Gradio全解13——MCP协议详解（1）——MCP协议介绍与架构组件

前言

本系列文章主要介绍WEB界面工具Gradio。Gradio是Hugging Face发布的简易WebUI开发框架，它基于FastAPI和svelte，可以使用机器学习模型、python函数或API开发多功能界面，并可部署人工智能模型，是当前非常热门且易于展示机器学习大语言模型LLM及扩散模型DM的WebUI框架。
本系列文章分为四部分：Gradio介绍、Gradio基础功能实战、Gradio高级功能实战和Gradio与其它应用结合。第一部分Gradio介绍，方便读者对Gradio整体把握，包括三章内容：第一章先介绍Gradio的概念，包括详细技术架构、历史、应用场景、与其他框架Gradio/NiceGui/StreamLit/Dash/PyWebIO的区别，然后详细讲述Gradio的安装与运行，安装包括Linux/Win/Mac三类系统安装，运行包括普通方式和热重载方式；第二章介绍Gradio的4种部署方式，包括本地部署launch()、huggingface托管、FastAPI挂载和Gradio-Lite浏览器集成；第三章介绍Gradio的三种客户端（Client），包括python客户端、javascript客户端和curl客户端。第二部分实战Gradio基础功能，进入本系列文章的核心，包括四章内容：第四章讲解Gradio库的模块架构和环境变量，第五章讲解Gradio高级抽象界面类Interface，第六章讲解Gradio底层区块类Blocks，第七章讲解补充特性Additional Features。第三部分讲解并实战Gradio的高级功能，包括四章内容：第八章讲解融合大模型的多模态聊天机器人组件Chatbot，第九章讲解Gradio Tools工具库的使用及构建方法，第十章讲述讲述数据科学与绘图Data Science And Plots；第十一章讲述流式传输Streaming的多模态应用。第四部分讲解Gradio与其它应用结合，包括三章内容：第十二章讲述由Gradio App创建Discord Bot/Slack Bot/Website Widget；第十三章讲述MCP协议详解；第十四章使用Gradio构建MCP的客户端与服务器。
本系列文章讲解细致，涵盖Gradio及相关框架的大部分组件和功能，代码均可运行并附有大量运行截图，方便读者理解并应用到开发中，Gradio一定会成为每个技术人员实现各种奇思妙想的最称手工具。

本系列文章目录如下：

1. 《Gradio全解1——Gradio简介：大模型WebUI框架（上）》
2. 《Gradio全解1——Gradio简介：大模型WebUI框架（下）》
3. 《Gradio全解2——Gradio的四种部署方式（上）》
4. 《Gradio全解2——Gradio的四种部署方式（下）》
5. 《Gradio全解3——Gradio三种客户端：python、javascript与curl（一）——python》
6. 《Gradio全解3——Gradio三种客户端：python、javascript与curl（二）——javascript》
7. 《Gradio全解3——Gradio三种客户端：python、javascript与curl（三）——curl》
8. 《Gradio全解4——Gradio库的模块架构和环境变量》
9. 《Gradio全解5——Interface：高级抽象界面类（上）》
10. 《Gradio全解5——Interface：高级抽象界面类（下）》
11. 《Gradio全解6——Blocks：底层区块类（上）》
12. 《Gradio全解6——Blocks：底层区块类（下）》
13. 《Gradio全解7——Additional Features：补充特性（上）》
14. 《Gradio全解7——Additional Features：补充特性（下）》
15. 《Gradio全解8——Chatbot：融合大模型的多模态聊天机器人》
16. 《Gradio全解9——Gradio Tools：工具库》
17. 《Gradio全解10——Data Science And Plots：数据科学与绘图》
18. 《Gradio全解11——Streaming：流式传输的多模态应用》
19. 《Gradio全解12——由Gradio App创建Discord Bot/Slack Bot/Website Widget》
20. 《Gradio全解13——MCP协议详解》
21. 《Gradio全解14——使用Gradio构建MCP的客户端与服务器》

本章目录如下：

1. 《Gradio全解13——MCP详解（1）——MCP协议介绍与架构组件》
2. 《Gradio全解13——MCP详解（2）——MCP能力协商与通信机制》
3. 《Gradio全解13——MCP详解（3）——TypeScript介绍》
4. 《Gradio全解13——MCP详解（4）——TypeScript包命令：npm与npx》
5. 《Gradio全解13——MCP详解（5）——Python包命令：uv与uvx实战》
6. 《Gradio全解13——MCP详解（6）——MCP服务器》
7. 《Gradio全解13——MCP详解（7）——MCP客户端》
8. 《Gradio全解13——MCP详解（8）——MCP六大​功能特性》
9. 《Gradio全解13——MCP详解（9）——MCP Inspector》

第13章 MCP详解

MCP是当前人工智能领域最热门技术之一，是实现大模型快速应用的捷径。本章将基于MCP最新方案修订版：2025-06-18，详细讲解MCP协议细节，并实战如何通过Gradio构建MCP客户端与服务器。

13.1 MCP协议介绍与架构组件

本节将详细介绍MCP协议，包括概念及优势、架构、核心组件及功能协商机制，通过本节，读者可以迅速理解MCP的用途和构成要素。

13.1.1 ​MCP入门

下面通俗的解释MCP概念及其优势，理解其重要性，并知晓哪些厂商和个体在开发并维护MCP服务器。

1. MCP概念及其优势

MCP（Model Context Protocol，模型上下文协议）是一种用于标准化应用程序向大语言模型（LLM）提供上下文的方式。它是开源协议，可以使AI应用和代理（Claude Desktop、LibreChat或Goose）连接并操作数据源（如本地文件、数据库或内容仓库）与工具（如GitHub、Google Maps或Puppeteer）。简单地说，MCP在AI应用与各种数据源或工具间通过标准协议构建桥梁，如图13-1：

MCP可以被视为AI应用的USB-C接口——正如USB-C为机器连接外设提供了标准化方案，MCP则为AI模型连接数据源和工具建立了统一标准。在USB-C出现前，不同设备连接需要不同线缆；类似地，在MCP问世前，开发者必须为其AI应用需要的每个数据源或工具定制连接方案——这一耗时过程往往导致功能受限。如今借助MCP，开发者能轻松为AI应用添加各种连接资源，从而让应用从诞生之初就具备更强大的能力。

MCP帮助开发者在LLM之上构建智能体和复杂工作流，当LLM需要集成数据和工具时，MCP的优势有：

• 预置不断增长的集成库以供LLM直接调用；
• 可以在不同LLM供应商之间灵活切换；
• 在设备中实现最佳的数据安全。

2. MCP为何至关重要？

对AI应用用户而言，MCP意味着AI应用能够访问日常使用的信息和工具，从而大幅提升其实用性，使AI不再受限于既有知识，而是能理解特定文档、数据及工作上下文。例如，通过MCP服务器，应用程序可访问用户Google Drive中的个人文档，或从GitHub获取代码库相关数据，提供更个性化且上下文相关的支持。

设想向AI助手发出指令：“总结上周团队会议记录，并安排与所有人的后续会议。”借助MCP驱动的数据源连接，该AI助手能够执行以下操作：

• 通过MCP服务器连接用户Google Drive读取会议记录。
• 基于记录内容识别需安排跟进的人员。
• 通过另一MCP服务器连接日历应用自动安排会议。

对开发者而言，当构建需接入多数据源的AI应用时，MCP能显著降低开发时间和复杂度。因而借助MCP，开发者可专注于打造卓越的AI体验，而无需重复创建特定连接器。

例如传统模式下，连接应用与数据源时，需为每个数据源和每个应用单独构建定制化连接方案，这导致大量重复劳动——任何希望将其AI应用接入Google Drive或Slack的开发者，都必须自行构建专属连接。MCP通过以下方式实现简化：使开发者为数据源构建的MCP服务器被不同应用重复使用。例如利用开源的Google Drive MCP服务器，不同应用皆可访问Google Drive数据，而无需额外单独构建特定连接。

此类MCP服务器形成的开源生态，意味着开发者能复用现有成果而非从零开始，从而更轻松地构建强大的AI应用——这些应用能与用户现有工具及数据源实现无缝集成。

3. MCP服务器的创建与维护主体

MCP服务器由以下角色开发维护：

• Anthropic开发团队：为常用工具及数据源构建服务器。
• 开源贡献者：为其所用工具创建服务器。
• 企业开发团队：为企业内部系统构建专属服务器。
• 软件供应商：使其应用具备即开即用的AI-ready能力而开发的适配服务器。

当为某数据源创建开源MCP服务器后，任何兼容MCP的AI应用皆可使用该连接，从而形成持续扩展的连接生态圈。MCP服务器的更多详情请参阅13.5节。

13.1.2 MCP协议与架构

本节介绍MCP协议组成、架构及核心组件功能。

1. MCP协议组成

模型上下文协议由以下协同工作的关键部分组成：

• 基础协议：核心JSON-RPC消息类型。
• 生命周期管理：连接初始化、能力协商和会话控制。
• 授权：基于HTTP传输的认证与授权框架。
• 服务端功能：服务器暴露的资源、提示词和工具。
• 客户端功能：客户端提供的采样、根目录列表和需求获取。
• 工具组件（Utilities）：日志记录和参数补全等横切关注点。

所有实现必须支持基础协议和生命周期管理组件，其他组件可根据应用需求选择实现。

这些协议层既实现了清晰的关注点分离，又能支持客户端与服务端之间的丰富交互，而模块化设计使实现可以精确支持所需功能。

2. client-host-server架构

MCP采用灵活可扩展的客户端-宿主-服务器（ client-host-server）架构，该架构使用户拥有跨应用集成AI能力的同时，维持清晰的安全边界并隔离关注点。它基于JSON-RPC构建，提供了一个有状态的会话协议，并专注于客户端与服务器间的上下文交换与采样协作。

MCP的单台宿主可运行多个客户端实例，客户端与服务端一一对应连接，其通用架构如图13-2：

MCP架构组成说明如下：

• MCP宿主：如Claude、IDE、Tools等需要通过MCP访问数据或工具的应用程序；
• MCP客户端：与宿主应用绑定并由其运行，同时与服务器保持一对一连接；
• MCP服务器：轻量级程序，连接数据源与工具（如Google Drive或Slack），通过标准化MCP协议提供特定功能；
• 本地数据源：MCP服务器可安全访问的本地计算机文件、数据库和功能函数等服务；
• 远程服务：MCP服务器可通过Web API等连接的外部资源。

当MCP宿主被授予权限后，就能连接相应的MCP服务器，随后可通过这些连接读取本地或远程服务信息并执行操作。MCP客户端主要负责创建界面、建立连接、处理宿主与服务器之间的信息交互等。该模块化系统意味着新增功能时无需修改AI应用本体，如同为计算机添加新外设而无需升级整机。

3. 架构核心组成功能

在MCP架构中，有三类核心组成部分：宿主、客户端和服务端，下面详细说明其功能：

1. 宿主（Host）。宿主进程充当容器与协调员角色，具体功能如下：
   • 创建并管理多个客户端实例。
   • 初始化客户端连接，控制客户端连接权限及生命周期。
   • 强制执行安全策略与准入请求。
   • 处理用户授权决策。
   • 协调AI/LLM的集成与采样。
   • 管理跨客户端的上下文聚合。
2. 客户端（Client）。每个客户端由宿主创建，它维持与服务器独立连接，具体功能如下：
   • 为每个服务器建立单条有状态会话。
   • 处理协议协商与功能交换。
   • 双向路由协议消息。
   • 管理订阅及通知。
   • 维护服务器间安全边界。
   • 宿主应用创建并管理多个客户端，每个客户端与特定服务器保持1:1关系。
3. 服务器（Server）。服务器提供专用上下文及功能：
   • 通过MCP原语暴露资源、工具及提示。
   • 专注某职能独立运行。
   • 通过客户端接口请求采样。
   • 必须遵守安全约束。
   • 可作为本地进程或远程服务运行。

参考文献

1. Python开发人员，请不要低估TypeScript！
2. TypeScript“杀疯了”！60% 到 70%YC 创企用它构建 AI Agent，超越 Python 有戏了？
3. NPM vs. NPX，傻傻分不清楚
4. uv
5. Python 包管理工具核心指令uvx解析
6. MCP Introduction