在上一篇文章中，我们手写了一个 mini‑Cursor Agent。并通过四个内联工具实现了自动创建项目、写入代码、安装依赖和开启服务的能力。很快你会发现这套方案隐藏着两个致命痛点

1. 项目锁定——工具代码硬绑定在 all-tools.mjs 中。想在别的项目复用只能复制粘贴，导致代码冗余、维护成本飙升。
2. 语言锁定

根源就在于缺乏标准化的 LLM ↔ 工具通信协议。MCP正是为了解决这个痛点而生，让工具独立于 LLM。支持本地/远程、跨语言调用，从根本上消除“项目锁定”和“语言锁定”。

为什么需要 MCP：从内联工具到跨进程调用

回顾之前 mini‑Cursor 的工具定义方式：

const tools =;const modelWithTools = model.bindTools;话说回来，

这段代码把工具和 Agent 放在同一个进程里导致以下结构性问题：

• 工具只能用 JavaScript 编写；其他语言的优秀实现无法直接复用。
• 每个新项目都必须复制一份完整的 all-tools.mjs形成“项目锁定”。
• L​LM 与工具之间没有统一协议，只能通过手写子进程包装或自行解析输出。

MCP 的主要思路是把工具搬出 Agent 进程。放到独立的 MCP Server 中，由 Agent 通过标准化协议进行调用。这样，无论是本地还是远程，无论是哪种编程语言。只要遵守协议，就能无缝对接。

说到两种传输模式，本地用 stdio。远程用 HTTP

传输方式	适用场景	底层机制
stdio	同机房、本地子进程之间的高效 IPC	S​tandard Input / Output 流交换 JSON 数据，实现低延迟跨进程调用。
HTTP	跨机器、跨网络或云端部署的远程服务调用。	S​tandard HTTP 请求/响应，兼容防火墙、负载均衡等公司级设施。

MCP 并不是另起炉灶。它只是把原来“函数调用”搬到了“IPC/HTTP 调用”，从而突破了语言与部署边界。

MCP Server：注册工具和资源

MCP Server 是一个独立进程，通过官方 SDK（@modelcontextprotocol/sdk) 创建。它可以注册两类对象：

• Tool——执行具体动作，例如查询数据库、输入命令等。
• Resource——提供静态背景信息，用作程序提示或 RAG 前置内容。

注册 Tool：让 Agent 能查询使用者信息

import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js';话说回来，import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';import { z } from 'zod';const database = {
users这方面，{
说到'001'，{ id: '001',name: '张三',email: '',role: 'admin' },'002': { id: '002'。name: '李四',email: '',role: 'user' },'003': { id: '003',name: '王五',email: '',role: 'user' },},};const server = new McpServer({
再看name。'my-mcp-server',version: '1.0.0',});server.registerTool(
'query_user',{
description:
'查询数据库中的使用者信息。输入使用者ID，返回该使用者的详细信息',inputSchema: {
userId的观点是。z.string.describe,},},async => {
const user = database.users;if {
return {
content:,};}
return {
content:,};},)，

.registerTool 接收三个参数：

• Name: 'query_user'
• Description & Schema: 告诉 LLM 参数类型与业务含义。
• Aynchronous handler: 实际业务逻辑。可使用任何语言实现，只要暴露符合协议的入口即可。

注册 Resource：给 LLM 补充背景知识

server.registerResource(
'使用教程'。'docs://guide',{
description: 'MCP Server 使用教程',mimeType: 'text/plain',},async => ({
contents:,}),);

The URI ) is a logical identifier—not a filesystem path—so same resource can be served from memory,DB or cloud storage without changing client code.

启动 Server：通过 stdio 暴露服务

const transport = new StdioServerTransport;
await server.connect;// 挂载到 stdin/stdout
console.log;说起来，

The server now listens on standard I/O streams. When an Agent spawns this script via ,two processes share a bi‑directional JSON channel.

MCP Client：Agent 如何接入 MCP

The client side is responsible for discovering available servers。pulling ir tool/resource catalogs and routing calls. LangChain provides a convenient wrapper @langchain/mcp-adapters.

import { MultiServerMCPClient } from '@langchain/mcp-adapters';import { ChatOpenAI } from '@langchain/openai';const model = new ChatOpenAI({
modelName : 'deepseek-v4-flash'。apiKey : process.env.DEEPSEEK_API_KEY,configuration : { baseURL : process.env.DEEPSEEK_BASE_URL },});const mcpClient = new MultiServerMCPClient({
mcpServers : {
'my-mcp-server' : {
command : 'node'。args :,// 方法视实际情况而定
},// 可以继续添加其它语言实现的服务器
},});

The client internally uses . Each entry in MCP Servers a map of logical names → launch instructions.

获取 Tool 和 Resource

// 拉取所有已注册的 Tool
const tools = await mcpClient.getTools;其实，// →
// 拉取所有已注册的 Resource
const resourcesByServer = await mcpClient.listResources;let systemPrompt = '';for ) {
for {
const contentObj = await mcpClient.readResource;systemPrompt += contentObj.contents.text + '
';}
}
console.log;

The returned tool list can be directly bound to LLM just like inline tools:

javascript const modelWithTools = model.bindTools;

The crucial difference is that each tool now executes in an **independent process**—potentially written in Python,Go or Rust—while Agent stays in JavaScript.

ReAct 循环 + MCP 工具

javascript async function runAgent { const messages =;

for { const response = await modelWithTools.invoke;messages.push;

// 没有 tool_calls → 完成对话 if return response.content;老实说，

// 对每个 toolcall 发起真实跨进程调用 for { const toolDef = tools.find;不过，if continue;const result = await toolDef.invoke;// ← 实际走 stdio/HTTP messages.push( new ToolMessage({ content : result。toolcall_id : call.id,}) );说起来，} } // 超出迭代次数仍未得到答案 → 返回最新消息 return messages.at.content;}

// 示例调用 await runAgent;await runAgent;

// 别忘了关闭子进程，否则 Node 主程序会一直挂着占资源。怎么说呢，await mcpClient.close;

The call to .close) is often overlooked but essential—without it every spawned server stays alive,consuming CPU & memory and preventing script from exiting.

MCP 与传统 Tool Use 的本质区别

维度	内联 Tool Use	MCP
位置	Agent 同一进程内部	独立进程
语言限制	必须与 Agent 同语言	任意语言。只要实现协议即可
复用性	复制粘贴代码 → 项目锁定	单个 Server 可被多个 Agent 引用，实现真正共享
生命周期管理	随 Agent 启动结束而生灭，同步释放	由 Client 显式 close 控制，可独立监控 & 重启
传输方式	函数直接调用	stdio或 HTTP通信

MCP 并不是要抛弃现有 Tool Use，而是把它升级为「跨进程」版。Tool 本身仍然是「名称 + Schema + 执行函数」三要素，只是执行方法从「内存函数」变成「IPC/HTTP 请求」。这正好对应前文提到的两大痛点——项目锁定与语言锁定得到根治。

MCP的主要价值可以浓缩为一句话：

• "给 Model Context，让它能做更多，知道更多。而且通过统一 Protocol 实现跨语言跨部署"

技术拆解三层：

跨进程通信 — Agent 用 child_process.spawn 启动 Server；std​io 或 HTTP 把 JSON 消息搬运过去；按理说，低延迟、本地安全或云端弹性随需求切换。话说回来，

工具 vs.资源分离 — Tool 用来「做事」；Resource 用来「告诉事」。二者都作为模型上下文注入，却分别对应不同的数据流向。.

生命周期管理 — MultiServerMCPClient 完全负责启动 / 停止 / 心跳监控；显式 .close 防止僵尸子进程泄漏。

<\/ul> <\/li> <\/ul>

---