MCP：Agent 的工具与上下文协议

MCP（Model Context Protocol）是把模型连接到外部工具和上下文的协议。对 Agent 工程来说，MCP 的价值是把“工具接入”从一次性的手写适配，变成可复用、可配置、可审计的能力。

MCP 解决什么问题

没有 MCP 时，每个 Agent 系统都要自己写：

如何连接 Jira、GitHub、Slack、Google Drive、数据库。
如何描述工具 schema。
如何传认证信息。
如何把工具结果返回给模型。
如何管理权限和日志。

MCP 的目标是标准化这些连接方式，让 Agent 可以接入不同工具和数据源。

基本模型

Agent Client
  -> MCP Server
     -> tools / resources / prompts
        -> external system

例子：

Codex 通过 MCP 访问开发文档、浏览器或 Figma。
Claude Code 通过 MCP 连接 Jira、Slack、Google Drive、数据库或自定义工具。
企业内部 Agent 通过 MCP 暴露只读知识库、工单系统或监控系统。

MCP 提供什么

能力	说明
Tools	Agent 可调用的函数，例如查 issue、读文件、跑查询
Resources	Agent 可读取的上下文，例如文档、日志、配置
Prompts	可复用的任务模板
Instructions	服务器级别的使用约束和说明
Transport	本地 stdio 或远程 HTTP 等连接方式
Auth	Bearer token、OAuth 等认证机制

不同客户端支持的细节会不同，实际使用前要看客户端文档。

在 Codex 中的 MCP

OpenAI 官方文档说明，MCP 可以让 Codex 访问第三方工具和上下文；Codex 在 CLI 和 IDE extension 中支持 MCP server。Codex 的 MCP 配置存放在 config.toml 中，可以是用户级 ~/.codex/config.toml，也可以在受信任项目里使用 .codex/config.toml。

典型用途：

查第三方框架文档。
操作浏览器或 Figma。
访问团队内部工具。
给 Codex 添加跨工具 workflow 的 server instructions。

在 Claude Code 中的 MCP

Claude Code 官方文档说明，MCP 可以把 Claude Code 连接到外部工具和数据源，例如 issue tracker、监控 dashboard、数据库、Google Drive 或 Slack。适合替代反复复制粘贴外部系统信息的工作流。

典型用途：

从 Jira/GitHub issue 读取需求。
从 Google Drive/Notion 读取设计文档。
查询日志和监控。
把结果写回工单或聊天工具。

MCP Server 设计原则

1. 工具要小而清晰

差：

manage_jira()

好：

get_issue(issue_id)
search_issues(query)
add_comment(issue_id, body)
create_ticket(title, body, priority)

2. 默认只读

先暴露只读工具，确认 Agent 行为稳定后再开放写工具。

写工具要有：

权限检查。
人工确认。
幂等键。
审计日志。
回滚方案。

3. 返回结构化结果

工具结果不要只返回一大段自然语言。

{
  "ok": true,
  "issue_id": "PROJ-123",
  "title": "Login error",
  "status": "Open",
  "url": "https://..."
}

4. 写好 server instructions

Server instructions 应说明：

什么时候使用这个 server。
工具调用限制。
速率限制。
敏感字段处理。
写操作审批规则。

5. 不泄露密钥

认证信息应该由 MCP server 或客户端配置管理，不要让模型看到 token、cookie 或数据库密码。

什么时候不用 MCP

场景	更简单方案
一次性脚本	直接写 Python/CLI
单个内部函数	普通 tool calling
静态文档问答	RAG
高风险生产写操作	人工流程或受控后端 API

MCP 适合可复用、跨工具、多人共享的集成；不是所有函数都需要包装成 MCP。

常见错误

工具权限太大

修复：按读/写/危险操作分层。

把业务规则交给模型判断

修复：业务规则放在 MCP server 里做确定性校验。

返回上下文过多

修复：返回摘要、ID、URL、关键字段，让 Agent 必要时再取详情。

没有审计日志

修复：记录每次工具调用、参数、调用者、结果和时间。

学习路径

先学 Agent 工具调用。
再理解 Harness Engineering。
最后把稳定工具抽象成 MCP server。

参考资料

OpenAI Codex MCP: https://developers.openai.com/codex/mcp
Claude Code MCP: https://docs.anthropic.com/en/docs/claude-code/mcp
Model Context Protocol: https://modelcontextprotocol.io/