初识MCP(Model Context Protocol)

最新推荐文章于 2025-12-05 02:01:55 发布
原创 最新推荐文章于 2025-12-05 02:01:55 发布 · 699 阅读 · 7 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#AIGC

在这里插入图片描述
首先感谢ByteByteGo分享的MCP介绍

今天让我们一起简单了解下Model Context Protocol，或者是MCP. 它是Anthropic公司2024年发布的一款在LLM集成上的重大进展内容，那如何来去描述它呢？

它最核心的概念是一种开放标准协议，它将AI模型（比如Claude）与外部数据源或者工具进行无缝的集成
在这里插入图片描述
曾经，Claude是无法直接与Github或者Slack进行通信的，或者通过Postgress或者Google drive与Claude相互访问也是太消耗大米的。现在，MCP则弥补了这一大问题，有了一款通用的，标准协议可以让外部数据和工具与Claude进行丝滑通信。

MCP有三大关键的部件，Hosts, Client, Server
在这里插入图片描述
Hosts: 它是LLM应用，就像云桌面一样，为链接提供环境。
Clients: 它是Hosts的一部分，用来建立和维持与外部servers的链接。
Servers: 它是分开的进程，用来提供上下文，工具，和提示词prompts.

接下来，我们继续来深入理解支持MCP的五个原语概念
在这里插入图片描述

服务器端原语（Server-side Primitives）：

最低0.47元/天 解锁文章
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）OAuth2认证实践指南：构建安全可靠的AI应用
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。
06-09 1099
在人工智能应用开发中，安全认证是保护系统和服务的关键环节。Model Context Protocol (MCP) 通过OAuth2认证机制，为AI应用提供了可靠的安全保障。本文将深入探讨MCP的OAuth2认证机制，帮助您快速实现安全可靠的AI应用。理解MCP OAuth2认证架构掌握认证实现方法应用安全最佳实践解决常见认证问题部署和维护认证系统。
MCP学习笔记：初识MCP
qq_36412352的博客
07-15 1028
MCP（Model Context Protocol）是由Anthropic公司于2024年11月推出的开放协议，旨在简化大模型与外部系统的集成。该协议通过标准化工具调用、动态集成和语义对齐等机制，解决了AI应用开发中的互操作性问题。2025年，OpenAI、DeepMind等主流AI厂商纷纷宣布支持MCP，使其成为行业标准。MCP的核心优势在于规范了上下文信息的交换方式，支持企业助手、自然语言数据访问、多工具智能体等应用场景，显著降低了AI系统集成的复杂度。其开源特性也促进了开发者社区的广泛参与和创新。
初识大模型：MCP (Model Context Protocol) 协议深度解析！
2301_80239908的博客
10-12 900
MCP (Model Context Protocol) 是Anthropic推出的开源标准协议，作为AI应用的"USB-C接口"，解决了AI应用与外部系统集成的标准化问题。它采用客户端-服务器架构，通过Resources、Tools和Prompts三大核心原语，提供统一的连接和通信机制，使AI应用能够无缝集成各种数据源、工具和工作流。MCP具有开放性、可组合性和跨平台特点，正在成为AI应用集成的事实标准。
初识MCP（1）datewhale 夏令营
jb_666的博客
07-12 427
《MCP协议初探与实践心得》摘要： 本文记录了作者学习MCP协议的过程，MCP作为连接AI模型与外部工具的标准化协议，类似"AI领域的USB-C接口"，通过统一化资源接口赋能Agent实现工具调用。作者以浏览器控制MCP服务为例进行实践，在CherryStudio软件中尝试调用GitHub开源项目时遇到执行失败问题。虽未能成功开发语音转文本MCP服务，但解决了软件环境配置问题：发现新版CherryStudio需配合uv和bun运行，重装后自动解决依赖问题。文章还提到该工具内置多模型并支持
DataWhale_MCP极简开发_task1初识MCP
qq_52476263的博客
07-15 493
MCP（模型上下文协议）是一种标准化框架，通过MCPHost、MCPClient和MCPServer的协作实现AI模型与外部工具的安全集成。MCPHost接收用户请求，MCPClient分析需求并路由到合适的MCPServer，后者执行具体操作并返回结果。该协议统一了数据格式和交互流程，确保安全性和灵活性，使AI模型能够高效调用多样化工具资源，显著提升性能并拓展能力边界。
MCP：一篇文章让你彻底学会
£菜鸟也有梦的博客
04-28 1543
MCP（Model Context Protocol，模型上下文协议）的出现，就像一道曙光，照亮了 AI 与外部世界连接的道路。简单来说，MCP 充当着 AI 与外部世界的桥梁，让 AI 不再受限于静态知识，能够实时访问、分析、处理并执行任务。
『MCP』初识MCP
weixin_39415598的博客
06-17 817
所有对AI技术感兴趣的工友，你是否觉得，现在的大语言模型（LLM）虽然强大，但在与外部世界交互时总有些力不从心？例如，想让AI访问本地文件、调用外部API订票，或连接公司内部数据库，往往需要进行复杂的定制开发，耗时耗力，效率不高。为了解决这个痛点，一个名为的开放标准应运而生，它旨在系统性地解决AI与外部世界的连接问题。我正在写专栏，有兴趣的工友可以关注一下。
【MCP探索实践】MCP生态下的LangChain适配器：AI开发的加速引擎，多工具集成一步到位|
寻道AI，探索AI无限可能！
05-05 1940
在人工智能领域，模型的互操作性和工具的集成能力是实现复杂应用的关键。应运而生，它是一座连接 Anthropic Model Context Protocol（MCP）工具与 LangChain 和 LangGraph 的桥梁。本文将深入探讨这个库的核心功能、安装配置以及实际应用场景，帮助读者快速掌握并利用这一强大工具。LangChain MCP Adapters 为整合 Anthropic Model Context Protocol 工具与 LangChain 和 LangGraph 提供了强大的支持。
Python FastMCP：让你的AI工具链飞起来
HowieXue 薛永浩的博客
07-18 2429
PythonFastMCP是一个基于Python的高效框架，用于快速构建符合MCP协议的AI工具链。它通过装饰器简化开发流程，将复杂协议封装为@tool、@resource和@prompt三个核心组件： Tools工具：支持同步/异步任务调度，通过@mcp.tool装饰器将Python函数映射为MCP端点，实现数据写入、复杂计算等操作。 Resources资源：提供安全数据通道，支持静态/动态数据源，通过URI模板引擎实现参数化查询，可返回JSON/Text/Blob等多种格式。 Prompts提示模板：标
手把手教你：MCP(Model Context Protocol)（大白话版）
milo
07-14 1110
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。
Windows MCP (Model Context Protocol) 是一个轻量级的开源项目
08-26
Windows MCP（Model Context Protocol）是一个开源项目，其核心特点在于其轻量级设计，这意味着它具有较小的体积和高效的性能。该项目的目标是实现人工智能（AI）代理与微软Windows操作系统之间的无缝集成。通过MCP...
MCP(Model Context Protocol) 是个什么东东？
程序员超级伴侣-ApiHug
01-09 1545
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.
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。
AI 技术核心趋势：大模型、AIGC 与边缘智能
最新发布
zyxzyx49的博客
12-05 513
2025 年，人工智能技术已告别 “概念炒作” 的上半场，进入 “技术融合、场景落地” 的深水区。如果说前几年 AI 的关键词是 “突破”—— 大模型参数屡破纪录、AIGC 惊艳出圈、边缘计算初步试水；那么 2025 年的核心关键词则是 “适配”：大模型向行业场景收缩、AIGC 融入业务全流程、边缘智能与云端形成协同，三者共同构成了 AI 技术落地的核心骨架，重塑着各行各业的生产力范式。
工业制造企业数字化转型实践：基于AIGC技术的社媒矩阵运营系统重构
Tezign_space的博客
12-04 1021
摘要：本文以某TOP润滑油品牌为例，探讨传统制造企业如何通过AIGC技术重构社交媒体运营体系。针对内容生产周期长、多平台适配难等痛点，项目引入AI内容中台与智能体解决方案，构建包含数据底座、AI生产工作流和智能分发三层的技术架构。系统整合CV、NLP、ASR等技术实现素材结构化，通过AI混剪、数字人驱动等模式提升效率，最终使单条内容生产周期缩短75%，成本降低60%。案例证明AIGC技术赋能传统行业的价值在于系统化整合技术模块，实现人机协同的数字化转型。
Sampler AI + 滤波算法：解决 AIGC 贴图“噪点过剩”，构建风格化 PBR 工业管线
海外旅居设计师，15年设计经验。
12-02 814
今天跟各位同学分享的，就是基于 Adobe Substance 3D Sampler 与 Firefly 的“频段分离”工作流。它能让你保留 AI 的创意构图，同时获得纯净的风格化材质表现。
互联网大厂Java/Agent面试实战：AIGC内容社区场景下的技术问答（含RAG/Agent/微服务/向量搜索）
小白学编程~
12-04 362
1）RAG流程：用户输入 -> 检索（向量搜索 top-k）+基于过滤器的候选打分（Elasticsearch + vector）-> 组装上下文（include source citations）-> 发送给生成模型（温度控制、system prompt）-> 输出并附带引用与置信度。3）避免幻觉：提供检索证据、限制模型自由发挥（提示工程），使用评分策略、基于逻辑规则的过滤、后处理验证（可校验事实的API），以及使用NLI/faithfulness模型进行二次验证。在消费端做去重，使用乐观锁或幂等键。
多Stream并发实战：用流水线技术将AIGC服务P99延迟压降63%
云雾J视界的博客
12-02 1032
本文基于阿里云真实案例，通过多Stream流水线与CUDA Graph优化语音识别服务，在T4上实现QPS从45到126、P99延迟降低63%。方案将流程拆为CPU预处理、GPU频谱转换和Transformer推理三阶段，用独立Stream并行执行，并以事件同步和Graph固化消除调度开销，GPU利用率提升至82%。提供可复现代码与部署方案。
MCP model context protocol in k8s
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
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