MCP 学习路线图

quote 一句话定位

MCP 是 AI 的 USB-C 接口。在它出现之前,每个 AI 应用都得自己造一套插头,和每个外部工具单独谈判;有了它之后,接口统一了,世界清净了。

为什么需要这个系列

2024 年底,Anthropic 发布了 Model Context Protocol(MCP)。这件事的意义不亚于当年 USB-C 统一充电标准——之前你的笔记本、手机、相机各有一套接口,充电线一抽屉;现在一根线走天下。

MCP 干的是同一件事,只不过连接的不是设备,而是 AI 与外部世界。

在 MCP 之前,数据工程师想让 AI 查数据库,可以自行编写 Function Calling 集成代码,也可以通过 LangChain 等框架组织工具;更换模型时是否需要调整集成,取决于模型接口、工具定义格式和框架适配能力,并非必然全部重写。MCP 之后,你写一个 Server,Claude、Cursor、任何支持 MCP 的 AI 工具都能用。

这个系列分4篇,从协议理解到生产落地,给数据工程师用的。


整体学习路径

%%{init: {"theme":"base","themeVariables":{"fontFamily":"PingFang SC, -apple-system, Source Han Serif SC, serif","fontSize":"16px","background":"#FDFBF5","primaryColor":"#FDFBF5","primaryTextColor":"#2D2A26","primaryBorderColor":"#6E6A60","secondaryColor":"#E8EFE8","secondaryBorderColor":"#8FA890","secondaryTextColor":"#2D2A26","tertiaryColor":"#FDFBF5","tertiaryBorderColor":"#9A9488","tertiaryTextColor":"#6E6A60","lineColor":"#6E6A60","textColor":"#2D2A26","mainBkg":"#FDFBF5","nodeBorder":"#2D5A3D","clusterBkg":"#F3EEDF","clusterBorder":"#9A9488","edgeLabelBackground":"#FDFBF5"},"flowchart":{"htmlLabels":true,"curve":"basis","padding":20,"nodeSpacing":60,"rankSpacing":70,"useMaxWidth":false},"themeCSS":".node rect, .node polygon, .node circle { stroke-width: 1.5px; } .edgePath .path { stroke-width: 1.5px; } .cluster-label .nodeLabel, .cluster-label foreignObject { color: #2D2A26 !important; } .edgeLabel, .edgeLabel foreignObject { color: #2D2A26 !important; background-color: #FDFBF5; } .edgeLabel rect { fill: #FDFBF5; }"}}%%
flowchart TD
    Start([开始学习 MCP]) --> P1

    P1["阶段一:理解协议<br>MCP协议核心概念"]
    P2["阶段二:连接数据工具<br>数据工具MCP集成实战"]
    P3["阶段三:开发 MCP Server<br>MCP Server开发实践"]
    P4["阶段四:生产落地<br>(部署、认证、监控)"]

    P1 --> P2 --> P3 --> P4

    P1 -. "了解 Host/Client/Server 三要素<br>Tools/Resources/Prompts 三种能力" .-> P1
    P2 -. "数据库接入<br>数据目录接入<br>Airflow 接入" .-> P2
    P3 -. "完整 Python SDK 开发<br>调试与测试<br>SSE 远程部署" .-> P3
    P4 -. "Docker 化<br>Bearer Token 认证<br>生产监控" .-> P4

    style Start fill:#4A90D9,color:#fff
    style P1 fill:#E8F4FD,stroke:#4A90D9
    style P2 fill:#E8F5E9,stroke:#43A047
    style P3 fill:#FFF3E0,stroke:#FB8C00
    style P4 fill:#FCE4EC,stroke:#E91E63

两类读者,两条路线

路线 A:数据工程师(重点看 02)

你已经有数据仓库、数据平台、Airflow,想让 AI 能直接操作这些系统。

01(了解概念 30 分钟)→ 02(重点,实战配置)→ 03(可选,如果要自研)

最快上手方式:直接去 数据工具MCP集成实战,按场景一尝试接入 PostgreSQL;若数据库、访问权限及支持 MCP 的 Claude 客户端配置均已准备好,可将 10 分钟作为快速接入的示例目标,实际耗时取决于环境。

路线 B:AI 应用工程师(重点看 03)

你要开发一个 AI 应用,需要暴露内部服务给 AI 调用。

01(理解协议设计) → 03(重点,从零开发 Server) → 02(参考实现)

最快上手方式:直接去 MCP Server开发实践,跟着"数据分析助手"项目实战做一遍。


MCP 与其他集成方式的对比

理解 MCP 的定位,最好的方式是搞清楚它和其他方案的区别。

维度 MCP OpenAI Function Calling LangChain Tool REST API
标准层级 协议层(开放标准) 模型 API 的工具调用接口机制 框架层工具抽象(Python 与 JavaScript/TypeScript 生态) 基于 REST 架构风格的 API,通常使用 HTTP
跨模型支持 可供支持 MCP 的客户端复用(如 Claude、Cursor、Windsurf,具体能力取决于实现) OpenAI 接口面向其支持的模型;迁移到其他模型需检查兼容性 取决于模型集成与工具适配 可供不同应用调用,但 AI 工具调用适配需另行实现
语言无关 协议层是(JSON-RPC),具体开发取决于 SDK 接口调用不限定宿主编程语言 有 Python 与 JavaScript/TypeScript 生态,具体能力取决于实现 接口调用不限定宿主编程语言
上下文感知 是(Resources 机制) 否 部分 否
流式支持 是(SSE 传输) 是 部分 需自行实现
本地进程 是(stdio 传输) 否 否 否
学习成本 中 低(仅限 OpenAI) 中 低
生产成熟度 快速成熟(2024 年底发布,已广泛采用) 高 高 高

tip 怎么选

  • 只用 OpenAI,且不想维护 Server?用 Function Calling
  • 快速原型,Python 生态,不考虑跨模型?用 LangChain Tool
  • 需要跨模型、跨语言、长期维护、给多个 AI 工具复用?用 MCP
  • 已有 REST API 想暴露给 AI?在 REST API 外面包一层 MCP Server

系列文档索引

文档 定位 难度 预计时间
MCP协议核心概念 协议设计、三要素、通信机制 入门 60 分钟
数据工具MCP集成实战 数据库、数据目录、Airflow 接入 中级 90 分钟
MCP Server开发实践 从零开发生产级 MCP Server 进阶 120 分钟

前置知识检查

在正式学习之前,确认自己具备以下基础:

必须有:

  • Python 基础(能看懂 async/await,能用 pip 装包)
  • 对 JSON 格式不陌生
  • 用过至少一个 AI 编程工具(Claude、Cursor、Copilot 都算)

有更好:

  • 了解 HTTP 和 REST API 的基本概念
  • 用过 PostgreSQL 或任意关系型数据库
  • 知道 Airflow 是干什么的

不需要:

  • 不需要了解 LLM 模型原理
  • 不需要懂 Transformer 架构
  • 不需要有 ML 背景

相关知识网络

#MCP #AI工程 #协议 #数据集成 #AI-Native