MCP 到底该怎么理解

MCP（model context protocol） 是什么呢？ 我看网上都讲得很玄乎，这里我尝试让大家看的更清晰些。了解一个事务或者技术，先来看他要解决的问题和演化路径。

从 Function Calling 说起

为了让模型不仅仅只是能输出文本（包括图片，音频，视频），还能调用外部工具， OpenAI 首先提出了 function calling 的功能，具体做法是，你按规定格式，把你的函数描述发送给大模型， 然后大模型按规定格式输出的json文本，该文本包含了需要调用的函数名称和参数，你根据这个信息调用函数，这样就实现了大模型可以调用函数了，函数里的逻辑也是你自己自定义的。

到这里为止， OpenAI 只是提供了一个标准，你提供函数定义给他，他给你吐出需要调用的函数以及参数的json,其他的东西你全部都要自己做一遍。比如你想大模型自动调用github 的push API，你就需要自己定义一个函数，实现对github api 的调用，然后将函数转化成 openai 接受的格式然后解析 openai 规范返回的值，最后执行这个函数。 

从函数到 API, MCP

现在 MCP 就是要把这一点标准化，给你一个客户端SDK, 给你第一个服务端SDK(目前两个sdk是一个SDK,一般都叫 mcp ，支持python/nodejs 等主流语言) ,这样只要你客户端（比如你的前端页面）和服务端（比如github 的API 服务）都是都按这套规范实现，那么你就可以调用自己的或者任何第三方以 MCP 暴露API 接口。所以明白了 MCP的价值吧？相当于 API 的 function calling. 

两点，第一点，让function calling 的标准化，其次，只要所有API 都重新以 MCP 来暴露，那么大模型就可以直接调用世界上所有的API ,实现操作万物。

但这里有个细节点值得说说，就是现在的实际实现逻辑是，比如我是 github api 提供商，为了让大模型方便调用我，我会提供一个 mcp server(就是一个普通的lib 库), 这个mcp server目前的主要部署方式是客户端部署，你通过 mcp SDK 提供的代码，在自己应用里fork一个进程启动我的mcp server，两者通过标准输入输出互通, 然后你的应用可以从我mcp server 获取所有 API相关的信息，应用目前还需要自己做一点点工作的，就是把这个API信息再组织下发送给大模型，同时让大模型返回一个标准格式，自己解析下，通过 SDK 调用API。

这套逻辑是完全复用的，你添加新的mcp server ，只要这个mcp server 的信息能够被添加到给到大模型的prompt里，就能触发整个流程的驱动了。

这里再加几个大家常有的疑问：

1. 大模型并不能自动调用 mcp, mcp 只是把 API 标准化了，你可以通过 mcp 获取API信息，以及将这些信息发送给大模型，大模型就会选择调用哪个 api。这个流程你只要实现一遍就可以。之后有新的mcp sever,注册下，就可以复用上面那套流程。

2. claude app desktop/cline 这些都算是应用，他们实现了前面的第一点。

3. API 提供商和任意第三方都可以给任何API 提供 mcp server. mcp  server 现在也有很多第三方商店。

4. 所有模型都支持 function calling, mcp, json mode 的，区别只在于成功率。另外把规定的格式给到大模型，让大模型解析给出要求的内容，这些一般都还要用户自己做(也可能可以使用第三方sdk帮你完成这件事)。效果好坏则取决于模型。

总结

无论 function calling 也好，json mode也好，mcp 也好，本质上都源于大模型只能文本进文本出（当然图片，音视频），要操作外部世界，你就需要从输出的文本中提取信息，然后通过这个信息来确定如何调用外部。 function calling 就是函数调用的标准， mcp 是API的调用标准。json mode 的是输出标准。 无论是模型提供商实现的 function calling还是应用自己实现，都是一套识别输入输出的逻辑。