MCP（Model Context Protocol，模型上下文协议）是一个把 AI 应用连接到外部系统的开放协议。它解决的不是“模型怎么推理”，而是“AI Host 如何以统一方式发现上下文、读取数据、调用工具、触发工作流，并把这些能力放在可协商、可隔离、可审计的协议边界内”。
本文围绕 MCP 2025-11-25 规范整理五个主干问题：架构，基础协议与生命周期，Tools，Resources 与 Prompts，Authorization、Elicitation 与 Schema。
当前版本
截至本文发布时，官方最新版本为 2025-11-25，版本相关结论以官方规范页面为准。
OpenClaw、Hermes、Claude Code 是 Harness Engineering 在不同问题域上沉淀出的三种范式：让 Agent 能干活、让 Agent 越用越强、让 Agent 干得稳。本文从架构、记忆、工具、上下文、安全五个维度横向拆解，看清这三条演进路径背后的设计取舍。
框架封装得越好，原理就藏得越深。本文用纯 Java + OkHttp + Jackson 从零写一个约 300 行的 Mini Agent，把 LLM 调用、Tool Calling、ReAct 循环、上下文管理几个核心机制裸写一遍。读完再回头看 Spring AI、LangChain4j 的源码或任何一篇 Agent 论文，会顺畅许多。
使用 Claude Code 时，最容易被忽视的瓶颈不是提示词质量，也不是模型选择，而是 上下文窗口 的管理。可以把它理解为 Claude 的 "白板" -- 你发的每条消息、Claude 读的每个文件、执行的每条命令都会写上去。白板满了，Claude 就会表现下滑：遗忘指令、犯低级错误、开始重复自己。所以核心原则是：管好这块白板，就是管好 AI 的注意力。
