当前位置：首页 > news >正文

MCP（Model Context Protocol，模型上下文协议）

news 来源：原创 2025/5/15 5:49:46

1. 起因，目的:

MCP, 貌似最近很火，简单了解一下，跟上时代节奏。
看似是一个工具，一个新概念，其实是个鸡肋（仅仅代表个人观点）。

2. 先看效果

这里插入图片

3. 过程:

问题1, 什么是 MCP

https://github.com/appcypher/awesome-mcp-servers这个项目描述是:A curated list of awesome Model Context Protocol (MCP) servers. MCP is an open protocol that enables AI models to securely interact with local and remote resources through standardized server implementations. This list focuses on production-ready and experimental MCP servers that extend AI capabilities through file access, database connections, API integrations, and other contextual services.请用中文来解释一下什么是 MCP 我是小白

当然可以！我来用简单的中文解释一下什么是 MCP（Model Context Protocol）。

什么是 MCP？

MCP（模型上下文协议，Model Context Protocol） 是一个开放协议，它的主要作用是：

👉 让 AI 模型可以更安全、标准化地访问各种资源，比如：

本地文件（如电脑里的文档、图片）
数据库（存储了很多结构化信息）
网络 API（比如天气接口、股票接口等）
其他上下文服务（如用户的系统信息、笔记、插件等）

MCP 能干嘛？

你可以把它想象成一个“中介”或者“翻译官”：

一边是 AI 模型（像 ChatGPT 这样的智能助手）
一边是 本地或远程的资源（文件、数据库、网页接口等）
MCP 负责 在它们之间传递信息，让 AI 模型能理解和使用这些资源

举个例子 🌰

假设你有一个 AI 助手，你问它：

“请查一下我电脑上那个叫 工作计划.xlsx 的文件，告诉我明天要做什么。”

这个时候，如果你用上了 MCP，那么 AI 模型就可以通过 MCP 连接到你的电脑，读取这个 Excel 文件，然后帮你提取信息。

MCP 的好处

安全：只让 AI 访问你授权的资源
标准化：不同的 AI 模型、不同的资源都可以通过统一的方式连接
强大：AI 不再只是“聊天”，还能处理文件、查数据库、调接口等实际任务

总结

MCP 就是一个让 AI 模型可以“看懂”和“操作”你的真实世界资源的桥梁协议。

它让 AI 不再是一个“只会说话”的助手，而变成一个真正能帮你干事的“超级工具人”。

如果你想进一步了解 MCP 的应用，我可以给你举几个实际的服务器或使用场景。需要的话告诉我 😊

问题 2, 介绍一下 MCP，起源，发展过程，影响，使用范围和案例

🧠 一、什么是 MCP？

MCP（Model Context Protocol，模型上下文协议） 是一个为 AI 模型（如 ChatGPT）设计的 开放协议，它的目的是让模型能够 安全、高效、标准化地访问各种上下文资源，比如本地文件、数据库、网络 API 等，从而增强模型的实际能力。

MCP 并不是 AI 模型本身，而是一个“桥梁或通道”，让 AI 模型可以与现实世界的资源对接。

📜 二、起源

背景：

在传统使用方式下，AI 模型是“封闭的”，只能根据用户输入的文本来回答问题，无法主动访问真实世界中的资源（例如：读取文件、获取数据库中的信息、访问第三方接口等）。

为什么需要 MCP？

随着 AI 应用的深化，越来越多开发者希望让 AI：

自动读写文件
查询数据库
调用 REST API
与系统资源交互（比如运行脚本、读取日历）

这时候就需要一个标准的方式来 让 AI 安全地与这些资源交互 —— 于是 MCP 就应运而生。

🔧 三、发展过程

初步尝试：最早是一些开源项目和开发者构建自己的“插件系统”或“API 桥接服务”，但这些缺乏统一规范。
社区推动：开源社区意识到需要一个统一标准，于是出现了 MCP 的概念，设计了协议文档和参考实现。
协议成熟：随着支持 MCP 的 AI 模型和服务器逐渐增多（如一些 GitHub 上的项目），MCP 形成了一个较为稳定的协议体系。
应用拓展：目前 MCP 被用于各种场景：文件助手、代码助手、自动化助手等。

🌍 四、MCP 的影响

✅ 带来的变化：

AI 能力增强：模型不再局限于纯语言处理，可以“感知”外部数据。
人机协作更高效：AI 可以基于实际文件、数据库、接口来辅助用户完成工作。
安全可控：MCP 有清晰的权限控制机制，用户可以明确授权 AI 能访问哪些内容。

🛡️ 安全性：

MCP 强调访问控制和权限验证，确保 AI 只能访问你授权的内容，避免“越权”或“滥用”。

🗺️ 五、使用范围

MCP 被用于多种场景，尤其是开发者或自动化任务中，包括：

场景	示例
📁 文件访问	AI 读取 PDF、Word、Excel 等内容进行分析
🛢️ 数据库连接	查询 PostgreSQL 或 SQLite 中的数据并汇总
🌐 网络 API	使用天气、股市、翻译等第三方 API 数据
🖥️ 系统操作	调用命令行工具、自动备份、文件整理等
💬 插件平台	基于 MCP 构建插件市场或扩展系统
📓 AI 助理	结合用户的笔记、日程、待办等上下文实现“个人助理”功能

📌 六、案例

以下是一些基于 MCP 的实际案例：

1. `llama-cpp-mcp`

用于让本地 LLaMA 模型通过 MCP 协议访问本地文件、运行指令等。
支持插件式扩展。

2. `llmware`（GitHub 上 MCP 支持的项目）

利用 MCP 接入文档知识库、数据库内容，让 AI 变成“企业知识助手”。

3. VS Code 插件 + MCP

让 AI 能读取当前代码文件，自动重构、添加注释、生成文档等。

4. `awesome-mcp-servers` 项目

GitHub 上的一个列表，收录了多个基于 MCP 协议构建的服务器，实现多种扩展场景。

📚 七、总结

项目	内容
✅ 名称	MCP（Model Context Protocol）
🎯 作用	让 AI 模型访问真实世界资源（文件、数据库、API等）
🧱 特点	开放、标准、安全、可扩展
🔄 使用场景	文件助手、数据库查询、个人助理、插件平台等
🌐 地位	AI 接入现实资源的“协议桥梁”