AI Agent 高频面试题：MCP 组成部分和交互流程？一篇文章讲清楚！
一、标准答案参考
MCP（Model Context Protocol）是模型上下文协议，目的是为AI应用提供一个标准化接口，使其能够连接外部数据源和工具。例如，AI应用可以通过MCP连接到本地文件或数据库、搜索引擎或计算器、工作流或专业提示词等，从而获取到上下文信息并执行实际任务，可以把 MCP 理解为 AI 应用的"TypeC 接口"。
二、扩展问答
1、MCP与Function Calling（函数调用）有什么区别？
答：函数调用是LLM的内部能力，依赖于LLM的返回结果，不同模型（如ChatGPT和Claude）的函数调用返回结构体并不统一；MCP是和LLM无关的外部标准协议，不同的AI应用都可以接入相同的MCP Server。
2、MCP 的安全机制如何保障？
答：MCP本身无法在协议层面保证安全，需要开发者在应用层使用时遵循安全最佳实践：如沙箱隔离、最小权限原则、人工授权、安全说明文档等方式。
三、MCP详细解析
1、MCP架构设计
MCP采用Client-Server架构，其中MCP Host（如OpenClaw、豆包等AI应用）会通过MCP Client与一个或多个MCP Server 建立连接。
- MCP Host：AI应用本身，负责管理所有的MCP Client
- MCP Client ：保持与MCP Server 的连接，为Host 获取上下文
- MCP Server：向Client提供上下文信息的服务（可本地或远程运行）
它们之间的交互流程如下图所示。
2、MCP三种基本类型
MCP支持以下三种类型，并提供对应的方法：列表（/list）、检索（/get）、执行（tools/call）。MCP客户端可以使用这些方法，例如使用/list方法来找到可用的MCP 服务器类型，然后再执行后续任务。
- Tools（工具）：能调用的可执行函数，如文件操作、数据库查询等
- Resources（资源）：提供上下文信息，如文件内容、数据库记录等
- Prompts（提示词模板）：可复用的提示词模板，如系统提示、少样本示例等
3、传输协议
MCP客户端和服务端之间采用JSON-RPC 2.0消息通信，支持以下两种传输协议。
- 标准输入/输出 (Stdio)：使用标准输入/输出流在同一台机器上的本地进程之间进行进程通信，提供最佳性能，且无网络开销。
- 可流式HTTP（Streamable HTTP）协议：使用 HTTP POST请求进行消息通信，并可选使用SSE协议来实现流式传输功能，支持Bearer Token,、API Keys、自定义头等HTTP身份校验方法，适用于远程服务器通信。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～