MCP理论指南

简介

Model Context Protocol (模型上下文协议)，简称MCP，MCP是一种协议，用于LLM与外部拓展资源交互的协议

背景

现在关于LLM的发展非常迅速，尤其在推出Agent后，LLM逐渐可以为我们的生活服务，那对于Agent调用外部服务来说，每个厂商的Agent大相径庭，很难做到统一，这时就需要有一个规范去约束，这时候MCP就站了出来，大喊一声：我可以。
经过上面的介绍，那MCP主要做的事情就是有一个统一的规范去规范calling function及LLM外部的资源管理

组成

MCP主要由三部分组成：

1. Host：主机通常是存放llm的地方
2. 客户端：接收用户问题及充当Host和服务端的中间层
3. 服务端：在服务端这里定义了llm可用的资源，这些资源包括但不限于工具、prompts、file等
   了解完这三部分是做什么的后，我们就可以看一下MCP协议是如何工作的

工作流程

上面是一张官方的流程图，由这张流程图我看可以看到MCP工作的流程

工作流程：

1. 用户把问题输入到client
2. client拿到问题后会去server获取可用的资源，一并发给llm处理
3. llm拿到client发的数据后，进行判断看用户的问题需要使用到哪些资源，并通知client
4. client在拿到要使用的资源后就会通知server去调用相应的资源，并返回处理结果
5. client把处理结果连同上下文一并发给llm，生成最终的响应

文字描述可能不太直接，我们直接看图，本图可以直观的反映出上述描述的流程。

MCP+Agent+RAG

• Agent：一种能够感知、决策和行动以实现特定目标的自主AI系统。简单来说就是能够根据你的输入进行独立的思考，制定决策并执行行动的智能体
• RAG：将信息检索与文本生成相结合，创造更准确、信息更充分的回应。简单来说就是让模型先查资料，然后结合查到的资料来回答你的问题，让模型能够更好的获取到最新的信息

如果这三者结合，让我们不需要动手就可以让LLM给你规划旅游线路成为现实，可以很好的方便人类的生活，期待这一天的到来。

为什么MCP会有那么大的反响

我认为在AI发展的过程中，势必要出现很多的规范，这样才能变成一套体系，并且可以很有效的提高效率、降低学习成本，就如同MCP一样，我们不需要知道去看llm的calling function及外部的那些各个厂家的规范，我们只需要通过MCP协议定义好我们的服务就可以很方便的接入到任何一个MCP服务器，这就是一个降本增效的过程。
以上是我个人的见解，如果有不同的见解可以共同讨论。