纯享笔记：22/MCP基础入门及安全应用

admin
admin
admin
0
文章
0
评论
2026-01-07 02:46:08 网络安全文章 来源：ZONE.CI 全球网 0 阅读模式

文章总结： 本文介绍MCP模型协作协议，阐述其通过客户端-服务端架构实现AI模型与外部工具的标准化交互。文章解析核心架构，提供高德地图集成、漏洞扫描等实战案例及安全应用。建议开发者复用社区服务，重视安全配置，合理选择部署模式以提升效率。 综合评分： 85 文章分类： AI安全,安全工具,安全运营,漏洞分析,爬虫

cover_image

纯享笔记：22/ MCP基础入门及安全应用

原创

heyong

AI安全圈

2026年1月6日 08:24 安徽

★

计划花费20~30篇幅，来做一套人工智能笔记，纯享版。内容涉及的产品细节不一定是最新的，但忠于实验记录，方便网络安全或其他行业的同学快速地了解AI技术，起到短、平、快的作用。

摘要

MCP是一种开放式跨平台协议标准，通过客户端-服务端架构实现AI模型与外部环境的标准化交互，核心解决大模型“能力扩展”与“工具复用”问题。 本文结合最新技术进展，系统梳理MCP的核心概念、技术架构、实战案例及安全领域应用，帮助开发者快速上手MCP开发与部署。

一、MCP核心概述

1.1 定义与核心价值

（1）定义

Model Collaboration Protocol（模型协作协议） ——是一套规范AI模型与外部工具、系统、数据交互的开放式协议，旨在打破不同框架、模型、工具之间的兼容性壁垒，实现“一次开发、多端复用”的工具调用生态。

（2）核心价值

  • 标准化接口：统一模型与工具的交互格式，避免重复开发（如LangChain、千问Agent、Cursor可共用同一MCP服务）；
  • 跨平台兼容：支持云端模型（OpenAI、Anthropic）、国产模型（通义千问、智谱清言、豆包）、本地模型（Llama 4、Qwen3）；
  • 生态化复用：ModelScope等社区提供海量现成MCP服务（如高德地图、Bing搜索、漏洞扫描），开发者可直接集成；
  • 安全可控：权限分级、数据加密、操作审计等特性，以适配企业级隐私需求。

1.2 与相关技术的区别

（1）MCP vs Function Call

| 特性 | MCP（模型协作协议） | Function Call（函数调用） | | — | — | — | | 定位 | 跨平台标准化协议（公共服务） | 模型原生能力（私有函数） | | 复用性 | 支持多模型、多框架共用 | 仅支持特定模型调用（如GPT-4o、Qwen3） | | 开发难度 | 低（基于SDK快速搭建，支持可视化配置） | 中（需手动编写函数逻辑与参数校验） | | 适用场景 | 工具标准化、生态化共享（如公开API服务） | 本地私有工具调用（如企业内部系统对接） |

（2）MCP vs AtoA协议

| 特性 | MCP（模型协作协议） | AtoA（Agent-to-Agent协议） | | — | — | — | | 核心交互对象 | 模型 ↔ 工具/系统 | 智能体 ↔ 智能体 | | 核心目标 | 扩展模型能力（工具调用） | 实现智能体协作（任务分工） | | 生态定位 | 工具市场（类似应用商店） | 协作网络（类似群聊） | | 最新进展 | 支持多模态工具、边缘部署、安全审计 | 推出1.0正式版，支持Agent Card标准化、跨框架协作 |

1.3 社区动态

  • 版本更新：MCP 4.0发布，支持流式传输、断点续传、多模态数据交互（文本+图片+日志）；
  • 国产适配：新增华为云ModelArts、阿里云PAI、百度飞桨等国产平台原生支持；
  • 安全增强：内置OAuth2.0授权、数据脱敏传输、操作审计日志，满足等保2.0合规要求；
  • 部署优化：支持Docker容器化部署、K8s集群调度、边缘设备轻量化运行（如安全网关）；
  • 生态扩展：ModelScope社区MCP服务数量突破500+，新增网络安全、工业控制等垂直领域专用服务。

二、核心技术架构与组件

2.1 整体架构

MCP采用经典的“客户端-服务端”架构，核心分为三层：

┌─────────────────┐      ┌─────────────────────────────────┐      ┌─────────────────┐
│  客户端（Client）  │      │          服务端（Server）        │      │  外部资源（Resource）  │
│  - 模型框架（LangChain） │◄────►│  - MCP Server（协议解析、路由） │◄────►│  - 工具（搜索、扫描）   │
│  - 智能体（千问Agent）  │      │  - 权限管理（认证、授权）      │      │  - 系统（SAP、CRM）     │
│  - 开发工具（Cursor）   │      │  - 数据处理（加密、脱敏）      │      │  - 数据（数据库、文件）  │
└─────────────────┘      └─────────────────────────────────┘      └─────────────────┘

2.2 核心组件详解

（1）MCP Server（核心组件）

  • 功能：协议解析、请求路由、权限校验、数据加密、日志记录；
  • 主流实现：FastMCP（轻量级，支持Python/Java）、OpenMCP（开源，支持分布式部署）；
  • 关键特性：支持HTTP/HTTPS、WebSocket、gRPC等传输协议，2025年新增QUIC协议支持（低延迟）。

（2）Client（客户端）

  • 类型：

  • 模型框架客户端：LangChain-MCP Adapter、千问Agent-MCP插件；

  • 开发工具客户端：Cursor、CherryStudio、VS Code（GitHug Copilot）；

  • 自定义客户端：基于MCP SDK开发的私有客户端（如企业内部AI平台）；

  • 核心能力：自动发现MCP服务、生成标准化请求、解析响应结果。

（3）Resource（外部资源）

  • 工具类：搜索工具（Bing、百度）、数据采集（Fetch Web）、地理信息（高德地图）、安全工具（漏洞扫描、日志分析）；
  • 系统类：企业ERP、CRM、SAP、数据库（MySQL、Milvus）；
  • 数据类：本地文件、云端存储（OSS、S3）、公开API（NVD漏洞库、天气API）。

（4）Memory（记忆模块）

  • 短期记忆：存储近期工具调用结果（默认Redis，支持本地缓存）；
  • 长期记忆：存储历史交互数据（支持Chroma、Milvus向量数据库）；

三、环境准备与安装

3.1 环境要求

  • Python版本：3.10-3.14（推荐3.12，兼容最新MCP SDK）；
  • 依赖管理：支持pip、Poetry、Pipenv；
  • 网络要求：访问ModelScope社区需联网，本地部署MCP服务可离线运行。

3.2 核心安装命令

# 安装MCP核心SDK
pip install mcp-sdk==4.0.0
# 安装FastMCP（轻量级服务端）
pip install fastmcp==2.1.0
# 安装ModelScope MCP客户端（用于访问社区服务）
pip install modelscope[mcp]==1.16.0
# 安装安全依赖（数据加密、审计日志）
pip install mcp-security==1.0.0
# 安装部署依赖（Docker容器化）
pip install mcp-deploy==0.8.0

3.3 平台注册与API Key申请

（1）ModelScope社区注册

  1. 访问ModelScope官网，完成实名认证；
  2. 进入“MCP广场”，选择目标MCP服务（如高德地图MCP）；
  3. 点击“立即连接”，生成专属SSE URL（含个人认证信息）。

（2）高德地图MCP API Key申请

  1. 访问高德地图开放平台，注册开发者账号；
  2. 创建应用，选择“Web服务”类型；
  3. 开通“地图搜索”“路径规划”等接口，获取API Key。

四、实战案例：MCP服务集成与自定义开发

4.1 案例1：集成高德地图MCP实现旅游攻略规划

（1）配置步骤（以Cursor为例）

  1. 打开Cursor → Settings → MCP → 点击“Add Server”；
  2. 配置参数：
  • Name：高德地图MCP；
  • Type：SSE；
  • Command：amap-maps；
  • Args：--base-url https://restapi.amap.com/v3 --key ${AMAP_API_KEY}；
  • Environment：AMAP_API_KEY=你的高德API Key；
  1. 保存配置，等待服务状态变为“绿色（可用）”。

（2）使用示例

# 调用高德地图MCP生成青岛一日游攻略
from langchain_community.chat_models import ChatQwen
from langchain_community.tools import MCPTool

# 初始化千问模型
llm = ChatQwen(model="qwen-turbo-2025", temperature=0)

# 加载高德地图MCP工具
amap_tool = MCPTool.from_modelscope("amap-maps")

# 构建任务链
task = """使用高德地图MCP查询青岛必去景点、实时天气、交通路线，生成详细的一日游攻略，包含时间安排、交通方式、景点介绍。"""

# 执行任务
result = llm.invoke(task, tools=[amap_tool])
print(result)

（3）注意事项

  • API Key需妥善保管，避免硬编码到代码中（建议使用环境变量或配置文件）；
  • 限制API调用频率（高德地图个人开发者每日限额5000次）；
  • 生产环境建议使用代理服务器转发请求，避免直接暴露客户端IP。

4.2 案例2：集成Fetch MCP实现owasp网页内容采集

（1）配置步骤（以CherryStudio为例）

  1. 打开CherryStudio → 左下角“设置” → MCP服务器 → “添加”；
  2. 选择“ModelScope MCP”，粘贴从ModelScope获取的Fetch MCP SSE URL；
  3. 启动服务，确认状态为“已连接”。

（2）使用示例

使用Fetch MCP采集OWASP Top 10 2025官方文档（https://owasp.org/www-project-top-ten/2025/），转换为Markdown格式，并提取高危漏洞类型。

（3）常见问题

  • 动态网页采集失败：Fetch MCP仅支持静态网页，动态网页需使用带Selenium的MCP服务（如Selenium-Fetch MCP）；
  • 爬虫协议限制：部分网站（如百度）通过robots.txt禁止抓取，需提前确认合规性。

4.3 案例3：自定义MCP服务（桌面TXT文件统计工具）

（1）开发步骤

  1. 基于FastMCP创建服务：
from fastmcp import FastMCP, Tool
from pathlib import Path
import os

# 初始化MCP服务
mcp_server = FastMCP(host="0.0.0.0", port=8000)

# 定义工具1：统计桌面TXT文件数量
@Tool(name="count_desktop_txt_files", description="统计桌面上的TXT文件数量")
def count_desktop_txt_files() -> int:
    desktop_path = Path.home() / "Desktop"
    txt_files = list(desktop_path.glob("*.txt"))
    return len(txt_files)

# 定义工具2：列出桌面TXT文件列表
@Tool(name="list_desktop_txt_files", description="列出桌面上所有TXT文件的路径")
def list_desktop_txt_files() -> list:
    desktop_path = Path.home() / "Desktop"
    txt_files = list(desktop_path.glob("*.txt"))
    return [str(file) for file in txt_files]

# 注册工具到MCP服务
mcp_server.register_tool(count_desktop_txt_files)
mcp_server.register_tool(list_desktop_txt_files)

# 启动服务（支持HTTPS，需配置证书）
mcp_server.start(ssl_cert="cert.pem", ssl_key="key.pem")
  1. 启动服务：
# 开发模式启动（带调试日志）
mcp dev --file txt_counter.py --debug
# 生产模式启动（后台运行）
nohup mcp start --file txt_counter.py --port 8000 &
  1. 客户端集成（千问Agent）：
from qwen_agent import Agent
from qwen_agent.tools import MCPTool

# 加载自定义MCP服务
custom_mcp = MCPTool(url="https://localhost:8000")

# 初始化千问Agent
agent = Agent(llm="qwen-turbo-2025", tools=[custom_mcp])

# 执行任务
result = agent.run("统计我桌面上的TXT文件数量，并列出具体文件名")
print(result)

（2）部署与共享

  • 本地部署：直接运行Python脚本，通过http://localhost:8000访问；
  • 公网部署：使用Docker容器化，配置端口映射（如80→8000），并申请SSL证书；
  • 生态共享：上传至ModelScope MCP广场，设置访问权限（公开/私有）。

4.4 案例4：AtoA协议与MCP协同实战（天气+篮球活动规划）

（1）场景说明

  • Weather Agent：通过高德地图MCP获取天气数据，提供天气查询服务；
  • Basketball Agent：接收用户活动规划请求，通过AtoA协议调用Weather Agent，根据天气判断是否开展活动。

（2）核心代码

# 1. 定义Weather Agent（集成高德地图MCP）
from fastmcp import FastMCP
from qwen_agent import Agent

weather_mcp = MCPTool.from_modelscope("amap-weather")
weather_agent = Agent(
    role="天气查询助手",
    goal="通过MCP获取实时天气，为用户提供活动建议",
    tools=[weather_mcp],
    a2a_card={  # AtoA协议必需的能力声明卡片
        "name": "weather-agent",
        "version": "1.0",
        "functions": ["query_weather(city: str, date: str)"]
    }
)

# 2. 定义Basketball Agent（通过AtoA调用Weather Agent）
basketball_agent = Agent(
    role="篮球活动规划助手",
    goal="根据天气情况规划篮球活动",
    a2a_clients=[weather_agent]  # 注册AtoA客户端
)

# 3. 执行用户请求
result = basketball_agent.run("我想5月10号在青岛打篮球，帮我看看是否合适？")
print(result)

五、安全应用

5.1 典型安全MCP服务

| MCP服务名称 | 核心功能 | 适用场景 | | — | — | — | | NVD漏洞查询MCP | 实时查询CVE漏洞详情、CVSS评分、修复建议 | 漏洞应急响应、安全审计 | | 日志分析MCP | 解析Web日志、系统日志，提取异常行为 | 入侵检测、安全监控 | | 端口扫描MCP | 扫描目标网段开放端口、服务版本 | 资产探测、渗透测试 | | 威胁情报MCP | 查询IP/域名的恶意等级、关联攻击组织 | 威胁溯源、钓鱼邮件分析 |

5.2 示例：漏洞应急响应MCP集成

# 集成NVD漏洞查询MCP与端口扫描MCP
from qwen_agent import Agent
from langchain_community.tools import MCPTool

# 加载安全类MCP服务
nvd_mcp = MCPTool.from_modelscope("nvd-vuln-query")
port_scan_mcp = MCPTool.from_modelscope("port-scan")

# 初始化漏洞应急响应Agent
vuln_agent = Agent(
    role="漏洞应急响应专家",
    goal="探测目标资产漏洞，生成合规修复方案",
    tools=[port_scan_mcp, nvd_mcp],
    memory={"long_term": "chroma://vuln-memory"}  # 长期记忆存储漏洞历史数据
)

# 执行任务
result = vuln_agent.run("探测192.168.1.0/24网段的开放端口，查询对应服务的高危漏洞，生成修复方案（符合OWASP Top 10 2025）")
print(result)

六、趋势研判

  • 核心趋势
  1. 垂直领域MCP爆发：网络安全、工业互联网、医疗健康等领域将出现更多专用MCP服务；
  2. 低代码/无代码开发：CherryStudio、ModelScope Studio支持可视化配置MCP，无需编写代码；
  3. 边缘MCP部署：轻量级MCP服务将部署在边缘设备（如安全网关、工业控制器），降低延迟；
  4. AI原生MCP：支持大模型自动发现、适配MCP服务，无需手动配置。
  • 实践建议
  1. 优先复用现有MCP服务：ModelScope社区已提供大量成熟服务，避免重复开发；
  2. 重视安全配置：生产环境必须启用HTTPS、权限认证、数据加密，禁止裸奔部署；
  3. 合理选择部署模式：私有工具采用本地部署，公开工具采用云端MCP服务；
  4. 优化性能：高频调用的MCP服务启用缓存（如Redis），降低响应延迟；
  5. 兼容性测试：开发自定义MCP服务时，需兼容主流客户端（LangChain、千问Agent）。

七、总结

MCP作为AI模型与外部环境交互的标准化协议，已成为大模型能力扩展的核心基础设施。对于网络安全领域开发者而言，MCP不仅可以快速集成漏洞查询、日志分析、端口扫描等工具，还能通过AtoA协议实现多智能体协作，大幅提升安全运营效率。

★

以上均为实验匆匆记录，然后AI整理和修订，错误之处，请在文末留言，谢谢！ 深入交流请加知识星球【AI安全圈】或者【AI自动化】

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：AI安全圈 heyong《纯享笔记：22/ MCP基础入门及安全应用》

版权声明

本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。

ZONE.CI 全球网 | 安全领域涉猎者-乌云独行地带
ZONE.CI 全球网
安全领域涉猎者-乌云独行地带
ZONE.CI 全球网 | 安全领域涉猎者-乌云独行地带
安全领域涉猎者-乌云独行地带
ZONE.CI 全球网
评论：0   参与：  0