> ## Documentation Index
> Fetch the complete documentation index at: https://mcp.transdocs.org/llms.txt
> Use this file to discover all available pages before exploring further.
# 常见问题
> 用简单易懂的方式解释 MCP 及其重要性
## 什么是 MCP？
MCP（Model Context Protocol，模型上下文协议）是一种标准方式，使 AI 应用程序和代理能够连接并操作你的数据源（例如本地文件、数据库或内容仓库）和工具（例如 GitHub、Google Maps 或 Puppeteer）。
可以将 MCP 看作是 AI 应用程序的通用适配器，类似于 USB-C 对物理设备的作用。USB-C 作为通用适配器，可将设备连接到各种外设和配件。同样地，MCP 提供了一种标准化的方式，将 AI 应用程序连接到不同的数据和工具。
在 USB-C 出现之前，你需要为不同的连接使用不同的线缆。同样地，在 MCP 出现之前，开发人员必须为他们的 AI 应用程序想要连接的每个数据源或工具构建自定义连接——这是一个耗时的过程，通常导致功能受限。现在，有了 MCP，开发人员可以轻松地为他们的 AI 应用程序添加连接功能，使应用程序从第一天起就更加强大。
## 为什么 MCP 很重要？
### 对于 AI 应用程序的用户
MCP 意味着你的 AI 应用程序可以访问你每天使用的信息和工具，从而使其变得更加有用。AI 不再局限于它已知的内容，现在它可以理解你的特定文档、数据和工作场景。
例如，通过使用 MCP 服务器，应用程序可以从 Google Drive 访问你的个人文档，或从 GitHub 获取有关你的代码库的数据，从而提供更加个性化和情境相关的帮助。
想象一下向一个 AI 助手提问：“总结上周的团队会议记录，并安排与每个人的后续跟进。”
通过使用由 MCP 提供支持的数据连接，AI 助手可以：
* 通过 MCP 服务器连接到你的 Google Drive 以读取会议记录
* 根据会议记录理解谁需要后续跟进
* 通过另一个 MCP 服务器连接到你的日历，自动安排会议
### 对于开发人员
当构建需要访问各种数据源的 AI 应用程序时，MCP 减少了开发时间和复杂性。有了 MCP，开发人员可以专注于打造出色的 AI 体验，而不是反复创建自定义连接器。
传统上，将应用程序与数据源连接起来需要为每个数据源和每个应用程序分别构建自定义的一次性连接。这导致了大量的重复工作——每个想要将他们的 AI 应用程序连接到 Google Drive 或 Slack 的开发人员都需要自己构建连接。
MCP 通过让开发人员为数据源构建可在各种应用程序中重复使用的 MCP 服务器来简化这一过程。例如，使用开源的 Google Drive MCP 服务器，许多不同的应用程序都可以访问 Google Drive 中的数据，而无需每个开发人员都去构建自定义连接。
这个开源的 MCP 服务器生态系统意味着开发人员可以利用已有的工作成果，而不是从头开始，这使得构建能够无缝集成用户已依赖的工具和数据源的强大 AI 应用程序变得更加容易。
## MCP 是如何工作的？
MCP 通过一个简单的系统在你的 AI 应用程序和数据之间建立桥梁：
* **MCP 服务器** 连接到你的数据源和工具（如 Google Drive 或 Slack）
* **MCP 客户端** 由 AI 应用程序（如 Claude Desktop）运行，用于连接这些服务器
* 当你授权后，你的 AI 应用程序会发现可用的 MCP 服务器
* AI 模型随后可以使用这些连接来读取信息并执行操作
这种模块化系统意味着可以在不修改 AI 应用程序本身的情况下添加新功能——就像无需升级整个系统就可以为你的电脑添加新的外设一样。
## 谁创建和维护 MCP 服务器？
MCP 服务器由以下人员和团队开发和维护：
* Anthropic 的开发人员，他们为常见的工具和数据源构建服务器
* 开源贡献者，他们为自己使用的工具创建服务器
* 企业开发团队，他们为自己的内部系统构建服务器
* 软件提供商，他们让自己的应用程序具备 AI 可用性
一旦某个数据源的开源 MCP 服务器被创建，任何兼容 MCP 的 AI 应用程序都可以使用它，从而构建出不断增长的连接生态系统。请参阅我们的 [示例服务器列表](/examples)，或 [开始构建你自己的服务器](/quickstart/server)。