

### 题目分类
- 方向：Agent 架构 / MCP 协议与外部能力接入

### 考察点
- 能否准确解释 MCP 是 Model Context Protocol，用来标准化 AI 应用和外部工具、数据、提示模板之间的连接
- 能否讲清 Host、Client、Server 的职责边界，而不是把 MCP 简化成“给模型调接口”
- 能否说明 tools、resources、prompts 分别解决动作执行、上下文读取和任务模板复用的问题
- 能否理解 MCP 解决的是 Agent 生态里的集成标准化问题，减少 AI 应用和外部系统之间的重复适配
- 能否区分 MCP、Function Calling、普通 HTTP API 和插件系统的关系
- 能否识别 MCP 落地时的工程风险：权限、认证、工具误用、结果污染、提示注入、远程服务安全和可观测性

### 知识讲解
#### 1. MCP 是什么
MCP 全称是 Model Context Protocol，中文可以理解成模型上下文协议。它是一套开放协议，用来让 AI 应用以标准方式连接外部能力，包括工具调用、数据资源和可复用提示模板。它关注的不是模型本身怎么推理，而是 AI 应用怎样把外部世界安全、结构化、可发现地接进模型工作流。

在 Agent 系统里，模型经常需要访问文件、数据库、代码仓库、浏览器、企业系统、SaaS API 或本地工具。如果每个 AI 应用都为每个外部系统写一套私有适配，集成成本会快速膨胀。MCP 的价值在于把这些能力抽象成标准协议角色和能力类型，让不同 Host 可以复用同一类 Server。

一句话概括：MCP 不是一个“让模型更聪明”的算法，而是 Agent 生态里的标准连接层。它把外部工具和上下文接入这件事，从一堆私有插件和临时代码，变成可发现、可调用、可治理的协议接口。

图解 1：下面这张图展示 MCP 的基本角色：Host 承载 AI 应用，Client 负责连接 Server，Server 暴露 tools、resources 和 prompts。

![image.png](https://developer.qcloudimg.com/http-save/yehe-8338883/c2747c13101eeb7fee6ad7f4279c7f87.png)

#### 2. MCP 的核心角色
MCP 里通常有三个核心角色：Host、Client 和 Server。

Host 是用户直接使用的 AI 应用，比如 IDE、桌面助手、聊天应用或 Agent 平台。Host 负责用户界面、模型调用、权限体验、工具结果回填和最终交互。

Client 是 Host 内部的协议客户端。一个 Host 可以创建多个 MCP Client，每个 Client 连接一个或多个 MCP Server，负责能力发现、协议消息交换和连接生命周期管理。

Server 是能力提供方。它可以运行在本地，也可以远程部署；背后可能连接文件系统、数据库、浏览器、企业 API、代码工具或业务服务。Server 按 MCP 协议暴露能力，但具体业务逻辑仍然由 Server 侧 handler 控制。

这里最重要的边界是：模型通常不直接连 Server，也不直接拥有后端权限。模型看到的是 Host 组织后的工具或上下文描述；真正的协议连接、权限检查、调用执行和结果治理由 Host、Client 和 Server 共同完成。

#### 3. tools、resources、prompts 分别解决什么
tools 用来表示可执行动作。比如查询订单、搜索代码、运行测试、发起部署、创建工单。工具通常有名称、描述、输入 schema 和 handler。模型可以根据描述选择工具，但 Server 必须校验参数、权限和风险。

resources 用来表示可读取的上下文数据。比如文件内容、数据库 schema、文档片段、项目配置、日志或知识库条目。它更像“可被 AI 应用读取的资料”，重点是让模型拿到任务所需的上下文，而不是执行外部动作。

prompts 用来表示可复用的提示模板或工作流入口。比如代码审查模板、数据库排查模板、文档生成模板。它能让 Server 把某类任务的上下文组织方式或操作惯例暴露给 Host，而不是每个 Host 都重新写一套提示词。

这三类能力解决的是不同问题：tools 解决“能做什么动作”，resources 解决“能读什么上下文”，prompts 解决“某类任务怎么组织”。面试里如果只说 MCP 是工具调用协议，就会漏掉 resources 和 prompts 这两个很关键的上下文入口。

#### 4. MCP 解决了 Agent 系统里的什么问题
MCP 解决的第一个问题是集成爆炸。没有统一协议时，每个 AI 应用都要单独适配每个外部系统。一个 IDE 想接 GitHub、数据库、浏览器和内部工单系统，另一个聊天助手也要再接一遍，最终形成大量重复连接器。MCP 把外部能力包装成标准 Server，让 Host 按统一方式发现和调用。

第二个问题是能力描述不统一。Agent 能不能稳定调用工具，不只取决于模型能力，也取决于工具名、描述、参数 schema 和返回结构是否适合模型理解。MCP 提供了统一的能力暴露方式，让 Host 可以用更一致的方式把工具、资源和提示模板呈现给模型。

第三个问题是上下文接入混乱。很多 Agent 失败不是因为不会推理，而是拿不到正确上下文，或者把原始 API 返回、长日志、网页内容直接塞进模型。MCP 把“可读资源”和“可执行工具”区分开，有利于系统在进入模型前做选择、裁剪、权限过滤和来源标记。

第四个问题是治理边界。标准协议不能自动解决安全问题，但它让权限、审计、传输、能力发现、工具执行和结果回填有了清晰挂点。生产系统可以围绕这些挂点做认证授权、用户确认、结果裁剪、日志追踪和风险隔离。

图解 2：下面这张图展示 MCP 如何把 AI 应用与外部系统之间的 N×M 适配，收敛成标准协议连接。

![image.png](https://developer.qcloudimg.com/http-save/yehe-8338883/b5c13df97fdd51cad5a850d48fc77f3a.png)

#### 5. MCP 和 Function Calling、HTTP API、插件有什么区别
Function Calling 或 Tool Calling 是模型 API 层面的能力，重点是让模型用结构化方式表达“我要调用某个工具及其参数”。它解决的是模型输出格式和工具调用意图问题。

MCP 是 AI 应用和外部能力之间的连接协议，重点是能力如何被发现、描述、连接和调用。Host 可以把 MCP Server 暴露的 tools 转成模型可见的工具描述；模型选择工具后，Host 再通过 MCP Client 调用 Server。所以两者不是替代关系，而是上下游关系：Tool Calling 偏模型交互，MCP 偏外部能力接入。

普通 HTTP API 是通用后端接口，不天然知道 AI 应用需要什么工具描述、资源列表、提示模板、上下文回填和模型可读结果。MCP Server 背后当然可以调用 HTTP API，但对 Host 暴露的是面向 AI 应用的协议能力。

插件系统通常绑定某个产品生态，能力安装、权限、调用方式和生命周期都由平台定义。MCP 更像跨 Host 的开放协议，目标是让同一个能力 Server 可以被不同 AI 应用复用。

#### 6. 生产落地要注意什么
MCP 降低的是接入复杂度，不会自动兜住生产安全。Server 暴露工具时要先做能力建模，避免把内部接口原样暴露给模型。工具名和描述要稳定、具体，参数 schema 要收敛，返回结果要短、结构化、带来源，敏感字段要脱敏。

安全上要区分本地和远程 Server。本地 stdio 适合桌面工具或本机能力，风险重点在文件权限、进程启动和用户授权；远程 HTTP 场景要关注认证授权、租户隔离、限流、跨域、请求大小、服务端日志和网络边界。

工具结果不能天然信任。网页、文档、邮件、日志和第三方 API 返回值里都可能包含 Prompt Injection，诱导 Agent 忽略规则或调用危险工具。Host 和 Server 都应该把外部内容标记为不可信数据，而不是系统指令。

可观测性也很关键。至少要记录能力发现结果、模型选择的工具、参数校验、权限决策、Server 延迟、下游错误、结果大小、最终回答质量和用户确认记录。否则 Agent 调错工具时，很难判断是模型问题、工具描述问题、Server 权限问题，还是外部系统返回问题。

### 面试回答
MCP 全称是 Model Context Protocol，它是一套让 AI 应用标准化连接外部工具、数据资源和提示模板的开放协议。它解决的不是模型推理算法问题，而是 Agent 系统里“外部能力怎么接进来、怎么描述、怎么调用、怎么治理”的问题。

它的核心角色是 Host、Client 和 Server。Host 是 AI 应用，比如 IDE、聊天助手或 Agent 平台；Client 是 Host 里负责协议连接的组件；Server 是能力提供方，按协议暴露 tools、resources 和 prompts。tools 适合执行动作，resources 适合提供上下文数据，prompts 适合提供可复用任务模板。模型通常不直接连 Server，而是由 Host 把可用能力组织进上下文，再由 Runtime 执行和回填结果。

MCP 解决的主要问题是集成标准化。没有 MCP 时，每个 AI 应用都要分别接 GitHub、数据库、浏览器、文件系统、企业系统和各种 SaaS API，形成大量重复适配。MCP 把这些外部能力包装成标准 Server，让不同 Host 可以用统一方式发现、读取和调用，从 N×M 的私有集成，收敛成更可复用的协议生态。

它和 Function Calling 不是一回事。Function Calling 更偏模型 API，解决模型如何输出结构化工具调用意图；MCP 更偏应用和外部系统之间的协议连接。Host 可以把 MCP Server 暴露的工具转换成模型可见的 tool schema，模型选择后，再由 Host 通过 MCP Client 调用对应 Server。

生产上不能把 MCP 理解成“给模型开后门”。MCP Server 仍然要做认证授权、参数校验、结果裁剪、敏感字段脱敏、写操作审批、幂等和审计；工具结果也要防 Prompt Injection，不能把外部内容当系统指令。判断 MCP 接得好不好，不只看能不能调通，而要看工具是否容易被模型正确选择、结果是否适合进入上下文、权限和 Trace 是否能支撑线上排查。

### 面试官追问
1. MCP 中 Host、Client、Server 分别负责什么？
   - 回答方向：Host 承载 AI 应用和用户交互，Client 负责协议连接，Server 暴露并执行外部能力。
2. tools、resources、prompts 有什么区别？
   - 回答方向：tools 负责动作，resources 负责上下文数据，prompts 负责可复用任务模板和工作流入口。
3. MCP 和 Function Calling 是什么关系？
   - 回答方向：Function Calling 是模型表达调用意图的机制，MCP 是应用连接外部能力的协议，两者可以配合使用。
4. 为什么不直接让 Agent 调 HTTP API？
   - 回答方向：HTTP API 缺少面向 AI 应用的能力发现、上下文资源、提示模板、工具描述和统一治理边界。
5. MCP Server 暴露工具时最容易出什么问题？
   - 回答方向：工具过多、描述模糊、schema 太宽、权限不足、结果过大、敏感字段泄露和写操作缺少幂等。
6. 如何防止 MCP 返回结果污染模型上下文？
   - 回答方向：把外部内容标记为不可信数据，做来源标记、裁剪、脱敏和 Prompt Injection 防护，不允许覆盖系统规则。

### 高分回答要点
- 能准确说出 MCP 是 Model Context Protocol，是 AI 应用连接外部能力的标准协议
- 能讲清 Host、Client、Server 的职责边界，避免说成“模型直接调用工具”
- 能区分 tools、resources、prompts，知道 MCP 不只是工具调用
- 能说明 MCP 解决 N×M 集成、能力发现、上下文接入和治理挂点问题
- 能区分 MCP、Function Calling、HTTP API 和插件系统
- 能覆盖认证授权、权限隔离、结果裁剪、Prompt Injection、写操作审批和 Trace

### 常见扣分回答
- 只说 MCP 是“给大模型调用工具的协议”，没有讲上下文资源和提示模板
- 把 MCP 和 Function Calling 混为一谈，不知道一个偏模型调用格式，一个偏外部能力连接
- 认为接了 MCP 就自动安全，忽略 Server 侧权限、审计和结果治理
- 把内部所有 API 原样暴露成 tools，忽略工具描述和 schema 对模型选择的影响
- 不知道 Host、Client、Server 的边界，把模型说成直接连接业务系统

### 项目结合话术
我接 MCP 时会先按业务场景做能力建模，而不是把内部接口直接暴露出去。读能力优先设计成 resources 或只读 tools，控制权限、字段脱敏、结果大小和来源标记；写能力必须加审批、幂等、审计和回滚。上线前会用回放集验证工具选择、参数校验、权限失败、超大结果、提示注入和下游异常，并把 tool call、Server latency、error bucket、result size 和最终回答质量接到 Trace 里，这样才能判断问题出在模型选择、协议连接、Server handler 还是外部系统。

### 参考来源
- [Model Context Protocol Specification](https://modelcontextprotocol.io/specification/2026-07-28)
- [MCP Introduction](https://modelcontextprotocol.io/docs/2026-07-28/getting-started/intro)
- [MCP Tools Specification](https://modelcontextprotocol.io/specification/2026-07-28/server/tools)
- [MCP Resources Specification](https://modelcontextprotocol.io/specification/2026-07-28/server/resources)
- [MCP Prompts Specification](https://modelcontextprotocol.io/specification/2026-07-28/server/prompts)

能否准确解释 MCP 是 Model Context Protocol，用来标准化 AI 应用和外部工具、数据、提示模板之间的连接

2026AI面试题：MCP 协议是什么？它在 AI Agent 系统中解决了什么问题？

前端

人工智能

MCP是标准化AI应用连接外部工具、数据和提示模板的开放协议，核心解决Agent生态的集成标准化问题。它通过Host、Client、Server三角色，以tools、resources、prompts三类能力，统一能力发现与调用，取代N×M私有适配。生产落地需关注权限认证、结果治理、提示注入防护及可观测性，并区分于FunctionCalling、HTTPAPI和插件系统。

结构化工具调用

文件系统

数据库

GitHub

Agent

让每一个 Agent，都跑在云上

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

MCP是标准化AI应用连接外部工具、数据和提示模板的开放协议，核心解决Agent生态的集成标准化问题。它通过Host、Client、Server三角色，以tools、resources、prompts三类能力，统一能力发现与调用，取代N×M私有适配。生产落地需关注权限认证、结果治理、提示注入防护及可观测性，并区分于Fu...

2026AI面试题：MCP 协议是什么？它在 AI Agent 系统中解决了什么问题？-腾讯云开发者社区-腾讯云

2026AI面试题：MCP 协议是什么？它在 AI Agent 系统中解决了什么问题？

2026AI面试题：MCP 协议是什么？它在 AI Agent 系统中解决了什么问题？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐