你可以在 Cloudflare 上构建并部署 Model Context Protocol (MCP) ↗ 服务器。
Model Context Protocol (MCP) ↗ 是连接 AI 系统与外部应用的开放标准。可将 MCP 类比为 AI 应用的 USB-C 端口——正如 USB-C 提供连接设备与各种配件的标准化方式，MCP 提供连接 AI Agent 与不同服务的标准化方式。
- MCP Host：AI 助手（如 Claude ↗ 或 Cursor ↗）、AI Agent 或需要访问外部能力的应用。
- MCP Client：嵌入 MCP host 内的客户端，连接 MCP 服务器并调用 tool。每个 MCP client 实例与单个 MCP 服务器有一个连接。
- MCP Server：暴露 tool、prompt ↗ 和 resource ↗ 供 MCP client 使用的应用。
MCP 标准支持两种运行模式：
- 远程 MCP 连接：MCP client 通过互联网连接 MCP 服务器，使用 Streamable HTTP 建立连接，并通过 OAuth 授权 client 访问用户账户上的资源。
- 本地 MCP 连接：MCP client 通过 stdio ↗ 作为本地传输方式，连接同一机器上的 MCP 服务器。
- Tool 设计：不要将 MCP 服务器视为完整 API schema 的包装。应构建针对特定用户目标并优化可靠结果的工具。设计良好的少量工具通常优于许多细粒度工具，尤其对上下文窗口小或延迟预算紧的 Agent。
- 范围化权限：部署多个专注的 MCP 服务器，每个权限范围较窄，可降低过度授权风险，并便于管理和审计每个服务器允许的操作。
- Tool 描述：详细的参数描述帮助 Agent 正确理解如何使用工具——包括预期值、如何影响行为以及重要约束。这减少错误并提高可靠性。
- 评估测试：使用评估测试（evals）衡量 Agent 正确使用工具的能力。在更新服务器或 tool 描述后运行这些测试，及早发现回归并跟踪改进。
前往快速入门指南，学习如何构建并将第一个远程 MCP 服务器部署到 Cloudflare。