开发MCP服务，何时使用工具？何时使用资源？

最新推荐文章于 2025-12-03 20:31:34 发布

原创最新推荐文章于 2025-12-03 20:31:34 发布 · 1k 阅读

CC 4.0 BY-SA版权

文章标签：

虽然 AI 模型本身并不将 tool:// 或 resource:// 解析为协议，但是采用这样的命名约定可以增强可读性和结构。一致的 URI 模式 (如 tool://crm/add-client 或 resource://clients/{ id}) 使生态系统可预测，并且在一些工具框架中能够得到支持。

当我们朝着构建能够推理、计划和自主行动的智能系统前进时，模型上下文协议 (MCP) 在构建 AI 模型如何与外部工具和数据交互方面扮演着关键角色。在采用 MCP 时，一个容易混淆的常见问题是——什么时候使用资源，什么时候使用工具。

在这里，老码农尝试对这些概念进行区分，提供一些实际的示例，并总结要点，以便有效地应用它们。

1. 示例场景

假设我们正在开发一个自动化业务工作流的数字助手。例如，当一个新客户签订合同时，助手应该：

将客户添加到 CRM 系统。
发一封欢迎电子邮件。
通过 Slack 通知销售团队。
指定一名专门的客户经理。

我们希望 AI 以最少的人工干预来处理这个端到端的过程。

2.MCP中的工具

MCP 中的工具是模型可以调用的操作ーー执行任务的操作。

例如：

复制

@mcp.tool()
def send_email(to: str, subject: str, body: str) -> str:

“””发送电子邮件到一个给定的地址s”””
...

MCP工具的主要特点：

模型控制：人工智能模型决定何时调用它们。
自动列出：它们出现在 /tools 端点中。
自主调用：模型可以确定使用哪种工具，并在必要时请求缺少的参数。

在我们的业务工作流示例中，像add_client_to_crm、send_email 和 notify_sales_team 这样的操作应该作为工具实现，因为它们需要执行操作，而且模型必须自主决定调用它们。

3. MCP 资源

一般地，资源是由后端公开的只读数据。可以把它们想象成：

现有数据清单。
静态的参考资料或动态数据集。
具有结构化标识符 (uri) 的数据项。

例如：

复制

@mcp.resource(“clients://{client_id}”)

def get_client(client_id: str) -> dict:

“““指定ID，返回客户端的详细资料”””

...

MCP资源的主要特点：

客户端控制： AI 模型不会自动调用资源, 客户端应用程序必须对访问进行管理。
结构化数据：它们提供结构化信息，可用于为模型的决策提供信息。
上下文管理：它们通过仅提供相关数据来帮助管理上下文窗口。

在我们的工作流中，使用list_clients, get_client_details和 list_account_managers这样的资源是合适的。

4.为什么不是全部使用MCP工具？

假设公开了 5000 个操作作为MCP工具 (例如，不同的 CRM 系统，api 等等) ，如果这些都是工具：

它们在 /tools 中作为 JSON 返回。
人工智能模型试图解析所有 5000 个数据，以决定该做什么。
这会使上下文窗口膨胀，降低推理速度，甚至可能失败。

相反，可以将 list_crm_systems,list_available_actions或者 list_departments公开为资源。这有助于客户端根据用户输入或身份验证获取相关的上下文片段，从而优化性能和可伸缩性。

5. 何时使用MCP工具？又何时使用资源？

MCP工具和MCP资源的选择依据：

是否触发操作？
返回结构化数据是否可选
AI 模型是否可以自主调用还是客户端必须控制访问
是否应用于规划和链接行动，还是只支持上下文抓取
是否需要实时的上下文范围

资源有助于管理身份验证和授权：

特定于用户的资源列表：用户请求资源列表时，服务器只能过滤并返回用户可以访问的资源。
工具访问控制：在列出工具时，确保只返回授权用户使用的工具。

此策略确保用户只能看到他们拥有权限的资源和工具，并且可以与它们进行交互，从而增强安全性和用户体验。

如果希望 AI 模型自主地识别有缺失的输入并请求它们，那么必须使用工具。工具是模型控制的，允许模型：

读取工具的描述说明。
根据提示词选择适当的工具。
检测遗漏的输入。
自动提示用户输入所需信息。

资源将不会触发此行为，除非客户端应用程序添加了相关逻辑。将数据拉入并将其注入上下文。

6.小结

当构建自动化工作流程的智能助手时，在 MCP 工具和资源之间进行选择至关重要：

当模型需要自主行动或推理时，使用工具。
利用资源提供有范围的、结构化的数据，并减少上下文过载。

对于动态且自动化的Agentic系统，工具是动力，对于管理广泛的参考数据，资源可以帮助我们安全地扩展。

AI大模型学习福利

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。那以下这些PDF籍就是非常不错的学习资源。

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

四、AI大模型商业化落地方案

因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量