MCP（模型上下文协议）是什么？
如果你只用大模型写过聊天应用，那你大概率听说过一个词：Agent（智能体）——不只是回答问题，还能查资料、读文件、调工具、一步步完成任务。
但"让模型调工具"这件事，过去每个框架都要自己发明一套接口，N 个模型接 M 个工具要写 N×M 套适配代码。2024 年 11 月 25 日，Anthropic 开源了 MCP（Model Context Protocol，模型上下文协议），用一套 JSON-RPC 2.0 标准把这件事统一了——到今天（2026 年 3 月）公共 MCP 服务器已超过 10,000 个，约 78% 的企业 AI 团队在生产环境使用，Anthropic、OpenAI、Google 三家都已官方支持。
一句话理解：MCP 就是 AI 世界的"USB 接口"。模型是主机，工具是设备，MCP 是插头。
三个核心原语：Tools / Resources / Prompts
一个 MCP Server 对外暴露三类东西：
| 原语 | 是什么 | 例子 |
|---|---|---|
| Tools（工具） | 模型可以主动调用的"函数" | 搜索网页、查数据库、发邮件 |
| Resources（资源） | 模型可以读取的只读数据 | 本地文件、日志、数据库记录 |
| Prompts（提示） | 可复用的交互模板 | "帮我 review 这段代码"模板 |
连接方式有两种传输：stdio（本地进程，最常用，跑在开发者自己机器上）和 Streamable HTTP（远程服务，2026 版规范的重点演进方向，支持多客户端共享一个远程 Server）。
为什么"免费"是上手的正确姿势
搭一个能真正干活的 Agent，成本通常由两部分构成：LLM 推理 + 工具调用。好消息是这两部分在 2026 年都能做到零成本：
- LLM 用免费层：Groq（13 款免费模型，极速推理）、Gemini（免费层 1M 上下文）、Agnes（永久免费轻量模型）都可以直接当 Agent 的大脑。
- MCP Server 几乎都是开源的：官方和社区的 10,000+ 服务器本地运行不花一分钱，大部分连 API Key 都不需要。
也就是说，你不需要先"烧钱验证想法"——先用免费栈把完整的 Agent 链路跑通，再考虑上生产。
5 分钟上手：用免费 LLM 接一个 MCP 工具
下面用一个最简单的例子：写一个"查天气"工具，让免费模型学会调用它。
第一步，用官方 Python SDK（FastMCP）定义工具：
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("weather-demo")
@mcp.tool()
def get_weather(city: str) -> str:
# Return the current weather for a city
return city + ": sunny, 24C"
第二步，在支持 MCP 的客户端（比如 Cherry Studio、Claude Desktop、Cursor）里配置指向这个脚本，模型就会在对话中自动看到 get_weather 这个工具并在需要时调用它。
如果你想直接用代码驱动（不依赖任何桌面客户端），把工具包成 HTTP 服务后，用任意 OpenAI 兼容 SDK 指向 Groq 免费端点即可——模型看到工具描述，自然会发起调用。整条链路：免费模型 + 开源工具 = 零成本 Agent。
现成可用的免费 MCP Server 清单
不需要自己写，这些官方/社区服务器直接装就能用（全部开源、本地运行免费）：
| 服务器 | 能力 | 免费条件 |
|---|---|---|
| @modelcontextprotocol/server-filesystem（官方） | 读写指定目录的文件 | 本地运行，零配置 |
| server-fetch（官方） | 抓取网页转 Markdown，给 Agent 联网看资料 | 本地运行，零配置 |
| server-sequential-thinking（官方） | 引导模型分步推理，复杂任务准确率明显提升 | 本地运行，零配置 |
| server-sqlite（官方） | 用自然语言查本地 SQLite 数据库 | 本地运行，零配置 |
| server-github（官方） | 读代码库、建 Issue、查 PR | 免费 GitHub 账号的 token |
| server-memory（官方） | 给 Agent 加一个可检索的长期记忆 | 本地运行，零配置 |
提示：官方仓库 modelcontextprotocol/servers 里还有 Slack、Google Drive、Postgres 等十几个，大多只需要对应服务的免费账号。
选型建议与避坑清单
- 新手一次只接 1 个工具。工具越多，模型选错工具的概率越高——"工具膨胀"是 Agent 项目最常见的翻车原因。
- 先用本地 stdio，再考虑远程。本地零配置、数据不出机器，最适合验证想法。
- 给免费模型只读权限起步。让 Agent 先"查"，确认靠谱后再放开"写"（删文件、发消息这类）。
- 关注 2026 版规范：无状态化 + Streamable HTTP 是今年演进重点，新项目直接用新版 SDK。
- MCP ≠ 万能：简单的单次函数调用，直接用模型原生的 Function Calling 更轻；MCP 的价值在多工具、跨应用、可复用的场景。
把免费 LLM 和 MCP 工具组合起来
Agent = 免费大脑 + 免费手脚。模型选 Groq（快）还是 Gemini（上下文长）取决于你的任务：高频短任务选 Groq，长文档分析选 Gemini。工具从上面表格挑一个起步，跑通后再逐个叠加。
如果你需要更多免费模型渠道、想对比各家免费额度与限速，或者想用一个平台统一管理多家 API——可以免费注册 apishare.cc 查看完整的免费 API 目录，在 免费 API 栏目 里持续更新各类零成本方案的实测教程与榜单。