并增加“看门狗”逻辑，如果 5 分钟无心跳则执行 process.exit(0)。
3. Error: JSON-RPC Buffer Overflow
   • 原因：尝试通过 Resource 返回几十 MB 的大文件，塞爆了 Stdio 缓冲区。
   • 对策：永远不要通过 MCP 返回大文件。应先进行摘要提取或分块检索（RAG）。

七、 常见问题解答

Q: 为什么我的 Cursor 识别不到新加的 Tool？

A: 点击 Cursor MCP 配置界面的 Refresh。如果依然失效，检查你的函数是否有正确的 Docstring（文档注释），AI 极度依赖注释来理解工具意图。

Q: 如何解决 MCP 连接远程服务器的安全问题？

A: 建议使用 Cloudflare Tunnel。将本地 MCP 端口映射至 HTTPS 域名，并在 Client 端配置鉴权 Header，实现安全受控的远程上下文注入。

推荐深度阅读

• 👉 MCP Server 实战：让 Claude 访问本地 SQLite 的 5 个步骤与避坑指南
• 👉 AI Agent 架构：构建自主智能体系统的 5 个核心模块
• 👉 LangGraph 实战：构建不跑偏 AI Agent 工作流的 3 个设计模式

我最近在持续研究：

• MCP 协议在大规模分布式 Agent 集群中的性能表现
• 基于 MCP 的跨 IDE (Cursor/Zed/VSCode) 统一工作流标准
• 自研 SSE 模式下的 MCP 安全网关方案

如果你在构建 MCP Server 时遇到诡异的协议报错，欢迎留言与我讨论。

• MCP 实战指南：从入门到进阶

• MCP vs Function Calling：为什么它是 AI 时代的 USB 接口？

• MCP Server 实战：让 Claude 访问本地 SQLite

• LangGraph 实战指南：构建有状态智能体

• AI Agent 实战手册

• 「问」MCP Tool Timeout 怎么处理？ A: 建议将大任务拆分为子任务，或在配置文件中调大 timeout 参数。

• 「问」如何保证本地数据库安全？ A: 使用只读账号，并结合环境变量限制物理路径访问。

专题入口 / MCP Hub

继续按 MCP 生产部署路径读，而不是堆 guide / tutorial

MCP 内容统一按协议理解、本地 Server、远程部署、OAuth、安全治理、stdio/JSON-RPC 排障和工具对比来承接，避免站内关键词互相抢。

进入 MCP 专题 → 查看安全治理清单 订阅更新