OpenTelemetry Go Jaeger Exporter 实战指南：配置、环境变量与 Span 转换原理（含弃用迁移说明）
2026/9/14 0:01:54
📚本文收录于「流浪」的系列专栏
| 系列专栏 | 直达链接 |
|---|---|
| 🐧 Linux系统 | 进入专栏 → |
| ⚙️ C++ | 进入专栏 → |
| 📊 数据结构与算法 | 进入专栏 → |
| 🐍 Python | 进入专栏 → |
| 🔗 LangChain & LangGraph | 进入专栏 → |
| 🗄️ MySQL 数据库 | 进入专栏 → |
| 🌿 Git 工具 | 进入专栏 → |
| 🌐 计算机网络 | 进入专栏 → |
| 🤖 AI | 进入专栏 → |
| 💯 大厂面试、八股 | 进入专栏 → |
| 📚 学习筑基专栏 | 进入专栏 → |
🏠 博客主页：流浪 ｜ 📝 原创首发于 CSDN
上一篇结尾留了个问题:每接一个新工具就要写一套代码,太麻烦——有没有统一的标准?
答案是 MCP。这篇把 MCP 讲透:它是什么、解决什么问题、内部怎么运转。
目录
目录
编辑
目录
一、MCP 是什么:大模型的"万能插头"
二、为什么需要 MCP
痛点一:适配工作量极大
痛点二:需要标准化的工具发现
痛点三:避免供应商锁定
三、MCP 核心架构:HOST / Client / Server
四、MCP 社区与生态
五、面试官追问
一、MCP 是什么:大模型的"万能插头"
起源:MCP(Model Context Protocol,模型上下文协议)于2024 年 11 月 25 日由 Anthropic 发布。
定义:MCP 是一种开放协议,通过标准化语言和接口,实现 AI 模型与外部数据源/工具的无缝交互。
MCP 不是工具,而是一种工作方式或规则。
核心目标:建立类似USB-C的标准化协议,统一 AI 与外部资源的交互接口,实现"一次集成,处处运行"。
USB-C 类比:
- USB-C 之前:手机、硬盘、显示器各有各的线缆,一堆线
- USB-C 之后:一根线、一个接口搞定所有,无论连充电头、U 盘还是 4K 显示器,系统自动识别协商
- MCP 之于 AI 应用 = USB-C 之于电子设备
二、为什么需要 MCP
痛点一:适配工作量极大
之前:AI 连接外部工具靠"硬编码"一对一对接。M 个 AI 应用 × N 个工具 =M×N 个集成模块,每接一个新工具都要从头适配。
之后:M 个 AI 应用只需实现一次 MCP 客户端,N 个工具只需实现一次 MCP 服务器。一次对接,解锁整个生态。
痛点二:需要标准化的工具发现
之前:每个工具接口格式不一。
之后:所有 MCP Server 以统一格式(名称、参数、描述)向 Client 暴露工具,LLM 能轻松发现可用工具、理解并调用。
痛点三:避免供应商锁定
之前:Function Calling 的接口格式、参数定义都由特定厂商(OpenAI、Anthropic)定义。给 OpenAI 写的调用代码,换 Gemini 就得重写。
之后:MCP 是开放标准,不绑定任何模型/框架/供应商。基于 MCP 开发的工具,可被任何支持 MCP 的客户端(Claude、GPT 等)调用。
官⽹
1. 官⽹ ：What is the Model Context Protocol (MCP)? - Model Context Protocol
2. Github ： Model Context Protocol · GitHub
3. MCP协议地址：Versioning - Model Context Protocol
三、MCP 核心架构:HOST / Client / Server
MCP 遵循CS(客户端-服务端)架构,一个 AI 应用可连接多个 MCP 服务器。三个角色:
| 角色 | 是什么 | 职责 |
|---|---|---|
| MCP Host | 用户与 AI 交互的前端(如 Trae),像指挥中心 | 内嵌 Client,负责握手、能力发现、请求转发 |
| MCP Client | LLM 的"遥控器"、"翻译官",通常嵌在 Host 里 | 把自然语言指令转成 Server 能懂的请求,转发并回传结果 |
| MCP Server | 能力提供方(文件系统、数据库、GitHub、搜索等) | 以标准格式告知能做什么,执行请求并返回结果,像"百宝箱" |
生活案例:智能音箱帮你订火锅
| 步骤 | 谁 | 做什么 |
|---|---|---|
| 1 | 你 | 对智能音箱(HOST)说:"看下周六天气,找火锅店订位" |
| 2 | Client(调度员) | 拆解任务 |
| 3 | Client | 并发调用三个 Server:问大众点评 Server → 火锅评分;问订餐 Server → 订位;问天气 Server → 天气 |
| 4 | Client | 把三个结果打包返回给智能音箱 |
| 5 | 智能音箱 | 汇总播报:"天气晴朗,XXX 路火锅 4.8 分,订位成功" |
工作原理(12 步简化):
用户发请求 → 客户端连服务端 → 握手成功 → 获取工具清单 → 客户端把"请求+工具信息"给 AI 模型 → 模型分析要不要调工具、调哪个 → 要调则客户端发调用请求 → 服务端执行 → 结果回传 → 客户端把"结果+原问题"再给模型 → 模型生成最终回答 → 呈现给用户
四、MCP 社区与生态
几个找 MCP 服务的地方:
| 社区/平台 | 地址 |
|---|---|
| 魔搭(ModelScope)MCP 广场 | modelscope.cn/mcp |
| MCP World | mcpworld.com |
| 火山引擎 MCP 广场 | volcengine.com/ats |
| 阿里云 MCP | bailian.console.aliyun.com |
| MCP.so | mcp.so |
| CLine MCP 广场 | cline.bot/mcp-marketplace |
官网:modelcontextprotocol.io | GitHub:github.com/modelcontextprotocol
五、面试官追问
Q1:MCP 是工具吗?A:不是。MCP 是协议/规则,不是某个具体工具。它定义的是 AI 与外部工具之间怎么通信的标准,就像 USB-C 是"接口标准"而不是"某个设备"。
Q2:MCP 和 Function Calling 有什么区别?A:Function Calling 由具体厂商定义(OpenAI、Anthropic 各有各的),代码不通用,换模型要重写;MCP 是开放标准,一次开发,任何支持 MCP 的客户端都能用。MCP 是"标准化协议",Function Calling 是"厂商私有接口"。
Q3:为什么说 MCP 能"一次集成,处处运行"?A:因为 MCP 把"工具接口"标准化了。开发一个符合 MCP 标准的工具 Server,所有支持 MCP 的 AI 客户端都能直接发现和使用,不用为每个模型各写一套——这就是它解决"数据孤岛"和"供应商锁定"的核心价值。
如果这篇让你搞懂了 MCP 这个"万能插头",欢迎点赞收藏。评论区聊聊:你用 MCP 接过哪些工具?
下一篇预告:有了工具、有了标准协议,AI 就能自己"干活"了——这就是 Agent(智能体)。