普通的API接口于 AI 的MCPTool 的区别有哪些

对比维度 普通后端接口 MCPTool
服务对象与设计初衷 面向人类开发者，服务于确定性代码，需阅读文档并硬编码调用逻辑。 面向 AI 代理，服务于动态决策，以结构化、机器可读的方式暴露能力，供 AI 推理使用。
发现机制与执行方式 依赖静态文档（如 OpenAPI），变更时需更新 SDK 或文档；LLM 需自行构造 HTTP 请求，易出错。 支持运行时动态发现（如 tools/list），自动适应变化；LLM 仅选择工具，由确定性代码执行，避免构造请求风险。
数据交互与资源管理 数据分散于 URL、Header、Body 等，格式多样；资源操作需自定义 API，生命周期管理复杂。 强制一致性规范，单工具对应单个 JSON 输入/输出；内置标准化资源抽象层，统一管理文件、数据库等资源。
通信方向与本地访问 通常为单向请求-响应模式；需配置端口、鉴权、CORS 等网络层设置。 支持双向通信（请求完成、用户输入、进度通知）；支持本地优先（stdio 进程运行），无需复杂网络配置。