🏛️ MCP 架构：Host · Client · Server 全解析

吴恩达 MCP 课程 · 第 3 集「MCP架构」(14:53，全课最长) · 来源 DeepLearning.AI · B站 BV1qkHrzHEh4

一句话：MCP 采用 Host（AI 应用）→ Client（1对1 连接管理员）→ Server（工具/提示/资源提供方）三层架构，客户端与服务器用 JSON-RPC 2.0 通信，本地走 stdio、远程走 HTTP+SSE，三大原语 Tools / Prompts / Resources 分别由模型、用户、应用控制。

1 三种角色：责任清晰的三层结构

🏠 Host 主机 = 你的 AI 应用

聊天机器人 / Claude Desktop / IDE / 代理 · 负责编排、权限控制、决定暴露哪些工具给模型

🔌 MCP 客户端 ① ⇄ GitHub 服务器

1 对 1 连接，负责通信与协议转换

🔌 MCP 客户端 ② ⇄ Google Drive 服务器

每个客户端只对应一台服务器

🔌 MCP 客户端 ③ ⇄ 文件系统服务器

客户端是 Host 内部的「连接管理器」

Host：用户直接面对的 AI 应用本体，掌控全局——何时连接服务器、给模型哪些工具、请求是否放行。

Client：驻留在 Host 内部，维持与单台服务器的 1:1 连接；N 台服务器 = N 个客户端。

Server：独立进程或远程服务，对外暴露工具、提示与资源，可被任何 MCP 兼容应用复用。

🧩 职责分离🔁 可复用🚫 模型无关

2 通信协议栈：JSON-RPC 2.0 + 两种传输方式

应用层原语 · Tools 工具｜Prompts 提示｜Resources 资源

消息层 · JSON-RPC 2.0：请求 / 响应 / 通知

传输层 · 📟 stdio（本地子进程，标准输入输出）｜🌐 HTTP + SSE（远程服务器，服务器推送事件）

3 服务器三大原语：谁来控制是关键

🛠️

Tools 工具

模型控制 (Model-controlled)

LLM 自主决定何时调用，如查 GitHub、写文件；可执行、可产生副作用。

📝

Prompts 提示

用户控制 (User-controlled)

预置的提示模板，用户主动选用，把常见任务标准化。

📂

Resources 资源

应用控制 (App-controlled)

文件、数据等上下文材料，由应用决定附加给模型，只读为主。

4 一次工具调用的完整旅程

1💬 用户提问Host 收集已连接服务器暴露的工具清单

2🧠 模型决策LLM 结合上下文，判断是否调用、调用哪个工具

3🔌 客户端转发经 JSON-RPC 把调用请求发给对应服务器

4⚙️ 服务器执行真正调用 API / 读取数据，返回结果

5📨 结果回传客户端交还 Host，模型据此生成最终回答