一、MCP服务器概念介绍
根据MCP协议定义,Server可以提供三种类型的标准能力,Resources、Tools、Prompts,每个Server可同时提供者三种类型能力或其中一种。
- Resources:资源,类似于文件数据读取,可以是文件资源或是API响应返回的内容。
- Tools:工具,第三方服务、功能函数,通过此可控制LLM可调用哪些函数。
- Prompts:提示词,为用户预先定义好的完成特定任务的模板。
核心服务器功能
服务器通过以下三个构建模块提供功能:
| 功能 | 说明 | 示例 | 控制方 |
|---|---|---|---|
| 工具(Tools) | 你的 LLM(大语言模型)可以主动调用的函数,它会根据用户请求决定何时使用这些工具。工具可以写入数据库、调用外部 API、修改文件或触发其他逻辑。 | 搜索航班 发送消息 创建日历事件 | 模型控制 |
| 资源(Resources) | 提供只读信息的数据源,为上下文提供被动数据,例如文件内容、数据库结构或 API 文档。 | 获取文档 访问知识库 读取日历 | 应用控制 |
| 提示(Prompts) | 预设的指令模板,告诉模型如何使用特定的工具和资源来执行任务。 | 规划一次假期 总结我的会议 起草一封邮件 | 用户控制 |
常见示例包括:用于文档访问的文件系统服务器、用于数据查询的数据库服务器、用于代码管理的 GitHub 服务器、用于团队沟通的 Slack 服务器,以及用于日程安排管理的日历服务器。
二、MCP服务器通讯机制
MCP(Model Context Protocol)是Anthropic提出的开放标准,旨在标准化大型语言模型(LLM)与外部数据源、工具的交互方式。其服务器通讯机制以客户端-服务器模型为核心,通过模块化设计实现LLM与外部系统的高效、安全连接。
核心组件与角色定位:MCP服务器通讯机制涉及三个关键组件,各司其职:
- MCP Host(主机):运行LLM的应用程序(如Claude Desktop、Cursor IDE),是用户交互的入口。Host负责接收用户输入、协调MCP Client与Server的通信,并将外部数据整合到LLM的上下文窗口中,驱动最终响应生成。
- MCP Client(客户端):嵌入在Host内部的轻量级组件,作为Host与Server之间的“桥梁”。Client的主要职责包括:与Server建立1:1的稳定连接、将Host的用户请求转换为符合MCP协议的JSON-RPC消息、接收Server的响应并适配为Host可理解的格式,同时维护会话状态的一致性。
- MCP Server(服务器):独立的轻量级程序,封装了对特定外部资源或工具的访问能力(如数据库、API、本地文件系统)。Server通过标准化接口暴露“工具(Tools,可执行的功能,如‘获取天气数据’)、资源(Resources,结构化数据,如‘本地文件内容’)、提示(Prompts,可重用的任务模板,如‘总结文件’)”三类核心功能,供LLM通过Client调用。
主要传输方式:MCP服务器支持多种传输协议,适配不同场景需求:
- stdio(标准输入输出):适用于本地服务器的轻量级通信方式。Host通过操作系统的标准输入(stdin)向Client发送请求,Client将Server的响应通过标准输出(stdout)返回。这种方式无需额外的网络配置,适合本地工具集成(如本机运行的Python脚本服务器)。
- SSE(Server-Sent Events):基于HTTP的单向事件流协议,适用于远程服务器场景。Client通过HTTP连接到Server,Server可以主动向Client推送数据(如实时监控数据、远程API调用结果),同时支持客户端向Server发送请求。这种方式兼顾了远程访问的灵活性和实时性,常用于云端MCP Server(如GitHub API的MCP封装)。
- Streamable HTTP(开发中,2025年预期支持):一种更灵活的HTTP传输方式,支持双向流式通信。相较于传统SSE,它允许客户端与Server之间进行双向实时数据传输,更适合大规模分布式系统(如跨云端的AI Agent协作)
通讯协议与消息格式
MCP基于JSON-RPC 2.0规范实现客户端与Server之间的结构化通信,确保跨平台兼容性。JSON-RPC的消息结构如下:
- 请求格式:Host通过Client向Server发送的调用请求,包含以下字段:
jsonrpc(协议版本,固定为"2.0")、id(请求唯一标识,用于匹配响应)、method(调用的工具/资源方法名称,如"get_weather_forecast")、params(方法参数,采用JSON Schema定义,如{"city": "北京"})。 - 响应格式:Server处理请求后返回的结果,包含以下字段:
jsonrpc(协议版本)、id(与请求匹配的唯一标识)、result(调用成功时的结果,如天气数据)或error(调用失败时的错误信息,如{"code": 404, "message": "城市未找到"})。
工作流程
MCP服务器通讯的典型流程可分为五个步骤:
- 连接初始化:Host启动时,Client与预设的MCP Server建立通信通道。本地服务器通过stdio连接,远程服务器通过SSE或Streamable HTTP连接。
- 能力发现:Client向Server发送
list_tools请求,Server返回其支持的“工具、资源、提示”清单(如GitHub Server返回“获取拉取请求”“创建提交”等工具)。这一步实现了“动态工具发现”,避免了传统API的“M×N集成”问题(即M个模型与N个工具需M×N次定制集成)。 - 请求生成与转发:Host接收用户输入(如“查询北京的天气”),通过LLM分析意图,生成符合工具要求的JSON-RPC请求(如
{"jsonrpc": "2.0", "id": 1, "method": "get_weather_forecast", "params": {"city": "北京"}}),并通过Client转发至Server。 - 工具执行与结果返回:Server解析请求,调用对应的工具函数(如函数调用天气API),将结果封装为JSON-RPC响应(如),返回给Clientget_weather_forecast{“jsonrpc”: “2.0”, “id”: 1, “result”: {“city”: “北京”, “temperature”: 22, “condition”: “晴朗”}}。
- 结果整合与响应生成:Client将Server的响应传递给Host,Host将结果整合到LLM的上下文窗口中(如添加“北京当前气温22℃,晴朗”的上下文),LLM结合上下文生成最终响应(如“北京的当前天气是晴朗,气温22摄氏度”)。
关键技术特性
- 动态工具发现:Server通过
list_tools方法主动暴露能力,Host无需预知Server的具体功能,降低了集成复杂度。 - 安全上下文传递:Host通过
context参数向Server传递权限令牌、用户身份等元数据,确保Server仅执行授权操作(如敏感数据访问需用户显式授权)。 - 双向实时通信:SSE和Streamable HTTP支持Server主动向Host推送数据(如实时价格变动、监控告警),实现“嵌套式智能行为”(如Server调用Host的LLM生成内容)。
- 模块化扩展:Server可以独立部署和更新,Host无需修改代码即可接入新的Server(如新增“天气服务”Server,Host即可调用其工具),支持生态的快速扩展。
最后
我在一线科技企业深耕十二载,见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事,早已在效率与薪资上形成代际优势,我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包:
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
如果你也想通过学大模型技术去帮助自己升职和加薪,可以扫描下方链接👇👇

为什么说现在普通人就业/升职加薪的首选是AI大模型?
人工智能技术的爆发式增长,正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议,到全国两会关于AI产业发展的政策聚焦,再到招聘会上排起的长队,AI的热度已从技术领域渗透到就业市场的每一个角落。

智联招聘的最新数据给出了最直观的印证:2025年2月,AI领域求职人数同比增幅突破200% ,远超其他行业平均水平;整个人工智能行业的求职增速达到33.4%,位居各行业榜首,其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张,也让人才供需矛盾愈发突出。麦肯锡报告明确预测,到2030年中国AI专业人才需求将达600万人,人才缺口可能高达400万人,这一缺口不仅存在于核心技术领域,更蔓延至产业应用的各个环节。


资料包有什么?
①从入门到精通的全套视频教程
包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图(还有视频解说)
全过程AI大模型学习路线

③学习电子书籍和技术文档
市面上的大模型书籍确实太多了,这些是我精选出来的

④各大厂大模型面试题目详解

⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理,鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位,在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利,同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制,且资料与智泊AI共享,相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目,无论你是小白还是有些技术基础的,这份资料都绝对能帮助你提升薪资待遇,转行大模型岗位。


智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念,通过动态追踪大模型开发、数据标注伦理等前沿技术趋势,构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论,还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作,把课本知识变成真本事!


如果说你是以下人群中的其中一类,都可以来智泊AI学习人工智能,找到高薪工作,一次小小的“投资”换来的是终身受益!
应届毕业生:无工作经验但想要系统学习AI大模型技术,期待通过实战项目掌握核心技术。
零基础转型:非技术背景但关注AI应用场景,计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈:传统开发者(Java/前端等)学习Transformer架构与LangChain框架,向AI全栈工程师转型。
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**

8483



被折叠的 条评论
为什么被折叠?



