当前位置：首页 > news >正文

什么是 MCP（模型上下文协议）

news 来源：原创 2025/5/18 21:00:44

大家读完觉得有意义及帮助记得及时关注！！！

1 什么是 MCP？

1.1 命名

MCP 是 Model Context Protocol 的缩写。从名称中，我们可以看到

首先，它是一个通信协议，
然后，它用于模型（LLM），
最后，它用于交换/传递模型上下文。

1.2 为什么选择 MCP？

在 LLM 上构建代理或复杂工作流时，通常需要与外部数据或工具（例如外部 MySQL、Google Maps）集成。 MCP 提供了一种标准化的方法来执行此作。

让我们用一个类比来更好地解释它。

1.3 类比

传统上，个人电脑有多种硬件连接器，如 USB、HDMI、DP、RJ45 等。

各种硬件连接器。图片来源

计算机设计人员必须决定他们想要在期间支持哪些设备 设计阶段，然后在主板上预装相应的硬件接口。当新型硬件连接器出现时，无法支持它们无需更换主板，也无需引入新型硬件适配器。

1.3.1 电脑 USB type-c

随着 USB type-c 规范的推出，情况发生了变化。USB Type-c 端口正在成为大多数设备的标准连接器。如下图所示，

无花果。使用适配器连接到计算机的 USB type-c 集线器的外围设备。

当电脑需要连接很多外设时，首先要插上一个 USB type-c 集线器（实际的集线器一般支持多个接口，而不仅仅是 type-c）以及这些外围设备

如果他们已经是 type-c，他们可以直接连接到集线器;
否则，例如它们是一些旧设备或专业设备特定字段，可以先通过适配器转换为 Type-C，然后再连接到 Hub。

所以，只要设备支持（直接或通过转换器）type-c 接口，它可以很容易地集成到计算机中。

1.3.2 AI 应用的 MCP

MCP 就像 AI 应用的 USB-C 端口。就像 USB-C 一样提供一种标准化的方式将您的设备连接到各种外围设备，并且配件，MCP 提供了一种标准化的方式将 AI 模型连接到不同的数据源和工具。

一个类比如下所示，

无花果。使用 MCP 将外部服务集成到 AI 应用程序。注意 MCP 还支持连接到本地服务（与 AI 共存 application）的 Package。

从左到右，

`个人电脑`外壳	`AI App` 案例	笔记
外围设备，例如显示器	`外部数据或服务`，例如 Google 翻译	集成到 AI 应用程序中。他们可以使用`各种协议`，例如 HTTP、WebSocket、gRPC、Redis 协议等。
连接器适配器	`Protocol adaptation layer (server-side)`	`每个外部服务一个 MCP 服务器`，为 MCP 客户端提供标准化接口（JSON-RPC）。
USB Type-c 集线器	`Protocol adaptation layer (client-side)`	每个外部服务一个 MCP 客户端，使用标准协议连接相应的 MCP 服务器。
个人电脑	AI 应用程序	主要部分是将外部服务与 MCP 客户端集成。
	LLM 层	AI 应用程序依赖 LLM 服务通过 MCP 对外部服务`进行函数调用`。

1.4 总结

MCP 是一种开放协议，它标准化了应用程序如何为 LLM 提供上下文。将 MCP 想象成 AI 应用程序的 USB-C 端口。就像 USB-C 一样提供一种标准化的方式将您的设备连接到各种外围设备，并且配件，MCP 提供了一种标准化的方式将 AI 模型连接到不同的数据源和工具。

2 架构和规格

MCP 遵循经典的客户端-服务器架构。

2.1 基本协议

JSON-RPC 消息格式
有状态连接
服务器和客户端功能协商

2.2 服务器端

MCP 基元

MCP 协议定义了服务器可以实现的三个核心原语：

原始	控制	描述	示例使用
提示	用户控制	由用户选择调用的交互式模板	斜杠命令、菜单选项
资源	应用程序控制	由客户端应用程序管理的上下文数据	文件内容、API 响应
工具	模型控制	向 LLM 公开以执行作的函数	API 调用、数据更新

服务器功能

MCP 服务器在初始化期间声明功能：

能力	功能标志	描述
`prompts`	`listChanged`	提示模板管理
`resources`	`subscribe` `listChanged`	资源公开和更新
`tools`	`listChanged`	工具发现和执行
`logging`	-	服务器日志记录配置
`completion`	-	参数补全建议

2.3 客户端

客户端可以向服务器提供以下功能：

采样：服务器发起的代理行为和递归 LLM 交互

MCP 客户端通过 API 获取服务器的功能，例如 .list_tools

注意，LLM 只负责选择函数，实际的函数调用是在 AI App 内部触发的。

2.4 编程示例

https://modelcontextprotocol.io/quickstart/client
https://github.com/modelcontextprotocol/python-sdk

3 函数调用与 MCP

从概念上讲，MCP 和 Function call 都是供 AI 应用程序轻松调用外部服务，但它们的工作方式不同。我们来看看工作流 —— 访问 Google Translate API —— 并查看这两种方法之间的区别。

3.1 函数调用

无花果。用于访问 Google Translate 的函数调用工作流。

步骤：

AI app：构建提示音，在提示中包含谷歌翻译 API 的功能信息;
AI 应用程序：使用提示调用 LLM;
LLM：模型响应，包含所选函数;
AI 应用程序：使用（HTTP/HTTPS） 调用 Google Translate API;

3.2 MCP

MCP 的相同场景：

无花果。用于访问 Google Translate 的 MCP 工作流程。

步骤：

AI 应用：使用谷歌翻译服务的 MCP 服务器地址初始化 MCP 客户端;
MCP 客户端：通过 MCP 服务器内置的 list_tools API 获取谷歌翻译 MCP 服务器的能力;
AI app：构建提示音，在提示符中包含谷歌翻译 API 的所有功能信息（从第 2 步获取）;
AI 应用程序：使用提示调用 LLM;
LLM：模型响应，包含所选函数;
AI 应用程序：使用 MCP 调用适当的 Google Translate API。

3.3 比较

	函数调用	MCP
AI 应用程序（配置）的先验知识	确切的函数名称和参数	MCP 服务器地址
AI 应用程序可以使用的函数	静态，仅预配置功能	动态，所有功能均通过 MCP 服务器通过接口公开`list_tools`
灵活性	低	高
Token 消费	低	高。在构建 Prompt 时，Prompt 中可能包含太多函数的描述