MCP从入门到精通（一）什么是MCP？MCP工作原理，具备工具集成的AI Agent

最新推荐文章于 2025-05-14 16:18:37 发布

大模型面微调_

最新推荐文章于 2025-05-14 16:18:37 发布

阅读量1k

点赞数 12

CC 4.0 BY-SA版权

文章标签：自然语言处理 AI大模型大模型 ai LLM MCP Agent

本文链接：https://blog.youkuaiyun.com/Code1994/article/details/147576055

一、引言

AI智能体工具包为开发者提供了多样化的API接口，旨在为AI解决方案配备执行任务所需的工具，并确保输出结果的准确性以满足用户需求。然而，将这些工具集成至AI应用程序并进行有效管理往往面临诸多混乱。本文将通过模型上下文协议（MCP），向大家介绍为大型语言模型和智能体提供上下文的行业标准实践。

二、LLM上下文规范

默认情况下，如果不为LLM（大语言模型）和AI聊天机器人提供适当的上下文，它们将无法获取实时信息、执行代码、调用外部工具和API，甚至无法代表用户使用浏览器。开发者可以采用以下方法来解决LLM和智能体的这一局限性。

1、Composio

Composio 提供了一套规范和工具库，用于集成AI智能体和LLM。除了现成的工具库外，Composio 近期还推出了 Composio MCP，使开发者能够连接100多个支持MCP的IDE服务器。通过下述链接，

链接：https://composio.dev/

大家可以查看 Composio MCP 工具分类，并在支持MCP的IDE（如Cursor、Claude和Windsurf）中将多个应用集成到您的项目中。

2、Agents.json

Agents.json 是基于OpenAI标准构建的规范，旨在优化AI智能体与API及外部工具的交互体验。尽管Agents.json是一个优秀的规范，但它的普及度远不如MCP，目前尚未被广泛采用。

链接：https://github.com/wild-card-ai/agents-json

大家可以参考其GitHub仓库了解更多信息并开始使用。

3、MCP（模型上下文协议）

MCP 为开发者提供了最佳方式，能够向LLM和AI助手提供上下文数据以解决问题。例如，我们可以搭建一个 MCP文档服务器，让IDE和智能体框架（类似于llms.txt文件的方式）完整访问我们的文档。

三、什么是MCP?

可以将MCP视为大语言模型（LLM）的第三次演进。在第一次进化阶段，LLM仅能基于训练数据中的信息准确回答用户提问，若遇到训练数据之外的查询，它们便无法给出有效回应，因为此时LLM尚未具备调用外部工具的能力。到了第二次进化阶段，我们为LLM提供了额外的上下文（工具），虽然这些工具的交互方式并不直观，但已能帮助LLM更精准地预测和响应用户意图。而第三次进化依然由LLM和工具构成，但这次我们构建了完善的底层架构，使其不仅能接入外部应用程序，还能确保整个系统的可维护性。

在构建AI服务时，大家的企业数据可能存储在云端——比如用于处理客户支持工单的AI助手应用。MCP是Anthropic推出的开源协议，可帮助企业数据与AI系统建立连接。

该协议提供了一种标准化方式，能够将内容存储库（GitHub、Notion）、开发环境、网络资源及商业工具与辅助型AI技术进行对接。目前最受欢迎且持续增长的MCP应用场景当属AI辅助编程：通过与Cursor、Windsurf等数百个开发环境和工具的MCP集成，开发者可以实现与外部应用程序的交互式开发。

注：本文重点讲解如何为基于Python/TypeScript开发的AI助手和智能体系统实现MCP集成，而非IDE环境下的MCP对接方案。

四、MCP工作原理

在大语言模型（LLM）和智能体的应用场景中，MCP能够帮助它们对超出内置知识范围的用户查询作出有效响应。例如，当您要求ChatGPT向特定Slack频道发送消息、查看日历空闲时间并安排今日团队会议时，ChatGPT的回应往往会令人失望——因为它无法直接访问这些应用程序。而MCP的实施则能让这些智能助手输出真正可用的结果。