据说，MCP 是 AI 界的“超能力”，今天，咱们一口气讲清楚，MCP 是个啥～

一、MCP 是什么 &MCP 应用场景

MCP（模型上下文协议）是一个开放协议，用于规范应用程序向大型语言模型（LLMs）提供上下文的方式。可以把 MCP 想象成 AI 应用的 USB 接口，正如 USB 为设备与各种外设和配件之间的连接提供了标准化方式，MCP 也为 AI 模型与不同数据源和工具的连接提供了统一标准。借助 MCP，可以在 LLM 之上构建智能体和复杂的工作流，并让模型真正与外部世界相连。

所以 MCP 的核心价值，不仅仅是让 AI 能执行现成的任务，更重要的是它提供了一个开放的标准，让每个团队都能把自己的专属工具，比如内部的发布系统、日志平台，都接入进来，让 AI 真正成为团队里“无所不能”的一员。而 Comate 的 Coding Agent Zulu 作为 MCP 客户端，可以选择向 MCP 服务发起请求，使用它们提供的工具、读取数据源等，从而扩展功能。我们日常开发中就可以为 Coding Agent 添加所需的 MCP 服务。

举一个开发者经常会用到的场景，在本地开发结束后，需要提交代码到远端代码仓库，现在 GitHub 已经提供了 MCP 来帮助开发者完成相关的工作。比如我们可以用自然语言来指示"帮我把修改的代码提交到 Feature 分支，并自动创建一个新 PR"，或者指示 MCP 帮你添加评论、合并分支。就像有一个编程助理坐在你旁边，只要告诉他要干什么，他就会帮你完成。这个就是 MCP 在开发者工具链中的典型应用。

二、MCP 使用 Case 演示

Case1：MCP 的基础使用

举个例子演示一下 MCP 在 Coding Agent，也就是我们 Zulu 中的基础使用场景。将通过两个 MCP 的组合，实现类似一个 Manus 的功能，Manus 其实是之前比较火的一个通用 Agent 工具，其实本质上可以拆解为大模型+浏览器自动化+分步思考，今天我们就通过 Play wright + Sequential Thinking 两个 MCP 的组合来实现这一点，Play wright 负责浏览器调用，Sequential Thinking 负责深度思考，来拆解任务。

我们就让他们帮助我们实现以下功能：帮我查找 MCP 相关资料并整理成一份让外行小白也能快速看懂的 MCP 调研报告。

👉点击观看视频：mcp的基础使用演示

Case2：开发一个 MCP 服务

社区的 MCP 不满足我们的需求怎么办，那么这个时候可以开发一个自己的 MCP，MCP 官方给了两种推荐的通信方式：

首先是 STDIO 模式：这种模式下 MCP Client 会自己创建 MCP Server 子进程，二者通过标准输入输出进行通信，先来演示一个 STDIO 模式的 MCP 服务开发，其实有了我们的 Coding Agent，给 Coding Agent 开发 MCP 的工作也可以交给 Coding Agent。

作为最早支持的模式，我们平时见到的 MCP Server 大多是使用 STDIO 模式传输的，比如 git、filesystem 等。他们都有一个特点，由我们的 MCP 客户端启动，新建的 Server 进程是客户端创建的子进程，创建后的 MCP Server 会通过 stdout 向客户端发送信息，通过 stdin 接收客户端信息，如果 server 想给客户端发送日志，必须通过 stderr 通道发送，因为 stdin 和 stdout 是专门留给 JSON-RPC 通信用的，如果你往这里写入东西，就会造成 JSON-RPC 解析失败的问题。

👉点击观看视频：开发一个mcp服务

其次是 Streamable HTTP 模式：此模式下 MCP Server 一般部署在远程的服务器，并通过一个端口暴露出来，MCP Client 可以通过这个指定的端口连接到 MCP Server。接下来我再演示一个 Streamable HTTP 模式的 MCP 服务开发：

👉点击观看视频：streamable HTTP 模式

除了以上提到的两种通信方式，还有一个 SSE 模式，也可以实现远程消息推送，但官方现已不推荐使用，而是转向 Streamable HTTP，你甚至可以自己定义一种通信方式，但无论是哪种方式，都是通过 JSON-RPC 对信息进行组织，并且使用 UTF-8 进行编码。

Case3：百度 DevOps MCP 实践

除了自己动手或者用 Zulu 来帮忙开发 MCP Server，我们在百度内部建设了 MCP 工具中心支持 0 代码开发 MCP。DevOps 平台通常都有开放的 OpenAPI 或脚本工具，那我们通过百度的 MCP 工具中心，就可以低成本的将 OpenAPI 和脚本转为 MCP Server。已经自己开发的 MCP Server 通过这种方式注册到平台上，完成分发与共享。

接下来介绍一下百度内 DevOps MCP 在 Zulu 中的应用实例。IDE 是开发者的主要工作环境，但是当需要查看需求内容、查看评审建议及流水线运行状态时，都需要再到浏览器上打开相关的页面进行查看。但是当我们把相关的 DevOps MCP 添加到 Zulu 之后，在本地就可以完成一站式的 DevOps 研发流程，非常便捷。

我们可以在 Zulu 中创建自定义智能体"百度 DevOps"，把 MCP 添加进去，连接成功后就可以开始用自然语言发号施令了！演示的需求是一个非常简单但是又很常见的，"广场上 MCP 列表默认按照 MCP 的浏览量倒序排列"。类似的小需求不需要 RD 动手，PM 或者 FE 就可以通过 Zulu 来完成，还节省了 PM 学习各种 DevOps 平台操作的时间。

首先让百度 DevOps 帮我查询需求卡片的内容：

然后帮我实现这个功能，可以看到它对代码的结构分析非常精准，很快找到了需要修改的文件，并且完成了任务

接下来让它帮我提交这次修改的代码，并且按照百度代码提交的规范，把卡片 id 添加到 message 中。可以看到，它成功的帮我完成了这次任务

最后查询一下当前模块最近一次的流水线构建状态。代码提交 CR 后会自动触发流水线的执行，会执行云端编译、静态代码扫描、单测回归等任务，只有流水线成功运行才能继续代码评审的流程。

三、用户常见问题 Q&A

Q1：对于新手来说，如何快速接入 MCP 呢？

A1：最快的方式就是使用像文心快码这样的 MCP 客户端，直接体验一些现成的 MCP Server，比如 GitHub、Google 搜索、MySQL 等。只需要在配置文件里添加几个参数，就能立刻用上。第二步再尝试开发自己的 MCP，可以先从脚本工具或 API 封装开始，这样几行代码就能把你常用的工具变成 MCP Server。

Q2：应该如何判断自己何时需要 MCP，以及需要什么样的 MCP 呢？

A2：可以问自己这几个问题：比如是否需要让模型理解外部上下文？是否需要调用外部工具/服务，比如调用公司内部系统的接口（API）、CI/CD 系统、执行 Git 操作、检索日志？是否需要和多个上下游系统打通？总之一句话，当你需要把业务场景融入编码智能体，而数据和工具又不是模型天然知道的，就需要 MCP。

Q3：现在 MCP 很流行，它是否存在安全隐患，又该如何规避呢？

A3：MCP 的安全隐患肯定是存在的，首先我们应该注意供应链保障与信任管理，比如仅从可信来源安装 MCP 组件，作为 MCP 市场的提供方也会同时对 MCP 包源进行白名单管理，而作为 MCP 的开发者，在开发自己服务的 MCP 时，如果服务有安全要求，也应该对 MCP 客户端启用严格身份验证机制（如 token 校验等），防止身份伪造与未授权访问。总之 MCP 在赋予开发者强大的能力的同时，也同时在强调安全责任共担，共同确保技术创新与用户权益的平衡。

Q4：MCP 和传统的插件、API 网关相比，有什么本质不同？

A4：传统 API 或插件，通常是“点对点”的接入方式：你要么写一段代码调用接口，要么针对某个软件开发一个插件。而 MCP 更像是一个“通用插座”，不管是内部系统、外部服务，还是本地工具，只要做成 MCP Server，就能通过统一协议接入 AI。这意味着你不需要为每个模型、每个工具单独写适配代码，只需要接入一次，就可以低成本添加任何 MCP。

Q5：为什么企业里需要 MCP？

A5：很多公司内部有不同系统，平时要找数据、跑任务要来回切换。MCP 就像一个“中控台”，把这些分散的系统拉到一个窗口里，让 AI 可以帮你“一站式操作”，不用再来回点开几十个软件。

你可以把企业里的系统想象成一栋大楼里的各个办公室：人事、财务、研发、客服都在不同的房间里。以前如果员工要查资料，就得一个个办公室跑，流程繁琐。MCP 的作用，就像是在大楼大厅里放了一个“总服务台”，员工只需要说一句需求，总服务台就会帮你去做每一件事儿，最后给你一个完整的答案。所以，企业引入 MCP，就像是给所有人配了一个“万能小助手”。

Q6：有哪些业内优秀的 MCP 推荐？

A6：文心快码前端研发给咱们推荐数据库类 MCP，这类 MCP 不仅可以帮助你调用一些基础的 SQL 能力，比如链接 mysql 或者 mongo 数据库，还可以通过 MCP+数据库的方式，实现一种堪比 RAG 检索效果甚至更好的效果，要搞 RAG 还要实现向量数据库，成本还是不小的，而通过 MCP 方式成本更小，还有一些针对数据的统计或者总结会通过 text2sql 的方式会比传统 rag 方式更好，不过操作数据库的话就要注意，提示模型执行一些删除操作要格外小心。

文心快码产品经理给咱们推荐两个 MCP，一个像是 AI 的“眼睛” Fetch，它能帮模型去抓网页上的内容，把原本复杂、乱七八糟的网页信息，整理成干净、结构化的数据。比如你让 AI 去看一个新闻网站，或者公司内部的知识库网页，Fetch 能直接抓下来，再转换成 AI 看得懂的格式，这样 AI 就能立刻回答相关问题。还有一个 Memoty，像是 AI 的“大脑”，把知识、关系、上下文存进一个知识图谱里，就像把碎片的信息整理成一个“关系网”。下次再聊，AI 不用你从头讲，它可以直接“翻笔记”，记住之前的业务数据、同事关系、产品信息，甚至能自己去推理出新的结论。

直播主讲人：文心快码前端研发、产品经理

想成为 AI 编程弄潮儿？一键关注“文心快码 Baidu Comate”一起玩转 AI 编程！还会不定期发布最新活动和福利～