Anthropic 发布了模型上下文协议，这是一种将 AI 系统与外部系统连接的新标准，外部系统可以是任何数据源，如网络、本地数据库或其他存在数据的工具。MCP 解决了将 AI 模型与数据隔离并在不同信息源和系统之间有效连接的挑战。

在本博客中，将探索 MCP 以及如何构建自定义 MCP 服务器，涵盖内容如下：

• MCP 概述：是开源协议，标准化外部应用向语言模型提供上下文的方式，实现语言模型与外部工具的无缝集成，提供即时轻松集成、可自由切换语言模型提供商、基础设施内的安全数据处理等优势。
• MCP 架构：遵循客户端-服务器架构，包括带有 MCP 客户端的主机（作为连接器）、MCP 服务器（执行特定任务）、本地数据源（本地机器上的文件、数据库等）、远程服务（外部 API 等）以及 MCP 消息类型（请求、响应、通知）。
• 预构建的 MCP 服务器：已有针对 GitHub、Cloudflare 和 Slack 等主要平台的预构建服务器，更多通过社区和第三方贡献添加，可查看完整列表这里。
• 在 Claude Desktop 中添加预构建的 MCP 服务器：下载并安装 Claude Desktop App，配置 Node.js，在 Claude 的设置中添加 MCP 服务器配置（如 Filesystem MCP 服务器或 GitHub MCP 服务器），包括复制配置并替换相关信息，重启 Claude 使其生效，可测试服务器功能（如 Filesystem MCP 服务器的目录操作等）。
• 构建自己的 MCP 服务器：可以使用 Python SDK 等构建 MCP 服务器或客户端，以 Python SDK 为例，通过 pip 或 uv 安装 mcp 包，遵循 OAuth 2.0 配置指南设置 API 范围并获取credentials.json，实现 Gmail 和 Google 日历的相关功能（如获取邮件、搜索邮件、创建日历事件等），将服务器添加到claude_desktop_config.json中，注意处理可能出现的错误（如 npm 错误、Error: spawn uv ENOENT等）。
• MCP 客户端支持：除 Claude 外其他客户端也支持 MCP，但在服务器功能方面有一定限制，可查看这里构建 MCP 客户端。

总之，已涵盖 MCP 的基本原理、预构建服务器和自定义服务器的构建等内容，可通过让语言模型协助创建自定义 MCP 服务器并在 Claude Desktop 中使用。