MCP(Model Context Protocol)总结

watersink

已于 2025-04-02 18:41:35 修改

阅读量1k

点赞数 12

分类专栏：大模型 NLP 文章标签：网络

于 2025-03-24 11:27:49 首次发布

本文链接：https://blog.youkuaiyun.com/qq_14845119/article/details/146471487

版权

大模型同时被 2 个专栏收录

26 篇文章

订阅专栏

NLP

11 篇文章

订阅专栏

什么是 MCP？

MCP 起源于 2024 年 11 月 25 日 Anthropic 发布的文章：Introducing the Model Context Protocol。

MCP （Model Context Protocol，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。

所谓一图胜千言，我这里引用一些制作的非常精良的图片来帮助理解：

可以看出，MCP 就是以更标准的方式让 LLM Chat 使用不同工具，更简单的可视化如下图所示，这样你应该更容易理解“中间协议层”的概念了。Anthropic 旨在实现 LLM Tool Call 的标准。

MCP 的本质：它是一个统一的协议标准，使 AI 模型能够以一致的方式连接各种数据源和工具，类似于 AI 世界的"USB-C"接口。

MCP 的价值：它解决了传统 function call 的平台依赖问题，提供了更统一、开放、安全、灵活的工具调用机制，让用户和开发者都能从中受益。

使用与开发：对于普通用户，MCP 提供了丰富的现成工具，用户可以在不了解任何技术细节的情况下使用；对于开发者，MCP 提供了清晰的架构和 SDK，使工具开发变得相对简单。

Why MCP?

我认为 MCP 的出现是 prompt engineering 发展的产物。更结构化的上下文信息对模型的 performance 提升是显著的。我们在构造 prompt 时，希望能提供一些更 specific 的信息（比如本地文件，数据库，一些网络实时信息等）给模型，这样模型更容易理解真实场景中的问题。

想象一下没有 MCP 之前我们会怎么做？我们可能会人工从数据库中筛选或者使用工具检索可能需要的信息，手动的粘贴到 prompt 中。随着我们要解决的问题越来越复杂，手工把信息引入到 prompt 中会变得越来越困难。

为了克服手工 prompt 的局限性，许多 LLM 平台（如 OpenAI、Google）引入了 function call 功能。这一机制允许模型在需要时调用预定义的函数来获取数据或执行操作，显著提升了自动化水平。

但是 function call 也有其局限性（我对于 function call vs MCP 的理解不一定成熟，欢迎大家补充），我认为重点在于function call 平台依赖性强，不同 LLM 平台的 function call API 实现差异较大。例如，OpenAI 的函数调用方式与 Google 的不兼容，开发者在切换模型时需要重写代码，增加了适配成本。除此之外，还有安全性，交互性等问题。

数据与工具本身是客观存在的，只不过我们希望将数据连接到模型的这个环节可以更智能更统一。Anthropic 基于这样的痛点设计了 MCP，充当 AI 模型的"万能转接头"，让 LLM 能轻松得获取数据或者调用工具。更具体的说 MCP 的优势在于：

•生态- MCP 提供很多现成的插件，你的 AI 可以直接使用。

•统一性- 不限制于特定的 AI 模型，任何支持 MCP 的模型都可以灵活切换。

•数据安全- 你的敏感数据留在自己的电脑上，不必全部上传。（因为我们可以自行设计接口确定传输哪些数据）

MCP怎么工作？

MCP用的是客户端-服务器的模式，简单来说：

MCP客户端：嵌在AI应用里（比如Claude Desktop），负责跟服务器“聊天”，告诉服务器“我需要什么数据”或者“帮我干点儿啥”。
MCP服务器：一个轻量级的小程序，连接到具体的数据源或工具（比如你的本地文件、GitHub仓库、Slack频道），然后按照客户端的请求提供数据或者执行任务。

它们之间用一种标准的消息格式（基于JSON-RPC）交流，AI模型可以通过这些消息：

1.获取数据：比如从数据库里查东西、从文件里读内容。

2.执行操作：比如调用API发个消息、管理代码仓库。

3.理解指令：通过一些提示模板，AI知道怎么用这些数据和工具。

MCP有什么好处？

MCP之所以厉害，主要有这几点：

1.标准化：就像USB-C成了通用接口，MCP让AI跟外部世界的连接有了统一标准，省去了重复开发的麻烦。

2.安全性：服务器管着访问权限，不用担心数据被乱用。

3.灵活性：不管是数据库、文件还是API，MCP都能支持，而且还能根据需要扩展。

4.跨平台：不管你用什么系统、什么编程语言（目前有Python和TypeScript的支持），都能用。

MCP能干啥？

举几个例子你就明白了：

数据分析：AI可以直接查数据库，拿到最新数据帮你分析。
自动化任务：比如让AI调用API，在GitHub上创建issue，或者在Slack上发消息。
开发辅助：AI跟你的代码编辑器（IDE）连起来，帮你写代码、找bug。

Anthropic已经开源了MCP，还提供了几个现成的示例服务器，比如连接Google Drive、Slack、GitHub等。社区也在开发更多服务器，未来能干的事会越来越多。简单来说，MCP就是AI的“万能接口”。有了它，AI模型就能像插上USB-C线一样，轻松连接到各种外部数据源和工具，变得更聪明、更实用。不管是开发者还是普通用户，都能通过MCP让AI干更多事，而且过程简单又安全。未来随着MCP的普及，我们可能会看到更多酷炫的AI应用冒出来！

如何开发MCP Server？

开发一个MCP Server需要使用Anthropic的Model Context Protocol（MCP），它是一个开源标准协议，帮助AI模型与外部数据源和工具无缝连接。
推荐使用Python SDK，通过uv或pip安装，创建简单的服务器文件，并使用mcp dev命令本地运行。
该服务器可以作为HTTP服务运行，通常监听默认端口（如3000），用户可以通过HTTP请求与服务器交互。

MCP（模型上下文协议）服务器提供三种主要能力：资源、工具和提示词：

资源（Resources）资源是AI可以读取的数据，比如文件内容、数据库查询结果或API的响应。例如，AI可能通过资源获取你的日历事件列表。
工具（Tools）工具是AI可以调用的函数，用于执行特定操作，比如添加新任务或发送邮件，使用工具时，通常需要用户先批准，以确保安全。

提示词（Prompts）提示词是服务器提供给AI的预写消息或模板，帮助AI理解如何使用资源和工具，例如，服务器可能告诉AI：“你可以添加任务，试试说‘添加任务：买牛奶’”，从而帮助用户更轻松地完成任务。提示词虽然直接提供给AI，但实际上是通过AI间接帮助用户，比如AI会根据提示词告诉用户如何操作。

MCP 的未来畅想:

想象一下未来的场景：

开发者不再需要从零开始写复杂的代码，只用几行配置就能快速搭出一个 AI 驱动的应用。比如，一个程序员想做一个“智能日程助手”，通过 MCP 直接调用日历服务和 AI 模型，半天就能上线。
普通用户甚至都不用会编程。就像点外卖一样，他们只需要在 Claude Desktop 上输入几行简单的指令，比如“帮我买点东西”，AI 就能通过 MCP 连接到购物服务，几分钟搞定。
服务商也能轻松转型。过去的老牌公司，比如物流商或银行，只需开放一个标准的 MCP 接口，AI 模型就能直接集成，用户点点鼠标就能用上服务，省去了繁琐的定制开发。

你只需轻声对 AI 说几句话，生活中的大小事务便能轻松搞定。比如：

购物：你说：“帮我买一箱牛奶和一些新鲜水果。” AI 通过 MCP 连接到电商平台，自动筛选最佳商品、下单、支付，甚至根据你的偏好安排次日送达。
健康管理：你说：“我最近睡眠不好。” AI 立刻调用健康服务，分析你的睡眠数据，推荐调整作息的建议，或者直接帮你预约睡眠专家。
旅行规划：你说：“我想下个月去意大利玩十天。” AI 会自动搜索最优机票、预订特色酒店、规划经典景点路线，还能根据天气预报提醒你带上雨伞。
美食体验：你说：“今晚我想吃中餐，但不想出门。” AI 迅速连接外卖平台，推荐附近评分最高的中餐厅，帮你点好菜送到家门口。
教育与工作：你说：“我需要准备明天的会议PPT。” AI 不仅能整理资料、生成幻灯片，还能根据你的风格润色内容；学生说：“我不会解二次方程。” AI 则会调用教育平台，提供步骤讲解和互动练习。

MCP 就像一个“AI 界的超级连接器”，把技术门槛拉低，让每个人都能玩转智能生活。过去，使用软件需要复杂的下载、安装和配置，普通用户常常感到困难。如今，MCP让这一切变得简单，只需几行配置就能完成。这些场景的实现，只需与 AI 简单对话，MCP 就会像一个无形的桥梁，连接起各种服务，让繁琐的操作彻底消失。AI 将成为你的“生活管家”，从日常购物到健康管理、旅行安排、美食享受，再到学习与工作，样样都能轻松应对。

总结:

Claude 3.7 Sonnet 和 MCP，标志着 AI 从单纯的对话工具迈向了现实世界的执行者。它不仅在编码、推理和任务执行上表现出色，还通过 MCP 这个“AI 万能接口”，让开发者快速构建应用，让普通人轻松调用服务，甚至让传统服务商无缝融入 AI 生态。技术门槛的降低和功能的增强，正在为我们打开一个 AI 无处不在的未来...MCP 可能不是完美的协议，但在大模型时代，它就像 AI 的“万能插头”，让模型能连上现实世界。未来，这种连接方式肯定会越来越聪明，让更多普通人轻松感受到 AI 的强大和便利。我们平台正在积极探索面向未来的 AI 场景，想让 AI 变得更好玩、更实用，大家可以来体验下我们的平台...