目前，MCP（Model Context Protocol）协议并不是一个广泛标准化或公开开源的协议标准。不过，在某些AI工具链和LLM开发框架中，确实出现了以“MCP”命名的内部通信机制，尤其是在与语言模型代理（LLM Agent）和工具调用接口相关的系统中。
假设场景：
MCP是用于Agent与外部工具之间交互的协议。
其核心目标是：
1、标准化请求/响应格式
2、支持多轮对话上下文
3、支持工具调用（tool call）
4、可扩展性强
1、定义MCP消息结构（JSON格式）
json示例：
{
"protocol": "MCP", // 表示使用的协议是MCP（Model Calling Protocol）
"version": "1.0", // 当前使用的MCP版本为1.0
"request_id": "abc123", // 请求的唯一标识符，便于后续追踪和关联请求/响应。
"timestamp": 1720000000, // 时间戳，表示请求发送的时间（单位：秒）
"context": { // 会话上下文信息
"conversation_id": "conv_987654", // 会话唯一ID，用来标识一次会话流程
"history": [ // 会话历史记录
{"role": "user", "content": "查询北京天气"},
{"role": "assistant", "content": "正在为您查询..."}
]
},
"tool_call": { // 这是一个工具调用请求
"name": "get_weather", // 要调用的工具名称，这里是get_weather，表示“获取天气”
"parameters": { // 工具所需的参数
"location": "北京" // 参数为北京，即查询北京的天气
}
}
}
整个JSON的作用是：
在一次编号为conv_987654的对话中，模型识别到用户想要查询北京天气，于是大模型生成了一个名为get_weather的工具调用请求，并附带了参数location: 北京，以便外部系统执行该操作并返回结果。
这体现了MCP的核心思想：模型作为智能中枢，通过标准协议调用外部工具来扩展能力。
2、Python客户端（发送MCP请求）
以下脚本模拟一个客户端角色，构造并发送一个符合MCP v1.0协议的JSON请求体，并对本地运行http://localhost:8080的服务端发送一个POST请求，然后打印出接收到的响应。
python示例：
import json // 用于构建和解析JSON数据
import requests // 发送HTTP请求（如POST）
import time // 获取当前时间戳
# 构建 MCP 请求
mcp_request = { // 构建一个请求的json，类似上面JSON的介绍
"protocol": "MCP",
"version": "1.0",
"request_id": "req_001",
"timestamp": int(time.time()),
"context": {
"conversation_id": "conv_123",
"history": [
{"role": "user", "content": "查询北京天气"},
{"role": "assistant", "content": "正在为您查询..."}
]
},
"tool_call": {
"name": "get_weather",
"parameters": {
"location": "北京"
}
}
}
# 发送请求到MCP服务端
url = "http://localhost:8080" // 请求地址
headers = {'Content-Type': 'application/json'} // 请求参数格式
// 向http://localhost:8080服务端发送POST请求,参数mcp_request和请求头headers
response = requests.post(url, data=json.dumps(mcp_request), headers=headers)
# 打印响应
print("MCP Response:")
print(json.dumps(response.json(), indent=2)) // 打印服务端的响应
注意：
在运行这个客户端脚本前，请确保你已经运行了前面那个服务端程序（监听在8080端口），否则会报错连接失败。
3、Python服务端（接收MCP请求并处理）
以下代码实现了一个简单的HTTP服务端（Server），接收并处理符合MCP（Model Calling Protocol）v1.0协议的请求。模拟了模型调用工具（如get_weather）的过程，并返回结构化的响应。
python示例：
import json // 导入模块，用于JSON数据的解析和构造
from http.server import BaseHTTPRequestHandler, HTTPServer // 导入模块，用于HTTP请求
class MCPRequestHandler(BaseHTTPRequestHandler):
def do_POST(self): // 定义post请求处理方法
content_length = int(self.headers['Content-Length']) // 从请求头中读取数据长度
post_data = self.rfile.read(content_length) // 从输入流中读取原始数据
mcp_request = json.loads(post_data) // 将其解析为 Python 字典对象
print("Received MCP Request:") // 原样打印字符串
print(json.dumps(mcp_request, indent=2)) // 打印mcp请求参数
# 解析 tool_call
tool_name = mcp_request.get("tool_call", {}).get("name") // 获取调用的工具名称 tool_call.name,即上json的get_weather
params = mcp_request.get("tool_call", {}).get("parameters", {}) // 获取调用所需的参数 tool_call.parameters ,即"location": "北京"
# 模拟调用get_weather工具
if tool_name == "get_weather": // 如果调用是get_weather，则模拟调用
location = params.get("location") // 获取参数，北京，模拟调用
response_content = f"北京当前天气为晴朗，气温25°C。" // 模拟得到响应
else:
response_content = "未知工具调用。" // 否则返回“未知工具”提示
# 构造MCP响应
mcp_response = { // 构造一个标准的MCP响应JSON
"protocol": "MCP", // 协议
"version": "1.0", // 版本
"request_id": mcp_request["request_id"], // 请求id和入参要一致
"timestamp": 1720000001, // 时间戳
"response": { // 响应
"content": response_content, // 调用得到的内容
"status": "success" // 调用状态，成功
}
}
self.send_response(200) // 设置HTTP状态码为200（OK）
self.send_header('Content-type', 'application/json') //设置响应头为JSON类型
self.end_headers()
self.wfile.write(json.dumps(mcp_response).encode()) // 发送响应内容
if __name__ == "__main__": // main方法
server_address = ('', 8080) // 创建HTTP服务器实例，监听8080端口
httpd = HTTPServer(server_address, MCPRequestHandler)
print("Starting MCP Server on port 8080...")
httpd.serve_forever() // 启动服务器并持续运行
解释下：
可以使用如上客户端代码示例创建json体并发送请求示例。也可以直接使用curl或Postman发送POST请求到http://localhost:8080，如下：
示例：
curl -X POST http://localhost:8080 \
-H "Content-Type: application/json" \
-d '{
"protocol": "MCP",
"version": "1.0",
"request_id": "abc123",
"timestamp": 1720000000,
"context": {
"conversation_id": "conv_987654",
"history": [
{"role": "user", "content": "查询北京天气"},
{"role": "assistant", "content": "正在为您查询..."}
]
},
"tool_call": {
"name": "get_weather",
"parameters": {
"location": "北京"
}
}
}'
服务端会接收你的请求进行处理，并返回类似如下响应。
json示例：
{
"protocol": "MCP",
"version": "1.0",
"request_id": "abc123",
"timestamp": 1720000001,
"response": {
"content": "北京当前天气为晴朗，气温25°C。",
"status": "success"
}
}
4、总结
尽管目前没有统一的“官方”MCP协议，但在实际开发中，这种轻量级上下文交换协议非常实用，尤其适用于：
- LLM Agent与插件之间的通信
- 多模型协作时的状态同步
- 内部服务间的标准化接口
- 支持多轮对话与上下文保持
向阳而生，Dare To Be！！！