如果你关注着 AI 的发展，那么最近可能经常看到 MCP 这个词。
MCP 即模型上下文协议（Model Context Protocol）的缩写，于 2024 年 11 月由 Claude 大模型的公司 Anthropic 推出并开源。这是一个将 AI 助手连接到第三方数据源的新标准，包括内容存储库、业务工具和开发环境。它的目的是帮助 AI 大模型生成更好、更相关的回答。
通过联网搜索向 AI 提供最新信息
随着 AI 大模型获得了广泛的使用，该行业在训练模型方面投入了大量资金，新的模型在推理能力和生成质量方面得到了较大的进步。但是，训练 AI 的数据集始终是滞后的、固定的，再强大的 AI 也只是知道过去发生的事情，却无法实时从外界获取最新的信息，比如今天的天气情况、今天的热点新闻等。
通过 API 向 AI 提供自有系统数据
对于搜索引擎能搜索到的、有多种信息源的公开信息，AI 助理的这种联网搜索功能效果不错。但是，如果希望 AI 能提供行业内部信息、或者你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。
为了让自有系统和 AI 模型紧密协作，打破信息隔离，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。继续上面的例子，我们可以将 Apifox 的更新日志内的信息，通过 API 向外提供。然后设定这样一个工作流：如果有人问 Apifox 的最新版本是多少，则调用这个 API，再将 API 返回的结果和用户的原始问题一起提供给 AI，这样 AI 就可以给出正确的回答了。
通过 MCP 服务器向 AI 提供上下文信息
以上只是一个非常简单的场景，在真实业务环境中，需要将多种数据源接入AI大模型，也就必须得为不同的数据源、不同的 AI 助手开发不同的连接器。虽然可以使用第三方 AI 代理工具或知识库工具，但仍然无法避免架构碎片化的问题。
MCP 协议正是为了解决数据连接器集成碎片化的问题而生。它使开发人员能够在其数据源和 AI 驱动的工具之间建立安全的双向连接。架构简单明了：开发人员可以通过 MCP 服务器公开他们的数据，也可以构建连接到这些服务器的 AI 应用程序（MCP 客户端）。
也就是说，开发者现在可以根据 MCP 这个标准协议来完成 AI 大模型与数据源的集成，而不是为每个数据源、每个 AI 助手维护单独的连接器。随着 MCP 生态系统的成熟，人工智能系统将在不同的工具和数据集之间移动时保持上下文，用更可持续的架构取代当今的零散集成。
通过 Apifox MCP Server
向 AI 提供接口文档
现在，越来越多的 AI 工具已经内置了 MCP 客户端，比如 Cursor、Cline、Claude Desktop 和 Cherry Studio，它们都已经具备连接到 MCP 服务器的能力。
使用 Apifox MCP Server，可以将 Apifox 项目内的接口文档作为数据源提供给 Cursor 等支持 AI 编程的 IDE 工具，以便让 AI 能够直接访问项目对应的接口文档数据。
开发者可以通过 AI 助手完成以下工作：根据接口文档生成或修改代码、搜索接口文档内容等等，至于通过这个接口文档数据能让 AI 干什么更多更强大的活，请发挥你和你们团队的想象力?
如何使用
安装配置好 MCP 后，Apifox MCP Server 会自动读取 Apifox 整个项目里的所有接口文档的数据并缓存在本地电脑，AI 可以通过 MCP 读取项目内所有的接口的接口文档数据。
你只要告诉 AI 你想要通过 API 文档做什么即可，示例：
“通过 MCP 获取 API 文档，然后生成 Product 及其相关模型的定义代码” “根据 API 文档，然后在 Product DTO 里添加 API 文档新增的几个字段”
“根据 API 文档给 Product 类的每个字段都加上注释”
“根据 API 文档，生成接口 /users 相关的所有 MVC 代码”
注意：接口文档数据默认是会缓存在本地的，如果 Apifox 内的数据有更新，请告诉 AI 刷新接口文档数据，否则 AI 读到数据可能不是最新的。
