MCP
Model Context Protocol（MCP）是一种开放协议标准，由Anthropic提出，旨在规范大型语言模型（LLM）与外部工具、数据源及服务之间的上下文交互方式。MCP定义了模型如何请求、接收和使用外部上下文信息，支持工具调用、资源访问等能力，使AI应用能够以标准化方式集成多种外部系统，提升模型的可扩展性与互操作性。
核心事实
时间轴 (近 90 天)
面向开发者、以‘被调用’为价值主张的工具类 AI 应用最应优先进行 MCP 上架，因为不在目录中就会从代理工作流中消失。
如果应用没有出现在 MCP 相关平台上，它就等于不存在（该判断来自一位 YouTube 创作者）。
MCP 目录上架与移动时代的 ASO（应用商店优化）逻辑同构，但 MCP 目录多由社区和生态方维护，收录门槛、排序逻辑、更新频率各不相同。
MCP 目录生态是碎片化的，没有单一权威渠道能覆盖全部发现路径。
面向普通消费者的独立产品、以品牌和体验为核心的应用，短期内未必需要把 MCP 目录覆盖当作优先级。
务实的做法是：先扎实完成 MCP 接入，再挑两三个与自身用户画像最匹配的目录先行上架，观察流量和调用情况后再决定是否铺满全部 10 个位置。
Exoproc 基于 stdio 传输，客户端把服务器作为子进程启动，双方通过标准输入输出交换 JSON-RPC 消息，无需开放网络端口。
Exoproc 是一个基于 stdio 的开源 MCP 服务器，让 Claude Code 能够接入活跃的 Windows x64 进程。
面试官可能会问“什么叫向量数据库？”“RAG如何挂载知识库？”“MCP是什么？”等问题，这些已成为大模型方向岗位的必问题。
MCP 和 Skill 最初都是 Claude Code 提出的产品标准，后来被广泛引用，LangChain 很快在 Deep Agents 模块中提供了直接支持
还有 40 条时间轴事件
全部知识事实 (20)
同时连接多个 MCP 服务器时，仅工具描述就可能消耗数千甚至上万 tokens
90%已验证MCP定义了三种核心原语：Tools（工具调用）、Resources（资源读取）和Prompts（提示模板）
90%已验证MCP旨在解决大语言模型与外部数据源、工具之间的连接碎片化问题
90%已验证MCP（Model Context Protocol）由Anthropic于2024年底开源发布
90%已验证MCP采用客户端-服务器架构，基于标准化的JSON-RPC通信协议
90%已验证MCP中每个工具都有严格的JSON Schema描述，包括名称、功能说明和参数规范
90%已验证Anthropic于2024年底推出了MCP（Model Context Protocol，模型上下文协议），这是一个旨在规范AI模型与外部工具、数据源之间交互方式的开放标准
90%已验证在MCP出现之前，每个AI应用都需要为每种工具单独编写集成代码，维护成本极高
90%已验证MCP的设计思路借鉴了LSP（Language Server Protocol），试图统一AI模型与外部系统之间的上下文传递方式
90%已验证MCP的设计灵感来源于微软提出的语言服务器协议（LSP）
90%已验证MCP（模型上下文协议）是Anthropic于2024年底发布的开放标准协议
90%已验证Anthropic于2024年底提出了MCP（Model Context Protocol）协议，尝试为Agent间通信建立统一标准
90%已验证MCP Server 可以暴露工具（Tools）、资源（Resources）和提示词模板（Prompts）三类能力
90%已验证MCP将AI应用与外部工具的集成复杂度从M×N标准化为M+N
90%已验证Claude Code添加MCP服务器时有三种作用范围：Project（项目范围）、Local（本地范围，默认值）和Global（全局范围）
85%已验证在MCP出现之前，开发者若想让AI调用外部服务，通常需要为每个服务单独编写函数调用（Function Calling）代码，且不同模型提供商的接口互不兼容。
80%已验证WorkBuddy通过MCP（模型上下文协议）方式接入外部系统，如腾讯文档、企业微信、数据库
80%已验证DeepSeek Harness的核心设计哲学是将一切都作为插件处理，包括工具、技能和绘图功能
80%已验证间接提示注入攻击通过在正常业务数据中植入隐藏指令，诱导Agent执行未经授权的操作，属于语义层面而非代码层面的安全风险
80%已验证MCP中工具（Tool）由模型决定调用，提示词（Prompt）由用户触发，资源（Resource）由应用程序控制
80%