指南

MCP 连接器详解:AI 智能体如何使用你的工具

这套标准把 AI 智能体接入 Linear、Sentry、Notion 等你的各种工具。用大白话讲清它如何运作、由谁维护、风险在哪里。

· · 来源

简要回答

MCP(Model Context Protocol,模型上下文协议)是一套开放标准,用来把 AI 应用连接到工具和数据。AI 应用是客户端。每个服务,比如 Sentry 或 Notion,都提供一个带工具列表的 MCP 服务器。智能体读取这份列表,挑出合适的工具,并在你授予的权限内使用它。

MCP 是什么?

MCP 是 Model Context Protocol 的缩写,即模型上下文协议。这是 Anthropic 在 2024 年 11 月发布的开放标准,用来在 AI 应用与它们所需的数据和工具之间建立安全的双向连接[1]。

在有 MCP 之前,每个 AI 应用都要为每个服务单独做一套集成。10 个应用加 20 个服务,就是 200 套集成,每一套都有自己的登录方式,也各自描述自己能做什么。有了统一标准,服务只需发布一次 MCP 服务器,任何支持 MCP 的应用都能使用它。

实际用起来,MCP 让 AI 智能体走出对话框,在你公司的各种应用里干活:读取 Sentry 里的报错,在 Linear 里新建任务,在 Notion 里查一个页面。模型还是那个模型,只是现在它有了工具。

MCP 是如何运作的?

MCP 有三个参与方[3]:

  • 宿主(Host): 人们使用的 AI 应用,比如代码编辑器、Claude 或团队聊天工具。
  • MCP 客户端: 宿主中负责与某一个服务器保持连接的部分。宿主为每个服务器创建一个客户端。
  • MCP 服务器: 提供某个服务的工具和数据的程序。

服务器可以提供三类东西。工具是模型可以执行的操作,比如查询数据库或调用 API。资源是上下文数据,比如文件内容或一条记录。提示词是可复用的指令模板[3]。

每个任务都走同样的路径:

  1. 客户端询问服务器有哪些工具。每个工具都带有名称、说明和它接受的字段。
  2. 模型读取用户的请求,挑出合适的工具。
  3. 客户端用模型选好的值调用这个工具。
  4. 服务器执行并返回结果,结果作为上下文回到模型手里。
  5. 模型判断是已经完成,还是还需要另一个工具。

底层的消息使用 JSON-RPC 2.0[3]。使用连接器的人看不到这一层,开发服务器的人则要面对它。

什么是 MCP 服务器?本地和远程有什么区别?

MCP 服务器是把一个服务翻译成协议语言的程序。它可以运行在两个地方[3]:

本地和远程 MCP 服务器
类型运行位置通信方式示例
本地与 AI 应用在同一台机器上标准输入输出(stdio)读取你电脑上文件的服务器
远程在提供商的基础设施上HTTP(Streamable HTTP),通过 OAuth 登录Sentry 的官方服务器,运行在 Sentry 平台上

对公司来说,提供商的官方远程服务器通常是最佳选择。它由提供商运行和更新,团队里没人需要安装任何东西,登录走的是该服务自己的授权页面。社区做的服务器几乎什么都有,但每一个在接触公司数据之前都需要先审查。

谁在维护 MCP 标准?

自 2025 年 12 月起,MCP 归属于 Agentic AI Foundation(AAIF),该基金会设在 Linux Foundation 之下。Anthropic 捐出了 MCP,Block 捐出了 goose,OpenAI 捐出了 AGENTS.md[2]。基金会成立时,Linux Foundation 统计到已发布的 MCP 服务器超过 10,000 个[2]。

规范按带日期的版本发布。最新版本发布于 2026 年 7 月 28 日,定义了工具、登录和安全的运作方式[4][5]。如果你正在选型,中立的治理很重要:不由单一提供商掌控的标准,不太可能一夜之间改变方向。

Claude 和 ChatGPT 里的 MCP 连接器是什么?

“连接器”是许多应用对已接入的 MCP 服务器的称呼。在 Claude 中,使用远程 MCP 的自定义连接器适用于 Free、Pro、Max、Team 和 Enterprise 套餐。在 Team 套餐中,只有所有者可以添加[6]。在 ChatGPT 中,你可以在插件区域通过 OAuth 添加自定义 MCP 服务器,写入类操作默认会要求确认[7]。agentes.chat 的工作区也可以成为这样的连接器:文档介绍了如何把 Claude、ChatGPT 或其他 AI 应用连接到你的智能体。

这两种做法都是为一个人对一个助手设计的。团队有了多个智能体之后,问题就变了:谁来连接服务,哪些智能体可以使用哪些工具,有风险的操作由谁批准。本指南接下来讲的就是这些。

MCP 服务器的一键登录是如何实现的?

远程服务器使用 OAuth,也就是你已经熟悉的“使用……登录”流程。规范定义了这条路径:服务器回应需要登录,并指出它的授权服务器在哪里。应用读取该服务器的公开元数据,并把自己注册为客户端[5]。

注册这一步决定了登录是不是真的只需一键。规范允许三种方式[5]:

  • 客户端 ID 元数据文档(CIMD): 应用用一个描述自身的 URL 来表明身份。这是 2026 版规范推荐的方式。
  • 动态客户端注册(DCR): 应用当场自行注册。这是目前最常见的方式,但 2026 版规范把它标记为已弃用,仅为兼容而保留。
  • 预先注册: 有人在提供商的后台创建一个应用,再复制一个 ID 和一个密钥。这就不是一键了。

无论哪种方式,应用都必须使用 PKCE,并且只要可以就采用 S256 方法,以防登录代码被截获[8]。

并不是每个提供商都这样放行客户端。有的要求先在它那里注册一个应用,有的虽然开放动态注册,却只接受它批准过的客户端。我们逐个服务器核查过,并记录了日期和方式,见哪些官方 MCP 服务器支持一键登录。

agentes.chat 里的智能体如何使用 MCP?

在 agentes.chat 中,人与 AI 智能体在同一个聊天里协同工作,工具权限按公司需要的方式运作,而不是按个人的方式。分为两层:

  1. 工作区只需连接一次服务,通过 OAuth 或密钥。令牌经过加密,绝不会回传给浏览器或各个应用。
  2. 每个智能体只获得其中一部分。 对每个连接器,权限可选无权限、只读,或读写,也可以逐个工具挑选。“所有工具”从不包含运行代码。

目录中有 58 个一键预设,对应 56 家提供商的官方远程 MCP 服务器,包括 Linear、Sentry、Notion、Atlassian(Jira 和 Confluence)、Asana、Stripe、Cloudflare、Supabase、GitLab、Datadog、Intercom 和 monday.com。你还可以连接:

  • GitHub,通过 agentes.chat 的 GitHub App 或 OAuth,仓库按智能体分别选择
  • 任何 MCP 服务器,只需填它的 URL,并显示它自己的 logo
  • Google Drive,需填入 Drive MCP 服务器的地址(不是一键)。

有些服务暂时无法使用,因为提供商要求注册应用,或只放行获批准的客户端:Slack、HubSpot、Vercel、Zendesk、Box、Render、PagerDuty、Front、Pipedrive、Shopify、Microsoft 365 和 Figma。也没有 Google Calendar、Docs 或 Sheets 的连接器。

示例 · Acme(虚构公司)

Acme 公司的 Sentry 和 Linear

Acme 的一位管理员把 Sentry 和 Linear 连接到工作区,分别登录每个服务。基础设施智能体获得 Sentry 的只读权限和 Linear 的读写权限。客服智能体只获得 Linear 的只读权限。

频道里有人请它看一个新报错时,基础设施智能体会读取 Sentry 里的事件,并在 Linear 里新建任务,无需请求批准:这是它已被授权的普通写入。如果同样的工作作为例行任务在无人看管时运行,新建任务就要等一个人来决定。客服智能体能看到这个任务,但改不了它。

智能体能靠 MCP 连接器自己做哪些事?

连接服务器时,agentes.chat 会给每个工具分类,再由管理员确认结果:

agentes.chat 如何给 MCP 服务器的工具分类
工具示例会发生什么
只读列出任务、读取报错、搜索页面直接运行,无需批准
普通写入新建或更新任务、添加评论授权后无需批准即可运行
敏感名称以 delete、remove、send、pay、publish、transfer、refund、share、drop 或 purge 等动词开头只能请求批准,或保持关闭
服务器标记为破坏性带有破坏性提示的工具请求批准
含义不明名称看不出它做什么由模型建议一个级别。如果失败,该工具会请求批准

在此之上还有一条固定规则:名称或范围中含有 merge、deploy、rollback、revert_deploy 或 promote 的任何工具,无论服务器怎么说,都一定会请求批准。在 GitHub 上,合并 PR 和运行 workflow 也会请求批准。

请求会在聊天里显示为一张卡片,写明确切的操作和数值。它 24 小时后失效,并且只运行一次,与批准的内容完全一致。无人看管时运行的例行任务管得更严:对已连接应用的每一次写入都要请一个人批准。完整清单见我们的人在回路的 AI 智能体指南。

如何搭建 MCP 服务器?

如果你依赖的某个服务没有服务器,或者服务器只在内部使用,你可以自己搭建一个。最短的路径是:

  1. 先挑几个工具。 从团队最常需要的读取操作开始。给它们起清晰的名字,比如 list_orders,并写上说明每个工具何时使用的描述。
  2. 使用官方 SDK。 MCP 项目维护着多种语言的 SDK,还有可供学习的参考服务器[3]。
  3. 用 MCP Inspector 测试,这是列出并调用服务器工具的官方工具[3]。
  4. 部署为远程服务器,走 HTTP 并用 OAuth 登录,遵循规范中的授权部分[5]。
  5. 标明哪些是读取,哪些会造成破坏。 注解有帮助,但规范要求客户端在服务器不可信时把它们当作不可信信息[4]。不要只靠它们来保护数据。

服务器上线后,你像添加其他服务器一样,用它的 URL 把它加到 agentes.chat,它会经过同样的分类。

MCP 有哪些风险?

MCP 让模型有了行动的能力,风险也随之而来。主要有这些:

  • 权限过大。 任务只需要读取,却给了一个拥有全部权限的令牌。
  • 隐藏的指令。 工具返回的结果里可能带着专门用来操纵模型的文字。规范要求客户端在把结果交给模型之前先验证[4]。在 agentes.chat 中,所有来自外部的文字,包括 MCP 的回答,送到模型时都带有不可信的标记。
  • 无人察觉的操作。 规范指出,始终应该有一个人能够拒绝工具调用,敏感操作还要经过确认[4]。
  • 令牌被盗。 谁拿到了存储的令牌,谁就能冒充该应用行事。所以规范要求安全地存储令牌,并建议使用短期令牌[8]。
  • 假冒的服务器。 连接之前,先对照提供商自己的文档核对地址。

防御的办法到处都一样:给每个智能体刚好够完成工作的最小权限,让敏感操作等一个人来决定,并留下每个智能体做过什么的记录。agentes.chat 自带这些规则,你只需调整。它目前处于公测阶段。如果你想用这种方式把团队的工具连接到智能体,创建你的工作区。

常见问题

MCP 只能用于 Claude 吗?

不是。MCP 由 Anthropic 创建,但它是开放标准,自 2025 年 12 月起由 Linux Foundation 之下的 Agentic AI Foundation 维护。ChatGPT、代码编辑器和许多其他应用也在使用 MCP 服务器。

MCP 和 API 有什么区别?

API 是服务自己的接口,每个 API 的格式都不一样。MCP 是向 AI 模型描述工具的标准方式。许多 MCP 服务器在底层调用服务的 API,再以任何 AI 应用都能理解的形式呈现出来。

使用 MCP 连接器需要会写代码吗?

使用现成的服务器不需要。在带目录的应用里,你选择服务、登录,再决定每个智能体能做什么。只有搭建新服务器才需要写代码。

智能体能在已连接的应用里做任何事吗?

只能做你允许的事。在 agentes.chat 中,每个智能体对每个连接器获得无权限、只读或读写,也可以逐个工具设置。敏感操作要请求批准,或保持关闭。

为什么有些服务不能一键连接?

因为提供商要求先在它那里注册一个应用,或者只接受它批准过的客户端。HubSpot、Slack 和 Figma 就是例子。我们逐个服务器的核查见 MCP 一键登录那一页。

来源

链接核实于 2026年10月29日。本页关于 agentes.chat 的描述反映的是该日期的产品情况,在公测期间可能会变化。

  1. 1Anthropic, Introducing the Model Context Protocol, 2024年11月25日.anthropic.com/news/model-context-protocol · 核实于 2026年10月29日
  2. 2Linux Foundation, Linux Foundation Announces the Formation of the Agentic AI Foundation (AAIF), Anchored by New Project Contributions Including Model Context Protocol (MCP), goose and AGENTS.md, 2025年12月9日.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation · 核实于 2026年10月29日
  3. 3Model Context Protocol, Architecture overview.modelcontextprotocol.io/docs/learn/architecture · 核实于 2026年10月29日
  4. 4Model Context Protocol, Specification: Tools (2026-07-28), 2026年7月28日.modelcontextprotocol.io/specification/2026-07-28/server/tools · 核实于 2026年10月29日
  5. 5Model Context Protocol, Specification: Authorization (2026-07-28), 2026年7月28日.modelcontextprotocol.io/specification/2026-07-28/basic/authorization · 核实于 2026年10月29日
  6. 6Anthropic, Get started with custom connectors using remote MCP.support.claude.com/en/articles/11175166-getting-started-with-custom-connectors-using-remote-mcp · 核实于 2026年10月29日
  7. 7OpenAI, Add custom MCP server.developers.openai.com/api/docs/guides/custom-mcp-server · 核实于 2026年10月29日
  8. 8Model Context Protocol, Specification: Authorization Security Considerations (2026-07-28), 2026年7月28日.modelcontextprotocol.io/specification/2026-07-28/basic/authorization/security-considerations · 核实于 2026年10月29日

今天就组建你的团队。

创建工作区,邀请成员和第一批智能体。几分钟就绪,无需技术团队。