MCP能力
什么是MCP？
MCP 是 Model Context Protocol 的缩写，即模型上下文协议。它是由 Anthropic 公司推出的开源协议，旨在标准化大型语言模型与外部数据源、工具的交互方式。
通俗理解：
MCP 就像 AI 和工具之间的 “翻译官”，它制定了一套标准对话规则，让不同 AI 模型（比如 Deepseek、Qwen）都能用同样的方式和各种系统 “聊天”。以前每个 AI 都要学不同的 “方言” 才能操作数据库等工具，现在它们只要会说 MCP 这个 “普通话” 就行。
核心作用：
MCP 可以让大语言模型轻松连接各种数据源和工具，就像给 AI 装了一个 “万能插座”。比如你让 AI 部门系统的业务数据，以前需要专门写代码连接数据库，现在通过 MCP “插上” 系统数据库，AI 就能自动理解数据格式直接调取。它解决了统一接口、安全保障和即插即用的问题，让 AI 不再是只能聊天的程序，而是能真正操作现实系统的智能体。
架构组成：
MCP 采用客户端 - 服务器架构，包含 Host（宿主应用）、Client（客户端）和 Server（服务器）三个核心模块。
Host 是用户与 AI 交互的界面，负责发起请求；
Client 作为 LLM 与服务器的桥梁，管理连接并解析工具调用指令；
Server 是MCP构架中的关键组件，提供资源（Resources）、工具（Tools）和提示（Prompts）。
常见应用场景举例：
- 通过联网搜索向AI提供最新信息
常见的 AI 助手采用通过联网搜索获取实时信息。当用户开启联网搜索时，助手先将用户的请求发送至搜索引擎，再将返回内容与用户输入一起提供给大模型，最终生成回答。搜索引擎在此作为实时信息源，为大语言模型提供额外的上下文。
- 通过API向AI提供自有系统数据
如果希望 AI 能提供研发的自有系统内的信息，AI 联网搜索的效果就很不好，甚至无法实现。用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手，为大语言模型补充提供丰富的上下文信息。
平台预置的MCP有哪些？
平台从v2.0.1开始，支持MCP，同时支持自定义MCP插件接入。
系统已经预置了一系列MCP插件。
校内MCP实际案例分享
项目名称
服务器安全扫描助手
项目开发团队
信息化治理办公室安全部田玉丹老师团队
项目背景需求/应用场景
安全部发现学校漏洞扫描是一项流程重复、过程繁琐、技术要求高的工作，希望此类工作能由一个”智能的程序“替代，从而将人力从繁琐的事务中释放出来。安全部需要对学校几百个服务器做定期和不定期的安全扫描，并需要专业人士安装专业的客户端工具才能操作，而且每安装一个客户端都配置单独的收费型license。随着工作条线增多，急需释放人力，但又没人替代，考虑”智能的程序“来实现。
实现目标及效果
- 降低使用门槛，非专业人士也能轻松使用
- 不增加额外的license采购成本
大致实现路径
配置自定义MCP服务，接入agent平台；
在agent平台搭建对话流型智能体
配置工作流，包括：大模型节点（负责与用户交互、输出报告等），根据不同场景（条件判断节点）设置不同的工具调用分支，调用MCP插件（MCP节点），输出节点优化等。
调试和发布。
最终实现效果
- 从学校发布的agent平台入口，输入需要扫描的ip地址，agent就会自动匹配后台mcp工具，根据实现设定好的策略开始扫描，并自动出具扫描报告。在浏览器就可以打开访问，无需任何复杂的专业配置，任何人都能轻松上手，实现扫描功能随时用，效率大大提升~~
- 实际上只需要共用一个license，就实现了多用户使用 = 免费扩容！！！
实际操作演示案例请看视频~
开发团队为什么会想到使用agent来完成？
田老师坦言：
“做之前我对智能体没有概念，唯一的印象就是他是个基于人工智能的“智能程序”。那就发挥他的智能功能，那就是能替代我们的工作。”
“所以我们最初想到用agent来做这件事，是因为agent可以实现复杂的东西简单化，相当于做到agent后可以像写一个脚本一样，把重复的事情做成流程，从而省时省力。”
*本项目开发团队：信息化治理办公室安全部田玉丹老师团队，本案例对外公开分享已经过开发者同意。