工程师科普大模型系列：大模型工具集管理与应用（MCP）

最新推荐文章于 2025-12-22 16:10:16 发布
原创 最新推荐文章于 2025-12-22 16:10:16 发布 · 321 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#AI编程 #语言模型 #人工智能

AI的出现，是否能替代IT从业者？ 10w+人浏览 1.6k人参与

部署运行你感兴趣的模型镜像

一、 MCP 是什么？为什么需要它？

在标准的 Function Calling 模式中，一个核心痛点是：工具（函数）的定义和管理与应用程序代码强耦合。

  • 传统方式： 开发者需要在应用程序代码中硬编码可用函数的列表（JSON Schema）。要增加、修改或删除一个工具，必须修改应用代码并重新部署。
  • 问题： 这种方式缺乏动态性和模块化。想象一下，你为模型开发了一个“工具箱”，但每次想增加一把新“扳手”，都需要把整个工具箱返厂改造。

MCP（由 Anthropic 提出并开源）旨在解决这个问题。 它定义了一个标准化的协议，允许大模型应用程序（称为 MCP Client）以动态、安全的方式从外部的工具服务器（称为 MCP Server） 发现和调用工具。

核心思想： 将工具的提供者（Server）与工具的使用者（Client/Model）解耦。

二、 MCP 的核心架构与组件

MCP 的架构遵循客户端-服务器模型，通常基于 WebSocket 或 STDIO 进行通信。

组件角色职责
MCP Client（客户端）大模型应用程序1. 连接一个或多个 MCP Server。
2. 从 Server 发现可用的工具（函数）和资源（如只读数据）。
3. 将发现的工具动态注入给大模型，供其调用。
4. 将模型的工具调用请求转发给对应的 Server 并返回结果。
MCP Server（服务器）专门化的工具/数据提供者1. 向 Client 注册自己提供的工具列表（包含完整的 JSON Schema 描述）。
2. 监听来自 Client 的工具调用请求。
3. 执行具体的工具逻辑（如调用 API、查询数据库、执行代码）。
4. 将执行结果返回给 Client。
MCP Protocol（协议）通信的“语言”定义了 Client 和 Server 之间交互的标准消息格式和流程，例如 tools/list, tools/call, resources/read 等。

三、 MCP 如何扩展 Function Calling 能力？

MCP 并没有改变大模型本身进行 Function Calling 的底层原理（意图识别、参数提取），而是在工具的管理和集成层面带来了革命性的变化。

1. 工具的动态发现与组合

  • 传统模式： 工具列表是静态的，在应用启动时就固定了。
  • MCP 模式： Client 可以在运行时连接多个专门的 MCP Server。例如：
    • 连接一个 Weather Server，提供全球天气查询工具。
    • 连接一个 Jira Server，提供项目管理工具（创建任务、查询进度）。
    • 连接一个 CompanyDB Server，提供内部数据库查询工具。
  • 优势： 模型的能力可以像“插拔硬件”一样动态扩展。无需修改核心应用代码，只需让应用连接新的 Server，模型就能立即获得新工具。

2. 工具实现的专业化与隔离

  • 传统模式： 所有工具的代码都写在同一个应用程序里，耦合度高。
  • MCP 模式： 每个 MCP Server 都是一个独立的进程，专注于某一领域的工具实现（如 GitHub 操作、Slack 消息发送）。
  • 优势：
    • 安全： 工具运行在独立的沙箱中，即使某个 Server 被恶意利用或出现故障，也不会直接影响主应用。
    • 技术栈自由： 不同的 Server 可以用最适合的语言编写（Python, Go, JavaScript 等），只要遵守 MCP 协议即可。
    • 易于维护： 可以独立更新、部署和扩展每个工具 Server。

3. 资源（Resources）概念的引入

MCP 不仅定义了工具（可执行的操作），还定义了资源（Resources）——即只读的数据源。

  • 示例： 一个 MCP Server 可以提供一个 read_file 工具，同时也可以将一个配置文件注册为一个 resource。模型可以直接请求读取这个 resource 的内容，而无需通过调用工具的间接方式。
  • 优势： 为模型提供了更直接、更高效的数据访问通道，丰富了模型与外界交互的模式。

四、 MCP 的实践流程与示例

假设我们要构建一个智能助手，它可以管理日历和发送邮件。

没有 MCP 的时代：

  1. 在助手应用的代码里，定义 create_calendar_event 和 send_email 两个函数的 JSON Schema。
  2. 在代码里实现这两个函数的逻辑。
  3. 将函数列表和实现与主应用捆绑部署。

使用 MCP 的时代：

  1. 部署工具服务器：

    • 部署一个 Calendar MCP Server，它向网络宣告自己提供 create_calendar_event 工具。
    • 部署一个 Email MCP Server，它向网络宣告自己提供 send_email 工具。

  2. 配置 MCP Client（智能助手应用）：

    • 配置应用启动时连接上述两个 Server 的地址。

  3. 运行时交互：

    • 发现： 助手应用启动后，自动向两个 Server 请求工具列表。Server 返回工具的完整描述（JSON Schema）。
    • 注入： 助手应用将获取到的工具列表动态地注入到给大模型的提示词中。
    • 调用： 用户说：“帮我安排明天下午两点和客户的会议，并发邮件通知他。”
      • 大模型识别意图，决定调用 create_calendar_event 和 send_email。
      • 生成参数，助手应用将调用请求路由到对应的 Calendar Server 和 Email Server。
      • Server 执行具体操作（写入日历、调用 SMTP API），将结果返回给助手应用。
      • 助手应用将结果整合后，通过模型生成最终回复给用户。

五、 MCP 与现有技术栈的关系

  • LangChain / LlamaIndex： 这些高级框架已经开始集成 MCP 支持。它们可以作为一个功能强大的 MCP Client，让你更容易地管理和连接多个 MCP Server，从而构建复杂的 Agent 系统。
  • 云服务商： AWS Bedrock、Google Vertex AI 等平台预计将提供托管的 MCP Server 仓库或更简单的集成方式。
  • 开源生态： 社区正在为各种常见服务（Notion, Slack, GitHub, 数据库等）积极开发开箱即用的 MCP Server，未来可以实现“即插即用”的工具集成。

总结：MCP 的价值

MCP 是 Function Calling 能力的“操作系统”或“总线”。它没有取代 Function Calling，而是为其构建了一个更强大、更灵活的基础设施。

特性传统 Function Calling基于 MCP 的 Function Calling
工具管理静态、集中式动态、分布式
集成复杂度高（代码耦合）低（协议标准化）
安全性与隔离性低高（进程隔离）
可扩展性差（需修改代码）强（即插即用）

对于工程师而言，MCP 意味着：

  1. 模块化开发： 可以组建团队专门开发维护不同领域的工具 Server。
  2. 生态共享： 可以直接使用社区开发的高质量 MCP Server，无需重复造轮子。
  3. 未来适应性： 当需要为模型增加新能力时，只需寻找或开发一个对应的 MCP Server 并连接即可，大大降低了系统的演进成本。

MCP 协议正在成为构建下一代、可组合式 AI 应用的关键基石，它使大模型的工具调用能力变得更加企业级和工业化。

附录：

常用MCP Server列表

下面这个表格整理了一些常用且评价不错的 MCP Server，你可以根据自己的需求来选择。

分类MCP Server 名称主要功能简介项目地址
📦 开发与协作GitHub MCP Server让 AI 助手能与 GitHub 仓库交互，访问代码、Issues 和 Pull Requests。https://github.com/github/github-mcp-server
Linear MCP Server与 Linear 项目管理 API 集成，支持问题跟踪和产品迭代周期管理。https://github.com/jerhadf/linear-mcp-server
Notion MCP安全地访问你的 Notion 工作区，获取文档、数据库等内容。https://github.com/mcnijay/notion-mcp
🗄️ 数据库与搜索Neo4j MCP与 Neo4j 图数据库交互，执行查询和分析关系网络。https://github.com/neo4j-contrib/mcp-neo4j
Qdrant MCP Server访问和操作 Qdrant 向量数据库，执行语义搜索。https://github.com/qdrant/mcp-server-qdrant
Brave Search MCP Server使用注重隐私的 Brave 搜索引擎进行网络查询。https://github.com/arben-adm/brave-mcp-search
Meilisearch一个极速的开源搜索引擎，其官方 MCP Server 支持使用MCP调用。https://github.com/meilisearch/meilisearch
☁️ 云服务与运维Cloudflare MCP Server与 Cloudflare 服务集成，包括 Workers、KV、R2 和 D1。https://github.com/cloudflare/mcp-server-cloudflare
AWS MCP Server使 AI 助手能够在安全的 Docker 环境中执行 AWS CLI 命令。https://github.com/alexei-led/aws-mcp-server
Kubernetes MCP Server通过 MCP 操作 Kubernetes 集群，适合 AI 驱动的 DevOps 工具。https://github.com/Flux159/mcp-server-kubernetes
🌐 网络与自动化Firecrawl将整个网站转换为适合 LLM 的 Markdown 或结构化数据。https://github.com/mendableai/firecrawl
browser-use一个浏览器自动化库，让 AI 智能体可以模拟人类操作浏览器。https://github.com/browser-use/browser-use

🔍 如何探索更多 MCP Server

除了上面列出的单个项目，互联网上还有很多社区和平台在持续收集和整理各类 MCP Server，是你寻找新工具的好去处：

  • Awesome MCP Servers: 一个在 GitHub 上非常受欢迎的资源合集，由社区共同维护，收录了上千个 MCP Server。
  • MCP.SO: 一个网站形式的目录，同样收集了非常多的 MCP Server，并且界面友好。
  • Smithery: 一个帮助开发者寻找和发布代理服务的平台。

💡 使用入门建议

当你选好 MCP Server 后，通常需要在支持 MCP 的客户端（如 Cursor、Windsurf、Claude Desktop 等）中进行配置。一般步骤如下：

  1. 查看文档：前往该 MCP Server 的 GitHub 页面，仔细阅读它的安装说明和配置要求。
  2. 准备配置：多数客户端通过创建一个 mcp.json 文件来配置。你需要按照文档填写服务器地址、命令或所需的 API 密钥等信息。
  3. 放置文件：将配置好的 mcp.json 文件放在客户端指定的目录下。例如，在 Cursor 中，通常是项目根目录下的 .cursor 文件夹或用户主目录的 .cursor 文件夹。

常用MCP Client列表

目前主流的AI辅助编程工具和AI助手大多都已支持MCP（Model Context Protocol）协议，这意味着它们都可以作为MCP Client来使用。下面这个表格汇总了常见的MCP Client及其核心特点，方便你快速了解。

MCP Client 名称类型核心特点/集成服务
CursorAI 辅助 IDE支持通过项目或全局的 mcp.json 配置文件集成 MCP Server。
WindsurfAI 辅助 IDE支持通过工作区内的 mcp.json 配置文件集成 MCP Server。
Claude Desktop桌面 AI 助手通过编辑其配置文件来集成 MCP Server。
ChatGPT (开发者模式)网页 AI 助手在设置中开启开发者模式后，可以连接 MCP Server。
Glama Chat多模态 AI 客户端 / AI 网关一个支持 MCP 的多模态 AI 客户端，同时也是一个 AI 网关。

💁 如何配置MCP Client

不同客户端的配置方式略有不同，但基本逻辑相似，核心是创建一个配置文件（通常是 mcp.json），并在其中填写你想要连接的 MCP Server 信息。

通用配置步骤

  1. 创建配置文件：在客户端指定的目录（通常是项目根目录或用户的全局配置目录）创建 mcp.json 文件。
  2. 编写配置内容：根据你要使用的 MCP Server，在配置文件中填写正确的连接方式（如URL或本地命令）和必要的认证信息（如API密钥）。下面是一个配置示例：
    {
  "mcpServers": {
    "notion": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.notion.com/mcp"]
    },
    "linear": {
      "url": "https://mcp.linear.com",
      "auth": {
        "type": "apiKey",
        "key": "YOUR_LINEAR_API_KEY_HERE"
      }
    }
  }
}
  3. 启用与重启：在客户端的设置中确保已启用 MCP 服务器支持，有时配置后需要重启客户端才能生效。

客户端特定配置

  • Cursor：将 mcp.json 放在项目根目录的 .cursor 文件夹内，或放在用户主目录的 .cursor 文件夹以实现全局配置。
  • Windsurf：将 mcp.json 放在工作区或项目的根目录下。
  • Claude Desktop：需要编辑其特定的配置文件（例如，在 macOS 上通常是 ~/Library/Application Support/Claude/claude_desktop_config.json）。

💡 使用建议与注意事项

  • 探索更多资源：除了上述客户端，网络上还有如 awesome-mcp-clients 等社区维护的资源列表，可以帮助你发现更多选择。
  • 注意上下文限制：连接的 MCP Server 并非越多越好。每个服务器都会占用模型的一部分上下文窗口，过多可能会导致核心对话可用的上下文减少。
  • 安全第一：在配置 MCP Server，尤其是涉及写操作或敏感数据的服务时，请务必使用权限最小化的 API 密钥，并保护好你的认证信息。

您可能感兴趣的与本文相关的镜像

ComfyUI

ComfyUI

AI应用
ComfyUI

ComfyUI是一款易于上手的工作流设计工具，具有以下特点：基于工作流节点设计，可视化工作流搭建，快速切换工作流，对显存占用小，速度快，支持多种插件，如ADetailer、Controlnet和AnimateDIFF等

MCP的工具链管理：构建高效的工作流
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
03-30 1778
在开发基于MCP（Model Context Protocol）的应用程序时，工具链管理是实现复杂功能和高效工作流的关键。通过合理地组织和管理工具链，开发者可以构建出更加智能、高效的应用。本文将详细介绍MCP的工具链管理功能，并通过代码示例展示如何实现高效的工作流。工具链定义了工具的调用顺序和依赖关系。每个工具的输出可以作为下一个工具的输入，形成一个完整的处理流程。以下是一个简单的工具定义示例，用于数据处理和分析：Python复制# 数据处理逻辑# 数据分析逻辑。
MCP模型上下文协议：AI人工智能模型训练的自动化调参
AI天才研究院
04-12 1385
在AI模型训练过程中，超参数调优一直是耗时且需要专业知识的环节。MCP模型上下文协议旨在解决这一痛点，通过建立模型训练过程中的上下文感知机制，实现智能化的自动参数调整。本文范围涵盖MCP协议的理论基础、实现细节、数学原理以及实际应用案例。文章首先介绍MCP的基本概念和背景，然后深入解析其核心算法和数学原理。接着提供一个完整的Python实现案例，讨论实际应用场景，最后展望未来发展趋势。附录部分包含常见问题解答和扩展阅读资源。MCP模型。
【feuse-mcp】一个实用的前端MCP工具集， 让你的Dirty Work 都丢给AI吧！
Panzer_Jack的博客
06-01 1492
前端实用 MCP（模型上下文协议）工具 - 为 Web 开发者提供的自动化 API 集成、Figma 设计转代码和开发工作流优化的基础工具集。
Apple MCP 工具集介绍与使用教程
gitblog_00618的博客
04-02 845
本项目是一个开源的Apple MCP（Model Context Protocol）工具集，它提供了一系列与苹果原生应用交互的脚本和工具，如发送消息、管理笔记、搜索联系人、发送电子邮件、设置提醒等。这些工具基于MCP协议，可以与Claude Desktop等应用程序集成，以创建更加智能和高效的自动化工作流。 ## 2. 项目快速启动 首先，确保你已经安装了`bun`，一个轻量级、快速的Java...
从零开始：如何开发一个MCP Server
艾克斯
03-31 3306
手把手教你如何使用Cursor工具快速、高效开发一个天气 MCP Server 服务，并集成到Cursor中使用
Apple MCP 工具集使用教程
gitblog_00013的博客
04-02 1063
本项目是一个为 Model Context Protocol (MCP) 提供的苹果原生工具集。以下是项目的目录结构及各部分的简要介绍： ``` apple-mcp/ ├── .github/ # GitHub 工作流和配置文件 ├── utils/ # 项目工具类文件 ├── .gitignore # Git 忽...
聊一聊Tool、MCP和Agent来龙去脉 | 大白话技术科普系列
ShowMeAI研究中心
04-15 1098
Agent 生态的爆发，可能来得比大多数人想象中还要快。 2025 是名副其实的 Agent 之年。这背后蕴藏着的，是巨大的技术变革和商业机会，以及我们这代人几十年才得一遇的科技浪潮。
Gradio全解1（上）——Gradio简介：大模型WebUI框架
热门推荐
shao918516的博客
06-28 4万+
本章第一节做了Gradio简介，包括Gradio是什么、历史、特性及用途；第二节讲述了Gradio与NiceGui、StreamLit、Dash及PyWebIO的比较，并给出了选择建议；第三节对新版Gradio5的特性作了详解。
MCP模型上下文协议：AI人工智能模型优化的秘密武器
AI天才研究院
05-20 1003
随着GPT-4、MidJourney等复杂AI模型的普及，模型对上下文信息的处理能力成为决定性能的关键因素。语义碎片化：跨层上下文信息无法有效聚合计算低效性：重复处理无效上下文数据模态割裂：多模态场景下上下文难以统一表示本文提出的MCP模型上下文协议，通过定义标准化的上下文交互接口和动态调度机制，实现模型上下文的高效采集、序列化、存储与利用。覆盖从模型训练到推理的全生命周期，适用于NLP、CV、多模态等主流AI场景。基础理论：定义MCP核心概念，建立上下文处理的数学模型技术实现。
Java实习模拟面试之MCP：多工具协同的Agent通信协议
吾为热爱计科，致力于知识分享的践行者，此博客是我在这条道路上留下的足迹。
08-14 304
好的，面试官。什么是MCP？MCP，全称Model Context Protocol (模型上下文协议)，是一个开放、标准化的协议，旨在定义AI模型（或Agent）之间如何交换信息、请求服务和共享上下文。它的核心目标是打破不同AI系统、工具和服务之间的壁垒，实现跨平台、跨厂商的互操作性。想象一下，一个任务需要通义千问、文心一言和一个私有的天气预测模型共同协作完成。传统方式下，每个系统都需要为其他系统定制接口，复杂且脆弱。而MCP提供了一套通用的“语法”和“语义”
MCP（Minecraft Coder Pack）完全指南：从入门到精通
qq_43580271的博客
04-21 2532
Minecraft Coder Pack（简称MCP）是一套用于反编译、修改和重新编译Minecraft Java版源代码的工具集。它允许开发者深入研究Minecraft的底层代码，并在此基础上进行模组（Mod）开发、代码分析或自定义修改。：由于Mojang官方逐步开放映射（Mojang Mappings），MCP的重要性下降，但仍在某些场景下使用。// 在 net/minecraft/entity/player/EntityPlayer.java 中。目录，修改反编译后的Java代码。
CURSOR MCP工具大全，最全最热门的MCP服务集！史上最好用的MCP工具教程 - 手把手实战教程 - 持续更新
HRG520JN的博客
06-26 2021
CURSOR MCP工具大全，最全最热门的MCP服务集！史上最好用的MCP工具教程 - 手把手实战教程 （持续更新中，尽可能把坑踩完并且操作步骤简化，适合新老手使用）。文末有第三方收录国内外全部MCP工具集链接。
AI Agent新范式：FastGPT+MCP协议实现工具增强型智能体构建_fastgpt mcp
jennycisp的博客
06-07 1301
MCP协议（Model Context Protocol）是由Anthropic在2024年11月初发布的一种协议，旨在统一AI模型与外部系统之间的通信方式，简化它们之间的交互问题。随着OpenAI官方宣布支持MCP协议，越来越多的AI厂商也开始支持这一协议。Client（客户端）：使用AI模型的一方，通过MCP Client可以为模型提供调用外部系统的能力Server（服务端）：提供外部系统调用的一方，实际运行外部系统的主体MCP服务：可以将FastGPT应用以MCP协议对外提供MCP工具集。
开源神器大集合！这10个MCP让AI小白秒变大神！
2401_84495872的博客
07-11 1153
摘要：MCP（ModelContextProtocol）是AI界的"万能转接头"，让大模型能连接外部工具，实现多功能应用。其爆火原因包括巨头开源支持、GitHub高关注度及丰富生态项目。文章推荐了10个神级开源MCP项目，涵盖数据库操作、AI绘图、网页部署等场景，同时提醒需理性看待MCP技术，指出其在精密操作等领域的局限性。文末还提供了大模型AI学习路径和资源，强调掌握AI工具的重要性。
MCP (Model Context Protocol)，一篇就够了
分享思想，留下痕迹。
08-30 1849
经过这么长篇幅的介绍，相信大家对MCP工具的选择和配置已经有了清晰的认识。让我来做个最后的总结。MCP生态还在快速发展中，新的工具和功能不断涌现。作为开发者，我们要保持学习的心态，及时跟上技术发展的步伐。最重要的是，工具始终只是工具，真正的价值在于如何用它来解决实际问题，提升工作效率。希望这篇文章能帮助大家在MCP的世界里找到属于自己的那套"装备"组合，让AI真正成为我们工作中的得力助手！🤔读完这篇文章后，你计划如何开始自己的MCP进阶之路？你最想先尝试哪个工具组合？
MCP 与 Dify 工具系统的区别详解：远程调用、工具发现与智能调度
xiaoyanboke的博客
06-17 1137
Dify更适合固定功能场景，配置简单，但灵活度较低；MCP更像是 AI 的“工具集线器”，适用于复杂任务、多工具调度场景。
Ai编程翻车修车记3 -一次因为移除监听器失败导致bug后的DOM事件深入学习
最新发布
分享有趣的、贴近生活的CS知识
12-22 663
本文记录了一次前端DOM事件监听bug排查经历：为解决编辑器拖拽与返回手势冲突，在页面添加capture模式监听器，却因移除时未传对应第三个参数，导致监听器未真正失效，进而影响其他模块地图功能。通过查阅MDN深入理解捕获/冒泡队列机制后，补充参数完成修复。此次"翻车"警示开发者：基础知识点需吃透，勿过度依赖自动补全，合理使用工具可降低失误。
【AI编程工具】-CodeBuddy不默认打开上一次项目设置
Java转AI工程师 | 用代码写干货，让AI不“崩”！
12-18 498
摘要：本文介绍了两种方法解决CodeBuddy IDE默认打开上一次项目的问题。方法一通过IDE设置界面修改"restore"相关选项为"none"或"false"；方法二通过编辑配置文件（用户级或项目级的settings.json），添加相关参数。两种方法均附有详细操作步骤和配置示例，并确认有效。文中包含界面截图辅助说明设置位置和修改效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

探路者继续奋斗

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值