把北大法宝放在这个位置，是因为它解决的是所有大模型最要命的一个毛病：编法条。
大模型是「闭卷考试」——它凭训练时记住的东西回答，记错了、记混了、记的是旧版，它自己都不知道。北大法宝 MCP 做的事，是给它发一张「开卷许可」：模型在回答前，先去法宝的数据库里查一遍真实的法条和案例，再拿着查到的原文组织答案。
这个思路在技术上叫检索增强，但法宝的特殊之处在于它拿的是自己四十年积累的数据库——500 万条法规、1.6 亿份司法案例。
一、MCP 是什么，为什么律师要关心
MCP 全称 Model Context Protocol，是让大模型调用外部工具的一套标准接口。说人话：装一个插件，你的 AI 就能查法宝了。
它提供的能力有几个，按实用性排：
- 语义检索法规：用口语描述案情，直接命中相关法条原文。不用记准确的关键词。
- 精准查法条：给法名和条号，返回精确原文。这是核对条号最常用的。
- 案例检索：给案号或标题，返回题录、裁判结构段和法宝链接。核案号真假，用它最快。
- 修正生成幻觉：这个最狠——它分析大模型回答里引用的法条，返回准确原文。等于给 AI 的输出加了一道事实核查。
- 法条识别与溯源：从一段文字里认出引用了哪些法规条款，返回标准名称和来源链接。
二、实际怎么用：三个真实场景
场景一：让 AI 写文书，但每个条号都是真的
先配置好 MCP，然后直接对话：「根据〈劳动合同法〉关于竞业限制的规定，起草一份竞业限制协议，条款须注明法律依据。」
模型会去查竞业限制的相关条文，拿到原文再写。它引用的条号，你可以点链接回到法宝看原文。这一步把「AI 写的东西不敢用」变成了「AI 写的东西能核」。
场景二：核对对方提交的文书
对方代理词里引了七个条文，逐个去翻太慢。把那段文字丢进去，用法条识别工具跑一遍，返回每个引用的标准名称、条号、原文和链接。条号错了、法规名称写错了、引的是已废止版本，一眼能看出来。
场景三：快速判断一个说法有没有依据
客户问「公司能不能单方面调岗」，你心里有数但不确定最近的裁判倾向。让 AI 通过 MCP 检索类案，它返回的是真实案例，带案号和裁判观点。不用再去裁判文书网一条条筛。
三、明显短板：它是个接口，不是产品
这是必须说清楚的一点。MCP 不是打开网页就能用的东西，它需要配置——在支持 MCP 的客户端里填一段配置，把接口地址和密钥接上去。
支持的客户端包括 Cursor、Claude Code、WorkBuddy、豆包、千问办公等。如果你平时只用网页版 AI 对话框，那这个工具暂时跟你没关系。
第二，按调用次数计费。有免费试用额度，用完要买。查得多，成本要考虑。
第三，它只解决「查得准」，不解决「用得好」。查到正确的法条之后，怎么分析、怎么论证、怎么落到个案上，还是你的事。它把 AI 从「会编」变成「不会编」，但不会把它变成律师。
四、数据合规
境内主体、境内数据库，这一点没有争议。但要注意调用链条：你的问题会同时经过大模型服务商和法宝接口两方。如果用的是境外模型客户端，前半段仍在境外处理。
用国产客户端（豆包、千问办公、WorkBuddy 等）可以保证全链路境内。
实务上，检索类查询通常只含法律问题描述，风险不高；但如果你把当事人信息写进提问里，就按处理客户资料的标准对待——脱敏，或者干脆不写具体人名。
五、值不值得用
取决于一件事：你现在的 AI 工作流里，有没有「核条文」这一环。
如果你的用法是「让 AI 写个初稿，我再自己核一遍」，那这个工具能把你核的时间省掉大半，值得配。如果你本来就只把 AI 当搜索用、从不直接采用它的条文，那暂时不需要。
对律所来说更值：配一次，全所用。合伙人审助理写的文书时，「条号是不是真的」这一项可以快速过掉，把精力放在论证上。
建议先用免费额度跑两周，看看每月实际调用多少次，再决定买哪个档。绝大多数个人律师的用量，用不到最贵的方案。
说明：本文依据 2026 年 11 月前公开的产品信息撰写。MCP 接口能力、计费方式与支持的客户端会变动，配置前请查官网当前文档。本文与北大法宝无商业关系。