本文详细介绍了Agent如何通过工具调用扩展大模型能力,以及MCP作为大模型界"Type-C"接口的重要性。MCP协议解决了不同模型间工具不通用的问题,使开发的工具可跨模型使用。MCP由Client和Server组成,为大模型生态系统提供了统一标准,使大模型能够承载类似iOS的应用生态,极大扩展了AI能力边界。
1、什么是 Agent
在我们使用大模型的时候,大模型其实缺少很多能力。比如:我们向 Claude 发出指令:帮我画一只小猫。这时候 Claude 会这样回复你:对不起,我没有绘画的能力,无法帮你画一只小猫。

这时候怎么办呢?
我们就要使用到 Agent 。
第一步:我们要自己开发一个绘画的接口,该接口接收一个入参: Prompt ,然后调用其他 AI 工具比如 Midjourney 、 Stable Diffusion 等,生成图片,然后返回一个 Image_url 。
第二步:我们要生成一个 Json 对象,用自然语言描述我们这个接口的功能、入参、出参等,帮助大模型理解。
第三步:在调用大模型的时候,传入一个 Tools 对象,把上一步的 Json 传进去。
第四步:此时,我们再向大模型发出指令:帮我画一只小猫。此时的大模型返回值中,会有一个: Tool_use 字段,告诉你的程序:此时要调用工具了。并且会返回给你对应工具的名称、入参等。
第五步:你的程序根据大模型的返回值调用绘画接口。
第六步:拿到绘图结果之后,你有两个选择:1.你可以直接返回图片给用户 2.你也可以再次将结果发给大模型,由大模型转为更加自然的语言返回给用户。
第七步:完毕。
整个流程如下:

这样,我们就通过 Agent ,给大模型加上了很多的能力,比如:绘画、查询天气、预订机票、网页搜索等等,所有传统代码的操作能力都可以集成到大模型上。这样大模型的能力就大大加强了。
2、什么是 MCP
以上的 Agent 有一个缺点:各大模型之间不通用。
比如:调用 Claude 的时候,属性名称叫 Tools ,调用其他模型的时候,可能叫 Functions ,总之有一些细微的区别,这导致了你开发的 Tool 无法适配各个大模型。
就像之前的手机接口: 苹果手机用的是两端扁平的 Lightning 接口;安卓是梯形的安卓接口。直到 Type-C 出现后,才解决了这个问题,统一了各家的接口,成功让一根线可以适配不同的系统。
而现在, MCP 就是大模型界的 Type-C 。 Type-C 是一种协议, MCP 也是一种协议。协议就是约定。只要你按照这种约定开发的工具,你就不用担心模型适配的问题。 换个模型也能用。现在各大模型都已经支持 MCP 协议,也就是说,现在按照 MCP 协议去开发的工具,不用再像以前那样,换一个模型就不能用,就要修改代码了。 这带来了极大的便利性。

附加说明
为了避免读者误解,这里做一些附加的解释。
Agent 其实有两个意思:1.工具 2.智能体。我们这里取的是第一个意思。
当一个应用集成了多种工具,并可以根据模型大脑自主决策去执行哪个工具,形成链式调用,最终解决某一类任务的时候,这个应用就可以称之为智能体,同时也可以叫 Agent (此时是智能体的意思)。
MCP 其实由两部分组成: MCP-Client (调用端)和 MCP-Server (工具端),当我们说 MCP 的时候,通常指的是 MCP-Server ,也就是工具端。
MCP-client 就很多了,像我们经常使用的 Cursor 、 Cline 、 Windsurf 、 Claude 客户端、支持 MCP 的大模型等,都是 MCP-Client 。
我们自己也可以开发一个自己的 MCP-Client ,它的开发特别简单,不到200行代码就可以搞定。具体方法可以参考这个文档:https://modelcontextprotocol.io/quickstart/client ,这里是官方示例代码:https://github.com/modelcontextprotocol/quickstart-resources/blob/main/mcp-client-python/client.py
总结
通过MCP,我们可以扩展大模型的能力,让大模型不仅仅能够只输出文字,而是为其装上对外的触手,使其能够调用我们自己开发的工具,可以输出图片、音频,能够执行搜索、读取文件、调用接口等等等等所有我们想让大模型拥有的、传统接口和外界的能力。比如通过Blender的MCP,甚至可以让AI操作Blender帮你3D建模。
这个价值是巨大的。它所制定的标准,让大模型真正成为了一个可以承载类似Windows和iOS一样生态系统的基座平台。在MCP协议的基础之上,也将会诞生数以百万计的类似iOS APP一样的标准应用。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
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人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的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。
这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】


为什么要学习大模型?
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年,人才缺口已超百万,凸显培养不足。随着AI技术飞速发展,预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。


大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!

2、大模型学习书籍&文档
学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告
2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码
学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题
面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。

适用人群

第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。
这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

2279



被折叠的 条评论
为什么被折叠?



