Model Context Protocol (MCP)

您可以在 Cloudflare 上构建和部署 Model Context Protocol (MCP) ↗ 服务器。

什么是 Model Context Protocol (MCP)？

Model Context Protocol (MCP) ↗ 是一个开放标准，用于连接 AI 系统与外部应用程序。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。正如 USB-C 提供了一种标准化的方式来连接您的设备与各种配件一样，MCP 提供了一种标准化的方式来连接 AI Agents 与不同的服务。

MCP 术语

• MCP Hosts: AI 助手（如 Claude ↗ 或 Cursor ↗）、AI Agents 或需要访问外部功能的应用程序。
• MCP Clients: 嵌入在 MCP Hosts 中的客户端，连接到 MCP 服务器并调用工具。每个 MCP 客户端实例与单个 MCP 服务器建立连接。
• MCP Servers: 暴露工具、提示词 ↗和资源 ↗供 MCP 客户端使用的应用程序。

远程 vs. 本地 MCP 连接

MCP 标准支持两种操作模式：

• 远程 MCP 连接: MCP 客户端通过互联网连接到 MCP 服务器，使用 HTTP 和 Server-Sent Events (SSE) 建立长连接，并使用 OAuth 授权 MCP 客户端访问用户账户上的资源。
• 本地 MCP 连接: MCP 客户端连接到同一台机器上的 MCP 服务器，使用 stdio ↗ 作为本地传输方法。

最佳实践

• 工具设计: 不要将您的 MCP 服务器视为完整 API 架构的包装器。相反，构建针对特定用户目标和可靠结果优化的工具。更少但设计良好的工具往往比许多细粒度的工具表现更好，特别是对于上下文窗口较小或延迟预算紧张的 Agents。
• 范围权限: 部署几个专注的 MCP 服务器，每个都具有严格范围的权限，可以减少过度特权访问的风险，并使管理和审计每个服务器允许做什么变得更容易。
• 工具描述: 详细的参数描述帮助 Agents 理解如何正确使用您的工具——包括期望的值、它们如何影响行为以及任何重要约束。这减少了错误并提高了可靠性。
• 评估测试: 使用评估测试（'evals'）来衡量 Agent 正确使用您工具的能力。在对服务器或工具描述进行任何更新后运行这些测试，以便及早发现回归并跟踪改进情况。

开始使用

前往快速开始 指南，了解如何构建和部署您的第一个远程 MCP 服务器到 Cloudflare。