MCP（Model Context Protocol） 协议介绍

最新推荐文章于 2025-09-29 15:52:20 发布
转载 最新推荐文章于 2025-09-29 15:52:20 发布 · 1.2k 阅读 · 0 ·
CC 4.0 BY-SA版权
原文链接：https://modelcontextprotocol.info/docs/guide/what-is-mcp/
文章标签：

#网络 #人工智能 #服务器

 

介绍 

MCP 是一个开放协议，用于标准化应用程序如何向 LLM 提供上下文。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化的方式。

为什么选择 MCP？ 

MCP 帮助您在 LLM 之上构建代理和复杂工作流。LLM 经常需要与数据和工具集成，而 MCP 提供：

  • 预构建集成列表，您的 LLM 可以直接接入
  • 在不同 LLM 提供商和供应商之间切换的灵活性
  • 在您的基础设施中保护数据的最佳实践

总体架构 

从本质上讲，MCP 遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器：

  • MCP 主机: 像 Claude Desktop、IDE 或 AI 工具等想要通过 MCP 访问数据的程序
  • MCP 客户端: 与服务器保持 1:1 连接的协议客户端
  • MCP 服务器: 通过标准化的模型上下文协议暴露特定功能的轻量级程序
  • 本地数据源: MCP 服务器可以安全访问的计算机文件、数据库和服务
  • 远程服务: MCP 服务器可以连接的通过互联网提供的外部系统（例如通过 API）

MCP 的三大核心功能 

MCP 服务器可以提供三种主要类型的功能：

1. 工具（Tools） 

  • 可以被 AI 模型调用的函数
  • 需要用户批准才能执行
  • 例如：获取天气预报、查询数据库等

2. 资源（Resources） 

  • 可以被客户端读取的类文件数据
  • 如 API 响应或文件内容
  • 例如：文档、配置文件等

3. 提示（Prompts） 

  • 帮助用户完成特定任务的预设模板
  • 优化 AI 模型的输出
  • 例如：特定格式的写作模板

实际应用示例 

以天气查询为例，通过 MCP：

  • AI 模型可以获取实时天气数据
  • 用户可以询问"今天会下雨吗？"
  • AI 会调用相应的天气 API 获取数据
  • 然后用自然语言回答用户的问题

这种方式让 AI 模型能够突破其知识的时间限制，获取实时或专门的信息，从而提供更准确和及时的回答。

为什么需要 MCP？ 

  1. 扩展性

    • 让 AI 模型能够访问外部工具和实时数据
    • 可以根据需求添加新的功能和服务

  2. 标准化

    • 提供统一的交互协议
    • 简化开发和集成过程

  3. 安全性

    • 通过用户授权机制确保安全使用
    • 控制 AI 模型的权限范围

  4. 灵活性

    • 可以根据需求自定义各种功能
    • 支持多种编程语言和平台

通过 MCP，开发者可以创建各种工具来增强 AI 模型的能力，使其能够完成更多实际应用场景中的任务。无论是简单的数据查询还是复杂的系统集成，MCP 都提供了一个强大而灵活的解决方案。

原文：MCP是什么？ – Model Context Protocol （MCP）

https://modelcontextprotocol.info

robbie2020
关注
搭建你的第一个MCP服务器（Python版）
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。
03-29 6917
在上两篇博客中，我们已经对MCP（Model Context Protocol）有了初步的了解。MCP是一种强大的协议，能够简化LLM（大型语言模型）与外部工具的交互。今天，我们将通过一个具体的例子，展示如何使用Python搭建一个简单的MCP服务器。通过这个过程，你将能够更好地理解MCP的工作原理，并为后续的应用开发打下基础。在MCP中，工具（Tool）是服务器提供给LLM的接口。我们将定义一个简单的工具，用于接收输入文本并返回处理后的结果。首先，我们需要定义一个工具类。这个工具类将继承自，并实现run。
【人工智能】MCP（Model Context Protocol）协议是由Anthropic推出的，旨在实现大型语言模型（LLM）与外部数据源和工具之间的无缝集成。
本本本添哥
12-25 2479
MCP（Model Context Protocol）协议是由Anthropic推出的，旨在实现大型语言模型（LLM）与外部数据源和工具之间的无缝集成。通过MCP协议，AI助手如Claude能够更高效地与外部服务进行交互，例如直接连接GitHub完成一系列开发任务、在本地创建和编辑文件等。这不仅提高了AI回答问题的质量和相关性，也意味着开发者可以利用AI执行更多复杂的任务。
MCP协议
weixin_36378508的博客
03-12 2959
MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
MCP是什么？一文讲懂以及MCP微服务搭建思路
qq_62448027的博客
03-14 8923
近期，Deepseak，Mauns，字节的Trae和Cursor相继在大家的社交媒体爆火，仅凭一句话，几次魔法修复就可以快速搭建一个网站，app或者一个实用脚本工具。以往，我们对GPT提的需求，我们仍需要使用到CV大法，但是有了作为中间层，我们便可以省去这样的过程，甚至利用最新的算法蒸馏技术可以让程序尽可能减少错误，并利用“代码容器”技术可以实现。本文则就MCP的设计体系，对MCP的理念进行思考以及如何结合MVI 响应式流技术和Protobuf对MCP进行Client微服务的搭建。
MCP 是什么？为什么它是 AI 落地的 “超级翻译官”？从作用到原理一文吃透
优快云_224022的博客
09-29 2876
MCP 是什么？为什么它是 AI 落地的 “超级翻译官”？从作用到原理一文吃透
MCP 协议（Model Context Protocol）
aiqlcom的博客
12-15 2910
MCP 是一种开放协议，即模型上下文协议，用于标准化应用程序向大型语言模型（LLM）提供上下文。
浅析Model Context Protocol (MCP)协议：概念、优势与实战应用
慢热型网友的博客
03-16 2186
在当今快速发展的AI技术领域，大语言模型（LLM）的应用越来越广泛。然而，如何高效地利用这些模型并将其集成到实际应用中，仍然是一个挑战。MCP（大模型上下文协议）正是为了解决这一问题而设计的。它通过定义一种标准化的通信机制，使得客户端和服务器能够高效地交互，充分利用大语言模型的强大能力。本文将详细介绍MCP协议的相关概念、优势以及实战应用。MCP。
手把手教你：MCP(Model Context Protocol)（大白话版）
milo
07-14 1095
摘要： Model Context Protocol（MCP）是给AI模型传递信息的“规矩”，确保AI理解场景并准确回应。比如客服场景中，需明确提供用户ID、订单号、历史对话等关键信息，并按固定格式（如键值对）传递，避免遗漏或冗余。MCP的作用包括提升AI准确性、系统协作效率、保护隐私（如脱敏敏感信息），以及灵活适配不同场景需求。实操时需四步：1）列出必要信息；2）规范格式；3）设置安全红线；4）协调系统执行。通过不断优化协议，可让AI更智能、高效且安全。
MCP(Model Context Protocol) 是个什么东东？
程序员超级伴侣-ApiHug
01-09 1531
Anthropic 开源了一个革命性的新协议——MCP（模型上下文协议），有望彻底解决 LLM 应用连接数据难的痛点！它的目标是让前沿模型生成更好、更相关的响应。以后再也不用为每个数据源写定制的集成代码了，MCP 一个协议全搞定！MCP 工作的方式和原理， 官方的文档已经说清清楚楚明明白白，但凡有丁点儿计算机常识是能够理解的。官方定义的这个MCP Servers是不是有点像个Sidecar 模式， 放在哪里没有问题， 中间的连接方式核心是这个 MCP.
【人工智能协议】Model Context Protocol(MCP)详解：AI应用与外部工具数据连接标准及其实现方式
05-15
内容概要：本文介绍了Model Context Protocol (MCP)，由Anthropic提出的开源协议，旨在标准化AI应用与外部工具、数据源之间的连接方式。文章对比了MCP与Function Calling，后者是OpenAI提供的能力，允许模型在生成...
Anthropic 推出 Model Context Protocol (MCP)：AI 助手与数据源的无缝连接新标准
热门推荐
jixn的博客
11-27 14万+
你不再需要为每个工具写特定代码，MCP 就像一把“万能钥匙”，让 AI 能够自由访问多种资源，甚至在复杂的业务流程中也能得心应手。当前的 AI 模型，如聊天机器人，通常与外部数据隔绝，无法访问 Google Drive 文件、Slack 对话记录或 GitHub 上的代码等。无疑是 AI 助手与外部数据系统连接的未来，它让人工智能在数据访问上变得更加灵活和智能，也为开发者提供了一个标准化、可扩展的解决方案。例如，在开发中，MCP 可以让 AI 理解项目的代码结构和历史提交，生成更符合需求的代码。
MCP 协议详解：AI 世界的 USB-C接口
jennycisp的博客
05-26 1699
MCP由Anthropic公司于2024年11月25日首次推出，作为一个开放标准，旨在通过标准化接口实现大语言模型(LLM)与外部数据源及工具的无缝集成。虽然初期仅由Claude桌面应用支持，但随着Cursor、Windsurf等众多AI编辑器加入，MCP正快速成为行业标准。MCP作为强大工具，正在快速发展中。通过MCP Client（如Claude Desktop、Cursor）结合各种开源MCP Servers，将极大扩展AI能力边界，创造更多落地应用场景。
MCP协议：多智能体协作的“社交天才”养成记
步子哥的博客
02-28 1495
MCP协议不仅是AI Agent的“社交天才”，更可能成为未来AGI社会的“语言通用翻译器”。所以，下次当你看到AI Agent们默契协作时，不妨想想：它们的背后，可能正有一位名叫MCP的“社交教练”在默默指导。😉。
MCP协议在大模型交互标准化中的创新应用，从原理到开发，5分钟搞懂!
2401_85375186的博客
04-28 1750
1.1 MCP 介绍MCP（Model Context Protocol，模型上下文协议） 起源于 2024 年 11 月 25 日 Anthropic 发布的文章：Introducing the Model Context Protocol。可以用“AI 扩展坞”来比喻 MCP 在 AI 领域的作用。就像现代扩展坞可以连接显示器、键盘、移动硬盘等多种外设，为笔记本电脑瞬间扩展功能一样，MCP Server 作为一个智能中枢平台，能够动态接入各类专业能力模块（如知识库、计算工具、领域模型等）。
LLM的MCP协议：初识MCP，搭建第一个MCP Server
Criss@陈磊
01-03 2万+
MCP（Model Context Protocol），是一个开发的协议，标准化了应用程序如何为大模型提供上下文。MCP提供了一个标准的为LLM提供数据、工具的方式，使用MCP会更容易的构建Agent或者是基于LLM的复杂工作流。
MCP model context protocol in k8s
最新发布
11-18
<think> 嗯，用户询问的是Kubernetes环境中MCP（Model Context Protocol）模型上下文协议的相关信息。从对话历史来看，用户之前已经接触过MCP在Visio编辑器中的应用场景，现在转向Kubernetes领域的技术实现。用户引用了5个技术资料片段，说明ta需要的是结合Kubernetes特性的MCP原理解析。 用户可能正在设计多云管理方案，或是遇到K8s环境下的协议集成问题。从ta引用github项目地址和Spring Boot集成示例来看，应该具备一定技术背景，需要的是架构层面的深入解析而非基础概念说明。特别要注意用户标注的三大核心痛点（环境一致性、资源调度、调试链路），这可能是ta当前的实际瓶颈。 需要重点组织四个维度的响应：首先是协议本质（为什么要在K8s用MCP），然后是核心功能（能解决什么问题），接着是技术实现（如何部署运行），最后给出典型应用场景。引用[1][4]提到的集群操作功能和[5]的LLM集成能力要重点展开，因为这是区别于传统方案的创新点。 数学公式准备用两个：资源调度模型的状态方程和调试链路优化的时延公式。代码示例选Spring Boot集成片段最实用，用户可以直接复制到项目里测试。表格设计成资源类型与MCP功能的映射关系会更直观。最后提出的四个问题覆盖了配置、监控、安全等运维全链路，用户后续追问的可能性较高。 </think> ### MCP（Model Context Protocol）在Kubernetes中的核心技术解析 MCP是基于模型上下文协议的Kubernetes管理框架，通过统一抽象层实现多云资源编排、策略执行和实时监控。以下是其在K8s环境中的核心机制： --- #### 1. **架构核心组件** ```mermaid graph LR A[MCP Server] --> B[Kubernetes API Server] A --> C[云厂商API] D[Visio/CLI客户端] --> A A --> E[策略引擎] E --> F[审计日志] ``` - **组件职责** | 组件 | 功能描述 | |-------------------|--------------------------------------------------------------------------| | MCP Server | 协议转换枢纽，将K8s资源模型转换为统一对象（如Pod→MCPResource）[^1] | | 策略引擎 | 执行合规校验（如资源配额、安全策略），动态拦截非法操作[^3] | | 资源同步器 | 通过Watch机制实现`kubectl get`与Visio拓扑的双向同步[^4] | --- #### 2. **K8s环境三大痛点解决方案** ##### 痛点1：环境一致性问题 **解决方式**： - 构建**浏览器依赖标准化镜像** ```dockerfile FROM mcp/python-node:latest # MCP定制镜像 RUN playwright install chromium --with-deps # 自动处理系统库依赖 ``` - 通过**CRD声明环境约束** ```yaml apiVersion: mcp.kubernetes.io/v1 kind: EnvConstraint spec: requiredLibraries: - libnss3.so.2 - libx11-xcb1 checkInterval: 60s # 定时校验[^2] ``` ##### 痛点2：资源调度困境 **动态资源分配模型**： $$ \text{Resource}_{\text{allocated}} = \frac{\text{Max}(\text{Current Load}, \text{Historical Peak})}{\text{ReplicaCount}} \times 1.2 $$ - **智能伸缩策略** ```python # MCP调度算法伪代码 def scale_replicas(test_scenario): if "login_test" in test_scenario: return min(5, current_replicas + 2) # 登录测试需预留额外资源 elif "stress_test" in test_scenario: return current_replicas * 1.5 ``` ##### 痛点3：调试链路断裂 **CDP穿透方案**： ```mermaid sequenceDiagram Developer->>MCP Proxy: 发起调试请求(DevTools URL) MCP Proxy->>K8s API: 创建调试Service K8s API->>Worker Node: 创建NodePort Service Worker Node->>Pod: 流量转发至目标容器 Pod-->>Developer: 返回WebSocket调试连接 ``` --- #### 3. **关键功能实现** ##### 3.1 集群操作抽象化 ```java // 通过MCP Client操作K8s资源[^4] McpResource pod = mcpClient.getResource("Pod", "nginx-pod"); pod.executeAction("restart"); // 抽象操作指令 pod.monitorLogs(tailLines=100); ``` ##### 3.2 策略即代码（Policy as Code） ```yaml # 安全策略CRD示例 apiVersion: mcp.kubernetes.io/v1 kind: SecurityPolicy spec: targetResources: [Deployment, StatefulSet] rules: - name: block-root-user condition: "spec.template.spec.securityContext.runAsUser == 0" action: REJECT # 自动拦截特权容器[^3] ``` ##### 3.3 LLM集成模式 ```java // 将K8s资源暴露为LLM可调用工具[^5] @Bean public McpToolProvider toolProvider(McpClient client) { return McpToolProvider.builder() .mcpClients(client) .addTool("list_pods", "获取所有Pod信息", params -> client.listResources("Pod")) .build(); } ``` --- #### 4. **生产环境部署架构** ```mermaid graph TB subgraph K8s Cluster MCP_Server[Deployment: mcp-server] --> ETCD MCP_Server --> Prometheus MCP_Agent[DaemonSet: mcp-agent] --> Node_Exporter end Visio_Client --> MCP_Server CI/CD_Pipeline --> MCP_Server ``` **性能优化点**： - **资源缓存**：对`kubectl explain`结果进行TTL缓存 - **连接复用**：使用gRPC长连接替代HTTP短连接 - **分片处理**：超大规模集群采用`ShardingKey`分割监控数据 --- ### 典型应用场景 1. **自动修复配置漂移** Visio检测到资源状态异常 → 触发`kubectl apply`回滚操作 2. **成本优化驾驶舱** 标记高成本Deployment → 生成资源调整建议（如HPA参数优化） 3. **安全合规审计** 扫描所有NameSpace → 输出违反PSP(Pod Security Policy)的报告 --- ### 相关问题 1. 如何在MCP中实现自定义资源的策略管控？ 2. MCP Server与K8s Operator架构的协同设计模式是什么？ 3. 如何通过MCP协议实现跨集群故障转移？ 4. 在混合云环境下如何保证MCP Server的高可用性？ [^1]: MCP Kubernetes Server 技术架构 [^2]: Kubernetes环境中部署Playwright MCP的痛点 [^3]: MCP原理与代码实战指南 [^4]: mcp-server-kubernetes功能列表 [^5]: MCP与LLM集成示例
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
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