[新人分享帖] 02 二级啦，关于MCP我想知道的一切

Laurel · February 9, 2026, 3:05am

Never send to know for whom the bell tolls; it tolls for thee.

— John Donne

前言

15天我终于2级啦，继上次分享站内思路帖又过去了一周。第一周最大的进展其实是完成了cliproxyAPI的远程部署，不担心没有稳定的claude或者codex用——原本是这么想的，结果在一月底赶上了大善人的抽杀，gemini死伤过半，这对我来说不啻于一场浩劫。好在天无绝人之路，靠着仅剩下的账号还能苟延残喘，但也花了很多时间。

然而现状是我还用着基础的claude code，上次提到的MCP、skill、和cgg之类的复杂工作流。我仅仅是体验过，尚且不清楚我是否真正需要。我的思绪就此再次展开：

MCP和skill，我最迫切需要的是什么？需要哪些功能？
工作流越来越多，为什么会有这么多工作流？他们都在以什么方式解决了哪些问题？
我怎么选择工作流？

这次先手撕一下MCP，本文继续以意识流的形式展开。

1 深入调研MCP和Skills

能够随便使用CC后，刚开始我的关注点在于：MCP和Skills到底哪个更好？

因为我是个user，安装skills和MCP都是有学习成本的，我的想法是一次到位。或者他们在不同领域各有千秋，我就一次配完，省的夜长梦多。所以我看了很帖子，并且自己发帖求助：

https://linux.do/t/topic/1488917

但这个东西并不想我想的那么简单，刚开始接触这个东西还是一团雾水。我记不得是在哪里看到了一句话说：了解MCP和Skill要结合其诞生最初解决的问题，这让我不得不回到最基础的部分，LLM的Function/Tool Calling，或者说最基础的LLM使用。

2 LLM 怎么实现超出文字生成的功能的——Tool Calling

以下是能工智人的CoT：

我分析了一下，按照我最朴素的想法，LLM是token预测机，所以天生是和脚本信息没关系的。所以肯定在某些地方存了工具信息（至少要有路径、调用条件和调用方法什么的，让我人工跑脚本也得搞明白这些东西）。

而要搞明白这个问题，恐怕要知道：我和AI聊天，实际上发生了什么。还是按照最朴素的想法，我肯定是给什么地方发送了一种请求（request），然后远程处理完了给我一个响应（response），Tool八成都在里边。所以要知道这个东西。

（实际上回过头来了解到这东西就是API补全请求）

想明白了就开干，直接看claude给出请求内容是最方便的，直接在cli中说：“我想知道上述对话是怎样进行的？去想知道具体的请求是怎么写的，给我完整的request和response结构。”我得到了如下内容：

2.1 请求

首先是请求，我了解到远程通讯中最常见的方式是提http请求：

  HTTP Headers

  POST /v1/messages HTTP/1.1
  Host: api.anthropic.com
  Content-Type: application/json
  x-api-key: xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
  anthropic-version: 20xx-xx-xx
  anthropic-beta: xxxxxxx


{
  "model": "claude-opus-4-5-20251101",
  "max_tokens": 8192,
  "temperature": 1,
  "top_p": 1,
  "top_k": 0,
  "stream": true,
  "stop_sequences": [],
  "system": "You are Claude Code, Anthropic's official CLI for Claude.\nYou are an interactive CLI tool that helps users with software engineering tasks...\n\n# Tool usage policy\n...(完整的系统提示词)",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "你好"
        }
      ]
    },
    {
      "role": "assistant",
      "content": [
        {
          "type": "text",
          "text": "你好！有什么我可以帮助你的吗？"
        }
      ]
    },
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "我想知道上述对话是怎样进行的？..."
        }
      ]
    }
  ],
  "tools": [
    {
      "name": "Bash",
      "description": "Executes a given bash command with optional timeout...",
      "input_schema": {
        "type": "object",
        "properties": {
          "command": {
            "type": "string",
            "description": "The command to execute"
          },
          "timeout": {
            "type": "number",
            "description": "Optional timeout in milliseconds"
          },
          "run_in_background": {
            "type": "boolean",
            "description": "Set to true to run in background"
          }
        },
        "required": ["command"]
      }
    },
    {
      "name": "Read",
      "description": "Reads a file from the local filesystem...",
      "input_schema": {
        "type": "object",
        "properties": {
          "file_path": {
            "type": "string",
            "description": "The absolute path to the file to read"
          },
          "offset": {
            "type": "number",
            "description": "The line number to start reading from"
          },
          "limit": {
            "type": "number",
            "description": "The number of lines to read"
          }
        },
        "required": ["file_path"]
      }
    },
    {
      "name": "Edit",
      "description": "Performs exact string replacements in files...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Write",
      "description": "Writes a file to the local filesystem...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Glob",
      "description": "Fast file pattern matching tool...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Grep",
      "description": "A powerful search tool built on ripgrep...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "Task",
      "description": "Launch a new agent to handle complex tasks...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "WebFetch",
      "description": "Fetches content from a specified URL...",
      "input_schema": { "..." : "..." }
    },
    {
      "name": "WebSearch",
      "description": "Allows Claude to search the web...",
      "input_schema": { "..." : "..." }
    }
  ],
  "metadata": {
    "user_id": "user_xxxxxxxx"
  }
}

这个请求分为请求头Header和主体信息Body两部分，在最核心的Body中，三个东西最值得关注——system、message和tools。 ~~这时我知道A社为了提升CC能力做了什么~~。

2.2 Host处理

当A社host（Anthropic API）接受到请求：

system, messages 拼合为prompt，送进LLM
model, temperature, max_tokens, stream进行外部控制
tools 以结构化约束的形式参与模型解码 (以结构化约束的形式参与模型解码、以结构化约束的形式参与模型解码、以结构化约束的形式参与模型解码。算是各种大模型给出最好理解的一句话了。反正不是按照prompt写进去的，是解码的时候按住LLM的头说：你已经决定要调工具了，你就老老实实按照我的要求写出能运行工具的话来，比如说bash工具里bash下一个词就是ls、echo、cat等等，~~别蹦个doge出来~~。我是这么理解的。)

LLM进行文本输出，但输出的情况分为两类：

如果LLM觉得不需要调用任何工具，那么仅仅进行纯文本输出（如：你好–>你好！有什么我可以帮助你的吗？）。

如果LLM觉得需要调用工具，那么会输出一个带特殊标记的的工具调用信息（如：查看当前目录文件–>计划运行bash ls -la命令，按下列格式的输出）。

# 在技术层级应该是一堆token_id,如果翻译成自然语言，类似于：

<tool_use>
Bash
command
ls
-
la
</tool_use>

2.3 响应

Anthropic API服务器负责将LLM的输出包装为响应发出。如果是纯文本输出，不调用任何工具，stop_reason被记为end_turn，代表这轮对话结束了。 CC把回复拆出来放在TUI中。

 {
    "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
    "type": "message",
    "role": "assistant",
    "content": [
      {
        "type": "text",
        "text": "你好！有什么我可以帮助你的吗？"
      }
    ],
    "model": "claude-opus-4-5-20251101",
    "stop_reason": "end_turn",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 15234,
      "output_tokens": 48,
      "cache_creation_input_tokens": 0,
      "cache_read_input_tokens": 12000
    }
  }

如果调用工具，那么应该是如下形式的reponse（根据我对各种资料的翻阅，如果LLM按照调用工具的方式生成token，那么打一开始Anthropic API服务器就知道他是tool_use，类似于一种属性，而不是靠读取文本中的<tool_use>约束），stop_reason被记为tool_use，代表这轮对话还需要调用工具。

 {
    "id": "msg_01XFDUDYJgAACzvnptvVoYEL",
    "type": "message",
    "role": "assistant",
    "content": [
       {
         "type": "tool_use",
         "id": "toolu_01D7FLrfh4GYq7yT1ULFeyMV",
         "name": "Bash",
         "input": {
           "command": "ls -la"
         }
       }
    ],
    "model": "claude-opus-4-5-20251101",
    "stop_reason": "tool_use",
    "stop_sequence": null,
    "usage": {
      "input_tokens": 15234,
      "output_tokens": 48,
      "cache_creation_input_tokens": 0,
      "cache_read_input_tokens": 12000
    }
  }

2.4 调用工具的二次请求-响应

大模型只是判断了是否调用工具并初次返回工具调用方法，进一步翻阅API文档发现，工具调用仍在本地。client拿到response后进行安全检查（rm -rf），最后运行脚本，拿到stdout（输出）、stderr（错误信息）、exit_code（退出编码）。

stdout = "drwxrwxrwx 1 laurel laurel  4096 Jan 29 15:34 .claude\n
drwxrwxrwx 1 laurel laurel  4096 Jan 29 15:23 .git……"
stderr = ""
exit_code = 0

这会对应一个类型为tool_result的content条目，其身份为user而非assistant：

{
  "role": "user",
  "content": [
    {
      "type": "tool_result",
      "tool_use_id": "toolu_01D7FLrfh4GYq7yT1ULFeyMV",
      "content": [
        {
          "type": "text",
          "text": "drwxrwxrwx 1 laurel laurel  4096 Jan 29 15:34 .claude\n drwxrwxrwx 1 laurel laurel  4096 Jan 29 15:23 .git……"
        }
      ]
    }
  ]
}

将这个content添加到message中，告诉LLM，我的工具调用结束了，现在该你生成内容了。于是形成新的request：


{
  "model": "claude-opus-4-5-20251101",
  "max_tokens": 8192,
  "temperature": 1,
  "top_p": 1,
  "top_k": 0,
  "stream": true,
  "stop_sequences": [],
  "system": "You are Claude Code, Anthropic's official CLI for Claude.\nYou are an interactive CLI tool that helps users with software engineering tasks...\n\n# Tool usage policy\n...(完整的系统提示词)",
  "messages": [
    {
      "role": "user",
      "content": [
        { "type": "text", "text": "请查看当前目录下的文件" }
      ]
    },

    {
      "role": "assistant",
      "content": [
        {
          "type": "tool_use",
          "id": "toolu_01D7FLrfh4GYq7yT1ULFeyMV",
          "name": "Bash",
          "input": { "command": "ls -la" }
        }
      ]
    },

    {
      "role": "user",
      "content": [
        {
          "type": "tool_result",
          "tool_use_id": "toolu_01D7FLrfh4GYq7yT1ULFeyMV",
          "content": [
            {
              "type": "text",
              "text": "total 12437\n drwxr-xr-x 1 Administrator ...\n ..."
            }
          ]
        }
      ]
    }
  ],
  "tools": [
    {
      "name": "Bash",
      "description": "Executes a given bash command with optional timeout...",
      "input_schema": {
        "type": "object",
        "properties": {
          "command": {
            "type": "string",
            "description": "The command to execute"
          },
          "timeout": {
            "type": "number",
            "description": "Optional timeout in milliseconds"
          },
          "run_in_background": {
            "type": "boolean",
            "description": "Set to true to run in background"
          }
        },
        "required": ["command"]
      }
    },
    # ……其他tools
  ],
  "metadata": {
    "user_id": "user_xxxxxxxx"
  }
}

最后如法炮制，LLM根据工具返回的信息和上下文，给出response，如果就调用一次工具，就标记为end_turn：

{
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "当前目录下有以下文件/目录：\n- main.py\n- README.md\n- src/\n..."
    }
  ],
  "stop_reason": "end_turn"
  ……
}

如果还有其他工具调用，就再来一轮。

3 MCP在干什么？

3.1 MCP是什么？

我进一步了解，有几个概念其实都被叫做MCP：

MCP（Model Context Protocol）模型上下文协议：是上一章讲的内容——怎么在request和response中通过tool_use和tool_result进行工具调用，怎么在client和host间传递标准化的tools信息。

定义了：

initialize
tools/list
tools/call
tool_use / tool_result
tools schema 的标准格式

MCP Server ：MCP 协议的实现方法，运行在本地，是一个内部处理API信息，外部暴露工具的中转站。

如果没有MCP Server，MCP这些结构化的内容看起来就像是繁文缛节。但有了Server这些东西就真正可复用、可维护了。

某某MCP(github-mcp)：实现了 MCP 协议的工具服务器项目

3.2 MCP怎么介入上一章提到的request-response过程？

结论是“Claude Code 根据 MCP Server 返回的 tools/list，把工具 schema 注入到了发送给 Anthropic API 的 tools 字段中”。

以github-mcp为例，当claude启动时，实际上运行了在~/.claude.json中的mcp设置，创建（spawn）了一个github mcp server子进程：

# 大概长这样
  "mcpServers": {
……
    "github": {
      "args": [
        "/c",
        "npx",
        "-y",
        "@modelcontextprotocol/server-github"
      ],
      "command": "cmd",
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxx"
      },
      "type": "stdio"
    },
……

claude对这些mcp server发送tools/list 请求，并在给 Anthropic API发送的http请求的tools字段中添加了（一大堆）新工具：

    "tools": [
      // ========== MCP 工具会被转换成这种格式 ==========
……
      {
        "name": "mcp__github__list_issues",
        "description": "List issues in a GitHub repository with filtering options",
        "input_schema": {
          "type": "object",
          "properties": {
            "owner": {"type": "string"},
            "repo": {"type": "string"},
            "state": {"enum": ["open", "closed", "all"], "type": "string"},
            "labels": {"items": {"type": "string"}, "type": "array"},
            "page": {"type": "number"},
            "per_page": {"type": "number"}
          },
          "required": ["owner", "repo"]
        }
      },
……

然后就是请求-响应，决定调用工具时，再又MCP server调用API，返回信息后传给cc，再传给host，其时序图是这样的：

至此function/tool calling、MCP协议、MCP Server的东西我就有点明白了，下边就是继续啃Skills。

PS 日后谈

本来打算一篇文章写完MCP+skill+workflow，结果越写越多只写了MCP部分。现如今AI工具如此发达，互联网的知识从未像今天这样唾手可得，但是想法比技术本身重要太多。争当弄潮儿的多半不是纯技术出身，我觉得自己也没那个百舸争流的本事。有时候发现自己没法将能力转化为收益，还怪可惜的。

年前事情反倒繁杂起来，家中老人受伤，家养犬今日又突发癫痫。尽管有惊无险，但实在是糟心无力，将生活的些许废话写在技术帖子中，聊以慰藉罢了。

我的梦想是搞个量化躺着挣钱，但是不是金融专科出身哈哈哈。或许有大佬与我有相同的想法，我们可以交流交流。

Laurel · February 9, 2026, 3:07am

好像写太干了，算了就当成学习笔记吧

XnneHang · February 9, 2026, 3:11am

期待 skill

Laurel · February 9, 2026, 3:12am

好难啊，MCP写的脑袋要炸了，Skills没敢一口气看下来

chayedan · February 9, 2026, 3:13am

干货分享，马克一下

xiaolan2_y · February 9, 2026, 3:23am

写的非常有自己的理解，和我看的教学视频里总结的基本上一样，感谢佬再次帮我巩固知识

handsome · February 9, 2026, 3:26am

新人太强了！

XnneHang · February 9, 2026, 3:29am

主要是把一件事情拆开来分析很难。（但过程一般能理解很多东西，我有时候也这么做，因为很多时候坑只有踩过才知道）

比如在我看来 skill 就是简单地告诉 agent tool 要怎么编排调用。

另外这里提到了 tool message 非常吃上下文。

工程上一般把 tool model 和 chat model 隔离开了。然后把 tool reuslts dump 后作为一个【user summary (user prompt)注入进去】（这个注入方式不一定一样,有的会用 developer）。

我一般用这种方式

[Task / User Prompt]
...
[Tool / Tool Call Summary]
...
[...]

上下文会还是会占，但是至少把 Tool Call Chain 的整个过程都隔离开了，只保留了 chat model 推理要用到的部分。

不过挺感谢补充的调用云端方面的流程，我的视角更多建立在编写 MCP Server 和本地调用。

XnneHang · February 9, 2026, 3:38am

开头加上这个:<div data-theme-toc="true"> </div> 可以在右侧生成一个大纲。

Laurel · February 9, 2026, 3:40am

你说得对，其实写上一篇帖子的时候，我对MCP和skill的理解还很浅薄、不成熟，写这片文的时候也是边写边学，总算是搞明白些东西。MCP项目和skill的对比，我打算放在下一篇重新分析一遍

Laurel · February 9, 2026, 3:40am

谢谢，我一直不知道怎么加

sunfly · February 9, 2026, 4:06am

好东西，到我收藏夹吃灰去吧

akirann · February 9, 2026, 6:14am

好小子

刚进来的时候我就看好你，一语成谶，现在真得叫你大佬。

Laurel · February 9, 2026, 6:32am

可是MCP通讯这玩意大概算是基础内容？

akirann · February 9, 2026, 6:47am

~~你知道的，我一直都很支持鼓励式教育~~
能研究往里走，然后发出来大家一起看，这种精神就很难得

Mengtaigu · February 9, 2026, 8:25am

期待更新

LiuLianZzz · February 9, 2026, 8:54am

mark一下，也是很期待看看你对SKILL的看法跟我是否一样，相比于MCP，本人觉得SKILL反而是一种简单又好用的tool

Laurel · February 9, 2026, 2:13pm

总觉得mcp有无法替代的地方，回头看看

Topic		Replies	Views
Skill 与 MCP 深度对比开发调优人工智能	48	3557	February 27, 2026
揭开 skill 被吹嘘的神秘面纱-及与MCP的相关性开发调优人工智能	88	2102	January 20, 2026
300秒带你搞清skill和MCP 开发调优 ChatGPT , OpenAI , 人工智能 , MCP , skill	68	1913	February 22, 2026
抛砖引玉：我的CLAUDE.md编写实践，从Claude Skills里学到的分层架构思路开发调优人工智能	36	3845	January 8, 2026
3天斩获100万赞的秘诀：零基础掌握MCP（源码详解），让AI自动执行任务！资源荟萃教程 , 人工智能 , 作品集 , 原创	90	3670	April 27, 2025