大白话讲解MCP
前言
我们不一开始就给出MCP的概念，用大白话一步一步讲解MCP的出现的原因、MCP的相关概念。
假设你是一个全栈开发工程师，有一天老板找到你让你开发一个AI聊天应用，作为你一个AI小白你什么感受？除了懵逼，还有就是恐慌，AI太高端了我怎么会呢？但是这样一个AI聊天应用程序其实非常简单。
入门代码
在根目录创建一个.env文件，里面配置一下baseurl和apikey，然后写几行代码：
import os
from openai import OpenAI# 加载 .env 到环境变量
from dotenv import load_dotenv, find_dotenv
_ = load_dotenv(find_dotenv())# 配置 OpenAI 服务client = OpenAI()response = client.chat.completions.create(messages=[{"role": "user","content": "讲个笑话",}],model="gpt-3.5-turbo",
)print(response)print(response.choices[0].message.content) # 更具体的的打印
因为大部分大模型厂商都兼容OpenAI规范，所以只要替换baseurl和apikey就行。稍微详细的内容可以参考这篇博客。
实现连续对话
其实很简单，说白了就是把多个会话内容都放到message中就行：
messages=[{"role": "user","content": "讲个笑话",},{"role": "user","content": "基于上面的笑话，再延伸一个",},],
也就是说我们每次个AI发的内容都包含了历史所有的聊天消息。
理解消息类型
System消息
系统消息是一种系统提示词，来知道AI怎么回复用户的问题。
- 设定AI的行为和角色
- 定义回答的风格和限制
- 用户通常看不到此消息
- AI会始终遵循这些指令
User消息
用户提问的消息。
- 用户发送的问题和指令
- 对话的驱动力
- 包含问题、请求和陈述
- 通常显示在UI上
Assistant消息
AI回复的消息。
- AI的回复内容
- 根据历史上下文生成
- 反映system指令的限制
- 展示给用户的内容
AI聊天系统上线了
让你意想不到的是几行代码就把一个AI聊天核心逻辑搞定的，然后搞了前段和后端的一点代