MCP 协议，AI 时代的 “智能体扩展坞“

网易数智

于 2025-06-25 17:28:47 发布

阅读量415

点赞数 12

CC 4.0 BY-SA版权

文章标签：人工智能

本文链接：https://blog.youkuaiyun.com/netease_im/article/details/148965055

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年 11 月推出的开放通信协议，旨在解决大语言模型（LLM）与外部工具、数据的交互难题，其核心价值在于打破数据壁垒和统一交互标准。

MCP就像是电脑的转换器，通过标准化接口（类似 USB-C），让 AI 应用（客户端）与外部工具（MCP 服务器）实现即插即用，避免重复开发适配器。

同时，还可以访问和调用企业私有数据、实时信息（如数据库、文件系统），弥补公开模型的 "知识盲区"。

MCP 的目的就在于让大家在构建 AI 应用时轻松引入外部服务、功能，或者调取更多数据，让应用拥有更丰富的能力。

MCP：智能体的“超级连接”底座

在 MCP 的框架中，核心组件包括 MCP 主机、MCP 客户端和 MCP 服务器。围绕着这个协议框架，当前，网易云信已经落应用的 MCP 技术栈有两种主要形态。

第一种，是将云信已有的成熟 PaaS 能力以 MCP server 的形式提供，从而让成熟的 API 能力可被更多 AI 应用更好地集成。

目前，该能力已经对外开源，开发者可以通过 Github（https://github.com/netease-im/yunxin-mcp-server）进行查看。

第二种，则是将 MCP 当作对话式 AI Agent 的一个应用插件，让更多的外部能力被网易云信对话式 AI 产品来集成。在这种形态下，MCP 客户端被深度集成于主机内部，并作为关键的接口层，网易云信管理并着重优化其与 MCP 服务器点对点连接的能力。并为开发者提供工具调动、资源分配与 Prompt 能力。

以网易云信开发的 AI 陪聊智能体架构为例，客户端经协议接入后，AI Agent 会调用大模型生成基础回复结合记忆模块优化内容。当需要扩展能力时，则会通过 MCP 协议联动外部工具（组件化），进而多组件形成协同 “接入 - 处理 - 响应” 完整链路。

在此基础上，外围的协同网络构建系统 memory manager 会化身为 “记忆中台”，并沉淀对话片段、用户画像与角色知识，让交互具备 “长期记忆” 与个性化服务能力。而公共 Agent 平台作为 “能力调度枢纽”则负责智能体功能复用，以此大幅压缩多场景部署周期。

而 Tools MCP servers 借协议打通外部工具生态，如专业数据检索、特色功能调用等。此外，MPS 与 RTC - AI service 又负责保障音视频交互的低延迟、高流畅，各类数据库（对象存储、向量库等）则作为 “数据底座”，支撑内容理解与响应生成。

MCP client 作为智能交互的 “神经中枢”，承担对话逻辑与智能体管控的关键职能。一方面，通过对话管理维持交互连贯性，让上下文理解不 “掉线”，另一方面通过自定义智能体人设（如 “情感陪伴型”“专业咨询型”），结合预设 Prompt 模板，精准锚定对话风格。

为适配多元交互场景，模块还支持支持 WebSocket、HTTP SSE 实时流式对话（边输入边响应）。

当然，正常情况下，如果开发者要开发 MCP Server，最好只开发工具（Tools），另外两个资源和 Prompt 暂时没有得到广泛支持，并且工具（Tools）可以模拟出资源（Resource）的效果。

MCP协议，智能体交互的革新

在具体应用案例层面，我们以上文提到的第二种方式结合高德地图官方的 MCP server 来进行演示。

首先，我们将 MCP 当作实时对话式 AI Agent 的一个 Tool 插件配置，在 Agent 的配置页面上可以管理添加。