☰

本文整理自一次关于 Model Context Protocol（MCP）的完整讨论，覆盖 MCP 的核心概念、Go 实现、对外发布、自然语言注册、远程服务化，以及 MCP 与 Agent Skill 的关系与选型。

1. MCP 是什么：AI 应用的"USB-C 端口"

Model Context Protocol（MCP） 是由 Anthropic 于 2024 年 11 月推出的开放协议，用于标准化大语言模型与外部数据源、工具之间的集成方式。它常被类比为"AI 应用的 USB-C 端口"：就像 USB-C 统一了设备与配件的连接方式，MCP 统一了 AI 模型与外部服务的对接标准。

MCP 基于 JSON-RPC 2.0，定义了三层架构：

Hosts：发起连接的 LLM 应用，如 AI IDE、聊天界面。
Clients：Host 内部的连接器，每个 Client 维护一个独立会话。
Servers：提供上下文和能力的服务，可以是本地进程，也可以是远程服务。

MCP Server 向客户端暴露三类核心能力：

能力	说明
Resources	可供 AI 读取的上下文数据，如文件内容、数据库记录
Prompts	预定义的模板化消息和工作流
Tools	AI 模型可调用的函数，如查询数据库、调用 API、读写文件

传输层方面，MCP 支持：

stdio：标准输入输出，适合本地工具，零网络配置。
Streamable HTTP：推荐的远程传输方式，单一 HTTP 端点，接受 POST，返回 JSON 或 SSE 流。
HTTP + SSE：已弃用的双端点模式。

MCP 的设计灵感来自 Language Server Protocol（LSP）：LSP 统一了编辑器对编程语言的支持，MCP 则以类似方式统一了 AI 应用对外部工具和数据的集成。

2. 用 Go 实现一个最简单的 MCP Server

最简洁的方式是使用 MCP 官方 Go SDK：github.com/modelcontextprotocol/go-sdk 。

2.1 初始化项目

1mkdir mcp-demo && cd mcp-demo
2go mod init mcp-demo
3go get github.com/modelcontextprotocol/go-sdk@latest

2.2 编写服务器代码

实现一个提供"获取当前时间"工具的 MCP Server：

 1package main
 2
 3import (
 4    "context"
 5    "fmt"
 6    "time"
 7
 8    "github.com/modelcontextprotocol/go-sdk/mcp"
 9)
10
11func main() {
12    // 1. 创建 MCP 服务器实例
13    server := mcp.NewServer("mcp-demo", "1.0.0")
14
15    // 2. 注册 "getCurrentTime" 工具
16    server.AddTool(mcp.Tool{
17        Name:        "getCurrentTime",
18        Description: "获取当前时间（支持时区参数）",
19        InputSchema: map[string]interface{}{
20            "type": "object",
21            "properties": map[string]interface{}{
22                "timezone": map[string]interface{}{
23                    "type":        "string",
24                    "description": "时区名称，如 'Asia/Shanghai'，默认为本地时区",
25                    "default":     "Local",
26                },
27            },
28            "required": []string{},
29        },
30        Handler: func(ctx context.Context, args map[string]interface{}) (interface{}, error) {
31            tzName, _ := args["timezone"].(string)
32            loc := time.Local
33
34            if tzName != "" && tzName != "Local" {
35                var err error
36                loc, err = time.LoadLocation(tzName)
37                if err != nil {
38                    return nil, fmt.Errorf("无效时区: %v", err)
39                }
40            }
41
42            now := time.Now().In(loc).Format("2006-01-02 15:04:05 MST")
43            return map[string]string{"time": now}, nil
44        },
45    })
46
47    // 3. 通过 stdio 启动服务器
48    if err := server.ServeStdio(); err != nil {
49        fmt.Println("服务器错误:", err)
50    }
51}

核心逻辑非常直接：

mcp.NewServer 创建服务器实例。
AddTool 注册工具，包含名称、描述、输入 JSON Schema 和处理函数。
ServeStdio 通过标准输入输出通信。

2.3 运行与测试

1go run main.go

服务器启动后，会通过 stdin 等待 JSON-RPC 请求。可以手动发送：

1{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"getCurrentTime","arguments":{"timezone":"Asia/Shanghai"}}}

在 VS Code 中配置 MCP Server 时，可在 .vscode/mcp.json 中添加：

1{
2  "servers": {
3    "mcp-demo": {
4      "type": "stdio",
5      "command": "go",
6      "args": ["run", "main.go"]
7    }
8  }
9}

3. 对外发布：让用户"下载即用"

如果希望用户下载对应平台的二进制文件后直接使用，核心思路是：交叉编译多平台二进制，通过 GitHub Releases 托管，再辅以包管理器或 Bundle 格式降低安装门槛。

3.1 交叉编译多平台二进制

Go 的交叉编译只需设置 GOOS 和 GOARCH。建议关闭 CGO，生成纯静态文件：

1# Linux amd64
2CGO_ENABLED=0 GOOS=linux GOARCH=amd64 go build -ldflags "-s -w" -o mcp-demo-linux-amd64
3
4# macOS Apple Silicon
5CGO_ENABLED=0 GOOS=darwin GOARCH=arm64 go build -ldflags "-s -w" -o mcp-demo-darwin-arm64
6
7# Windows amd64
8CGO_ENABLED=0 GOOS=windows GOARCH=amd64 go build -ldflags "-s -w" -o mcp-demo-windows-amd64.exe

建议至少覆盖：

平台	GOOS	GOARCH
Linux x64	linux	amd64
Linux ARM64	linux	arm64
macOS Intel	darwin	amd64
macOS Apple Silicon	darwin	arm64
Windows x64	windows	amd64

3.2 用 GoReleaser 自动化发布

手动逐个编译和上传容易出错。推荐使用 GoReleaser ，一条命令完成多平台构建、打包归档、生成校验和并上传 GitHub Releases。

初始化：

1goreleaser init

配置 GitHub Actions：.github/workflows/release.yml

 1name: Release
 2on:
 3  push:
 4    tags: ['v*']
 5jobs:
 6  release:
 7    runs-on: ubuntu-latest
 8    permissions:
 9      contents: write
10    steps:
11      - uses: actions/checkout@v4
12        with:
13          fetch-depth: 0
14      - uses: actions/setup-go@v5
15        with:
16          go-version: 'stable'
17      - uses: goreleaser/goreleaser-action@v6
18        with:
19          args: release --clean
20        env:
21          GITHUB_TOKEN: ${{ secrets.GITHUB_TOKEN }}

打 tag 推送即可自动发布：

1git tag v0.1.0 && git push origin v0.1.0

3.3 降低安装门槛：包管理器与 Bundle 格式

有了 GitHub Releases 产物，可以进一步接入分发渠道：

Homebrew Tap：自建 tap 仓库，用户 brew install 一条命令安装。
Scoop / Winget（Windows）、APT/YUM 仓库（Linux）：按目标用户群选择。
npm 包装：即使工具是 Go 编写，也可以发一个 npm 包，安装时按平台下载对应二进制——这是很多 CLI 工具（如 esbuild）采用的模式。
MCP Bundle（.mcpb）：Anthropic 推出的打包格式，把 MCP Server 及其依赖打成一个文件，用户在 Claude Desktop 里一键安装，适合面向非开发者用户分发。

4. 自然语言注册：让 AI 自己装 MCP

随着 MCP 生态成熟，出现了"用自然语言描述需求 → AI 自动寻找并配置 MCP Server"的玩法。典型流程：

用户在支持 MCP 的客户端（如 Claude Code、Cursor）中用自然语言说：“帮我接入一个能查 GitHub Issue 的 MCP 工具”。
客户端/AI 通过 MCP Registry （官方注册表）或社区目录检索匹配的 Server。
AI 生成配置（stdio 命令或远程 URL），写入 mcp.json，必要时引导完成 OAuth 授权。
重启会话后，新工具即可被模型调用。

要让你的 Server 被自然语言"搜到"，关键是：

在 MCP Registry 提交 Server 元数据（名称、描述、传输方式、安装方式）。
Description 写清楚工具做什么、参数含义——模型正是靠这些描述决定何时调用。
保持命名语义化，避免无意义的缩写。

5. 远程服务化：Streamable HTTP

stdio 模式要求 Server 与客户端同机运行。当工具需要共享状态、访问内网数据或被多人使用时，需要把 MCP Server 部署为远程 HTTP 服务。

5.1 Go 实现 Streamable HTTP 端点

官方 Go SDK 提供 Streamable HTTP 传输，只需把 ServeStdio 换成 HTTP handler：

 1func main() {
 2    server := mcp.NewServer("mcp-demo", "1.0.0")
 3    // ... 同前注册 Tool ...
 4
 5    handler := mcp.NewStreamableHTTPHandler(func(r *http.Request) *mcp.Server {
 6        return server
 7    }, nil)
 8
 9    http.Handle("/mcp", handler)
10    log.Println("MCP server listening on :8080/mcp")
11    log.Fatal(http.ListenAndServe(":8080", nil))
12}

客户端配置：

1{
2  "servers": {
3    "mcp-demo": {
4      "type": "http",
5      "url": "https://mcp.example.com/mcp"
6    }
7  }
8}

5.2 部署要点

认证：MCP 授权基于 OAuth 2.1；公网部署必须在网关层做鉴权，不能裸奔。
会话管理：Streamable HTTP 通过 Mcp-Session-Id 头维持会话，水平扩容时需保证同一会话路由到同一实例或共享会话状态。
SSE 流式响应：工具执行耗时长时可返回 SSE 流，注意反向代理（Nginx 等）要关闭缓冲。
部署形态：单二进制 + systemd/容器皆可；Kubernetes 部署时配合 HPA 按连接数或 CPU 扩缩容。

6. MCP 与 Agent Skill：关系与选型

MCP 之外，Anthropic 还推出了 Agent Skills（SKILL.md 格式）。两者常被拿来比较，实际定位不同：

维度	MCP	Agent Skill
本质	工具/数据接入协议（JSON-RPC）	指令 + 脚本的知识包（Markdown）
运行形态	独立进程或远程服务	客户端内按需加载的文件
适合提供	动态能力：查数据库、调 API、实时数据	静态知识：工作流程、领域规范、操作手册
集成成本	需实现协议、部署服务	复制一个目录即可
生态	跨厂商开放标准，客户端支持广	目前主要在 Claude 系客户端

协同模式：二者不是竞争关系。典型组合是——Skill 教会 Agent “怎么做”（流程、规范），MCP 提供"用什么做"（工具、数据）。例如一个运维排障 Skill 定义排查步骤，其中"查日志"这一步调用 MCP 的日志查询工具。

选型建议：

要暴露动态能力/私有数据给任何支持 MCP 的客户端 → 写 MCP Server。
要沉淀团队流程和领域知识，且主要在 Claude 生态使用 → 写 Skill。
复杂 Agent 产品 → 两者并用，Skill 编排流程，MCP 供给能力。

7. 总结

MCP 把"AI 应用 ↔ 外部工具"的集成从 N×M 的私有对接变成了 N+M 的标准对接。对个人和团队而言，现实的路径是：

用官方 Go SDK 几十行代码写出最小 Server，stdio 跑通本地工具。
GoReleaser + GitHub Releases 完成多平台分发，按需接入包管理器或 .mcpb。
提交 MCP Registry 元数据，让 Server 可被自然语言检索和安装。
有共享/内网需求时，切换 Streamable HTTP 远程化，做好 OAuth 与会话管理。
与 Agent Skill 按需组合：Skill 管知识，MCP 管能力。

从本地 stdio 到远程服务，从手动安装到自然语言注册，MCP 生态正在快速补齐"发布—发现—使用"的完整链路，现在投入的集成成本，未来会随客户端支持的普及而持续摊薄。

用心若镜，不将不迎，应而不藏，故能胜物而不伤. ——《庄子·应帝王》

MCP 实战：从最小 Go Server 到远程服务、发布分发与 Skill 协同