AI 应用技术全景图 · 第7篇 / 共16篇
在这里插入图片描述
大家好，我是程序猿Joe。
上一篇讲完 Function Calling，我们那套助手已经能查订单、提工单、发通知了。当时我还挺得意，觉得这活儿干得挺漂亮。然后需求就一个接一个来了。
接 Jira，写一套 schema、一套鉴权、一套错误处理。
接 GitLab，再写一套。
接内部 CRM，再写一套。
接监控系统，再写一套。
写到第十个的时候，产品端着咖啡过来说：“我们再对接一个数据平台吧。”
我当时的表情，大概跟被要求第 N 次手写getter/setter时一模一样。更让人泄气的是后半段：这些工具定义全都绑死在我们自研的 Agent 里，隔壁组在做差不多的事，他们又从零重写了一遍。同一个 Jira，公司内部至少躺着三份对接代码，各自维护，各自出 bug，各自在半夜把人叫起来。
MCP 要解决的就是这件事。这篇我把它是什么、怎么写、以及我用了小半年之后的真实判断讲清楚。
先看清楚问题：N × M
假设有 N 个 AI 应用（ChatGPT、Claude、你司自研 Agent……），M 个外部系统（Jira、数据库、文件系统……）。在没有统一协议的年代，要让它们两两互通，你得写 N × M 套适配代码。
