企业官网建设流程全解析

MCP（模型上下文协议）是AI领域的USB，为大模型应用提供统一接口，安全对接外部数据源、工具和业务系统。文章详细介绍了MCP的三大角色（Host、MCP Client、MCP Server）及其通信方式（Stdio和Streamable HTTP），并通过Java开发和测试中的使用原理，展示了MCP如何助力AI工具接管数据库和浏览器，实现模拟人类行为和自动化测试。对于想要学习大模型并提升开发效率的程序员来说，MCP是一个值得收藏和深入了解的工具。

在AI普及的当下，我们经常可以听到有人讲给大模型接入MCP，那么什么是MCP呢？下面我们来聊聊MCP。

1、MCP和MCP服务

MCP（Model Context Protocol，模型上下文协议），是Anthropic 在2024-11发布、后捐赠给Linux基金会下Agentic AI基金会的开放标准化协议，可以比喻成AI领域的USB，它给大模型应用提供一套统一接口，用来安全对接外部数据源、工具、业务系统，解决LLM只能使用训练静态知识、难以标准化调用外部能力的痛点，底层基于JSON-RPC 2.0通信。MCP的三大核心的角色分别是：

（1）Host（宿主应用） 用户直接交互的AI应用，如Claude Desktop、Cursor IDE等，主要负责管理用户对话、LLM推理、权限与安全策略等工作。

（2）MCP Client（MCP 客户端） 宿主内的连接器，一个Client对应一个 MCP Server；负责建立会话、协议能力协商、消息转发、维护安全隔离边界。

（3）MCP Server（MCP服务） 独立运行的程序，可以是本地进程（stdio）或远程HTTP服务；把外部能力封装成MCP标准接口，对外暴露出来，供Host 里的大模型发现和调用。

将MCP与USB做类比，如下图所示：

电脑不用为U盘、摄像头单独写一套特殊驱动，只要是USB设备，插上就能识别。

AI不用为数据库、浏览器单独写对接代码，只要是 MCP 服务，接上就能调用。

2、MCP的通信方式

MCP的通信方式有两种，分别如下所示：

（a）Stdio(本地进程)：MCP服务作为子进程，通过标准输入输出通信，适合本地IDE、本地文件/数据库MCP服务。

（b）Streamable HTTP：远程网络调用，适合部署在服务器上的远程MCP服务，支持网络多客户端访问。

通信方式的选择：需要被一个人安全地放在本机运行的时候使用Stdio。 需要被多人共享使用用Streamable HTTP。

3、MCP在Java开发和测试中的使用原理

AI工具（使用Workbuddy为例，cursor、Trae都支持MCP方式）使用MCP的工作流程图：

用户在AI工具中访问我们本地的workspeace中Java代码，然后代码中需要查询数据库（如Mysql），然后AI工具就会调用MCP服务，由MCP服务实现去数据库查询数据，然后将查询到的数据由MCP服务返回给AI工具，AI工具拿到数据后继续按照代码的逻辑分析代码功能，代码功能分析完成后，AI工作整理总结分析报告展示给我们。

AI工具（使用Workbuddy为例）接管本地的浏览器后，直接通过浏览器模拟人的行为，点击网页上的功能按钮功能请求后端的流程图：

首先我们需要启动一个监听已经登录了页面的浏览器（如公司的管理后台）的MCP服务，然后用户在AI工具中发送监听浏览器的请求给AI工具，AI连接MCP服务，连接成功后MCP服务返回浏览器监听的响应给AI工具，此时AI工具实现了接管我们浏览器的功能。AI工具接管浏览器后，我们便可以将我们的想法输入给AI工具，AI工具便可模拟人类的行为操作页面。

4、安装和配置Mysql-MCP

（1）安装python环境

（2）安装依赖包

pip install fastmcp pymysql sqlparse python-dotenv

（3）AI搭建MCP工程

使用我们日常的AI工具（如workbuddy）帮我们写连接Mysql的MCP服务，如下是AI写这个服务的输出：

项目的结构图如下所示：

配置自己的数据库连接信息：

（4）测试MCP是否可以启动

在工程目录中找到main.py文件，如下的打开方式：

打开后我们看到如下的效果图：

至此，MySQL-MCP服务启动成功了。

（5）AI工具中配置MCP服务（以workbuddy为例）

找到workbuddy的自定义连接器，如下图所示：

选择配置连接器，如下图所示：

添加自定义的MySQL-MCP的配置信息：

{ "mcpServers": { "mysql‑ai‑self‑mcp": { "command": "cmd", "args": [ "/c", ## cmd的参数，表示：执行后面这一串命令，执行完就关闭 cmd 窗口 "C://Windows//py.exe", ## Python启动器位置 "D://py_workspace//ai_mcp_server//main.py" ## 自定义的MCP服务入口脚本文件 ] } }}

保存配置后，如果出现如下的效果就标识配置成功：

测试workbuddy是否可以连接我们配置的MySQL数据库：

至此我们的Mysql-MCP服务就搭建完成，我们可以继续按照同样的方式来搭建如Redis-MCP、Nacos-MCP和浏览器MCP服务，然后继续配置在自己的AI工具中，我的配置的这几个工具在workbuddy中的效果如下图所示：

5、实战AI工具接管浏览器

（1）启动开启浏览器监听

使用CMD的方式执行如下的指令：

"C:/Program Files/Google/Chrome/Application/chrome.exe" --remote-debugging-port=9222 --user-data-dir="%USERPROFILE%/chrome_debug_profile"

（2）测试浏览器是否可以被监听

在地址栏中输入：http://127.0.0.1:9222/json/version

可以输出信息，表示我们的浏览器可以被监听了。当前的浏览器不要关闭，因为AI工具只能监听到这个网页。

（3）打开百度网做测试

在AI工具中输入咨询是否可以监听浏览器的信息：

当前的这种方式实现的浏览器让AI工具（如workbuddy）接管是可以获取到用户的登陆状态信息，有了这个登陆信息后，我们的可以实现将我们测试环境或开发环境上的已经完成登陆的管理后台网页让AI工具接管，然后我们让AI工具模拟人的行为将页面的功能都点击一遍，然后生成AI页面功能测试报告，我们拿到这个测试报告后，将里面的功能bug反过来给AI继续修复，大大的提供了功能的交付质量。

我们已经实现通过MCP的方式连接了Mysql、Redis和Nacos服务，那么我们可以让AI工具读取我们本地workspeace中的Java源码，然后帮我们分析测试或开发环境的问题，大大的提高了问题排查的效率。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！

2、大模型学习书籍&文档

学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

适用人群

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】