---
id: ai.mcp.interview
title: MCP 面试题
type: interview
domain: ai
stack: [mcp]
tags: [MCP, 面试]
level: intermediate
related: [ai.mcp.protocol-server]
week: [10, 11, 16]
---

# MCP 面试题

## 基础

### 【基础】MCP 是什么？解决什么问题？

**参考答案**：模型上下文协议，一个让 AI 应用以统一方式接入外部工具和数据的开放协议。解决 M 个 AI 应用 × N 个工具的重复集成问题：工具方实现一次 MCP 服务，所有支持 MCP 的应用都能使用。

**追问**：MCP 和 OpenAPI 有什么区别？→ OpenAPI 描述 HTTP 接口；MCP 面向 AI 应用，除了工具还定义了资源、提示词模板、双向能力（sampling、elicitation）和会话，工具描述直接供模型理解。

### 【基础】tools、resources、prompts 有什么区别？

**参考答案**：tools 由模型决定调用，可以有副作用；resources 是只读的上下文数据，由应用或用户选择加入；prompts 是预定义的提示词模板，由用户选择使用。

**追问**：查询数据库表结构应该做成 tool 还是 resource？→ 如果希望用户 / 应用主动选择放入上下文，用 resource；如果希望模型按需获取，用 tool。很多客户端对 tools 支持最好，实践中常做成 tool。

### 【基础】MCP 有哪些传输方式？

**参考答案**：stdio（本地子进程，标准输入输出）和 Streamable HTTP（远程服务）。消息格式都是 JSON-RPC 2.0。早期的 HTTP + SSE 传输已被 Streamable HTTP 取代。

**追问**：stdio 服务为什么不能用 print 打日志？→ 标准输出是协议通道，打印的内容会破坏消息格式；日志写到标准错误。

## 进阶

### 【进阶】MCP 和 Function Calling 是什么关系？

**参考答案**：层次不同。Function Calling 是模型与应用之间的接口；MCP 是应用与工具服务之间的接口。应用从 MCP 服务获取工具列表，转成模型的工具定义，模型发起调用后，应用再通过 MCP 执行。

**追问**：LangGraph 怎么使用 MCP 工具？→ 使用 MCP 适配器（如 `langchain-mcp-adapters`，以官方文档为准）把 MCP 工具转成 LangChain 工具，交给 Agent 使用。

### 【进阶】远程 MCP 服务怎么做安全？

**参考答案**：HTTPS；基于 OAuth 的授权（规范为 HTTP 传输定义了授权流程）；以用户身份访问业务系统；工具级权限和确认；限流、审计；校验 Origin 等防止 DNS 重绑定类攻击（以规范的安全建议为准）。

**追问**：安装第三方 MCP 服务有什么风险？→ 本地服务能以你的权限执行代码、读取文件；工具描述也可能包含诱导模型的指令（工具投毒）。只使用可信来源并审查代码和权限。

## 场景题

### 【场景题】公司有 5 个团队都要接入工单系统，怎么设计？

**参考答案**：由工单系统团队提供一个远程 MCP 服务，统一鉴权（SSO 令牌、用户身份透传）、审计、限流；工具规范命名和描述，写操作带幂等 ID；各团队的 Agent 和开发工具都通过它接入。详见[企业内部 MCP 服务](scenarios/internal-tools-gateway.md)。

**追问**：工单系统接口改版怎么办？→ 只需要改 MCP 服务内部实现，工具接口保持兼容；需要改工具时做版本标记和废弃周期。

### 【场景题】你在项目中写过 MCP 服务吗？讲一下。

**参考答案**（按自己的项目讲）：服务提供了哪些工具 / 资源，为什么这样划分；参数怎么校验；有副作用的工具怎么保证幂等；怎么测试（进程内客户端测试）；接入了哪些客户端（Cursor、自己的 LangGraph Agent）；遇到的问题（例如 SDK 版本升级的不兼容、stdio 日志污染）。

**追问**：怎么验证模型能正确使用你的工具？→ 准备一组问题做评测，检查是否选对工具、参数是否正确，根据失败案例改进工具描述。