MCP 深入

agt-mcp 介绍了 tools / resources / prompts；本课聚焦 Host 与 Server 职责、本地 stdio 与远程 SSE 部署、网关映射——在 ai-agents 路线图 里把 MCP 当 生产级工具总线 而非仅 Cursor 插件。

学习目标

• 分清 MCP Host、Client、Server 与 LLM 应用的关系
• 会设计本地 dev 与远程生产的连接方式
• 把 MCP tools 映射到各厂商 function calling 格式

Host / Server 模型

LLM 应用（你的 Agent 服务）= MCP Host
    内嵌 MCP Client(s) ──stdio/SSE──► MCP Server A（检索）
                                    └► MCP Server B（Git/DB）

组件	做什么
Host	聚合能力、鉴权、把 tools 交给模型
Client	协议会话：list_tools、call_tool、read_resource
Server	暴露领域能力；持有 secrets

模型 只 看到 Host 转发的 tool 列表；不 直连 Server 网络端口。

本地与远程部署

本地（stdio）

// 客户端配置示意
{"command": "node", "args": ["./servers/search/dist/index.js"], "env": {"INDEX_PATH": "./data"}}

• 适合：本机文件、dev 索引、无公网暴露
• 注意：pin 版本；CI 勿随意拉未审计包

远程（SSE + HTTP）

Agent 网关 ──HTTPS + Bearer──► MCP Server（K8s / VM）
                              └── 后面接 ES、Postgres、内部 API

• 适合：团队共享检索、多 Host 复用
• 必须：TLS、最小 scope token、审计 call_tool

映射到 function calling

def to_openai_tools(mcp):
    return [{"type":"function","function":{
        "name":t.name,"description":t.description,"parameters":t.input_schema
    }} for t in mcp.list_tools()]

def dispatch(name, args):
    return mcp.call_tool(name, args)  # 统一出口：日志、限流、allowlist

Resources 由 Host 按需 read_resource 注入，避免全量拉取。进阶重点：Server 拆分、网关 allowlist、多 Server 组合（安全见 aga-safety）。

练习

• 画 Host / 两个 Server / secrets 存放位置