当前位置：首页 > news >正文

MCP（Model Context Protocol）介绍

news 2025/9/6 17:57:01

一、MCP 诞生的背景与要解决的问题

二、MCP 的核心概念与工作原理

工作流程（以 Claude 询问今日天气为例）：

三、MCP 的主要功能

四、MCP 的核心优势与价值

五、MCP 与其他技术的区别

六、现状与未来展望

总结

MCP 是一个由 Anthropic 主导开发的开放协议，旨在标准化大型语言模型（LLM）与外部工具、数据源和计算资源之间的连接方式。它的核心思想是让模型能够安全、可控地“看到”和“使用”外部系统，从而极大地扩展模型的能力，而不需要为此重新训练模型。

你可以把它想象成 LLM 世界的 USB 协议 或 应用商店：它定义了一套标准接口，使得任何开发者都能为模型创建“外设”（工具和数据源），而模型则可以即插即用地使用它们。

在 MCP 出现之前，让 AI 模型使用外部功能主要有两种方式，但它们都存在局限性：

1.函数调用（Function Calling）：

问题：需要将工具的功能和参数格式预先“硬编码”到给模型的系统提示（System Prompt）中。每增加、修改或删除一个工具，都需要重新调整提示词和代码，缺乏灵活性和可扩展性。

2.插件系统（Plugin Systems）：

问题：通常是某个特定模型或平台（如 OpenAI ChatGPT Plugins）独有的。为一个平台开发的插件无法直接用在另一个平台上，造成了生态割裂和开发者的重复劳动。

MCP 的目标就是解决上述问题：

MCP 的架构主要包含三个核心组件：

MCP 客户端（Client）：
- 通常指大型语言模型及其运行的界面（如 Claude Console, Third-party AI apps）。
- 客户端的职责是发起请求，例如“请查询一下数据库X”、“请执行工具Y”。
MCP 服务器（Server）：
- 这是一个独立的进程，负责管理具体的工具（Tools） 和资源（Resources）。
- 例如，一个“数据库服务器”可以提供“执行SQL查询”的工具；一个“文件系统服务器”可以提供“读取文件”的资源。
- 服务器可以由任何人开发，只要它遵循 MCP 协议。
MCP 协议（Protocol）：
- 定义客户端和服务器之间如何通信的规范。它基于 JSON-RPC 2.0 over SSE（Server-Sent Events） 或 stdio。
- 规定了通信的消息格式、可调用的方法（如 tools/list, tools/call, resources/read）和数据类型。

初始化：Claude（客户端）启动时，会连接到用户预先配置好的“天气服务”MCP 服务器。
发现：Claude 向服务器发送 tools/list 请求，询问：“你有什么能力？”服务器回复：“我有一个叫 get_weather 的工具，它需要 location 参数。”
请求：当你问 Claude “旧金山今天天气如何？”时，Claude 决定调用这个工具。它向服务器发送 tools/call 请求，参数为 {“name": "get_weather", "arguments": {"location": "San Francisco"}}。
执行：天气服务器收到请求后，执行内部逻辑（例如调用一个第三方天气API），获取旧金山的天气数据。
响应：服务器将天气数据按照标准格式返回给 Claude。
回复：Claude 接收到结构化的天气数据，组织成自然语言回复给你：“旧金山今天晴间多云，气温在15-20摄氏度之间。”

这个过程对用户是完全透明的，你只需要和 Claude 对话，它会在背后自动完成与 MCP 服务器的所有交互。

MCP 主要定义了两种类型的扩展：

工具（Tools）：
- 允许模型执行一个动作。
- 示例：执行代码、发送邮件、在日历上创建事件、控制智能家居、下单购物。
- 对应 tools/call 方法。
资源（Resources）：
- 允许模型读取（或订阅）外部数据源的内容，将其作为上下文信息。
- 示例：读取本地文件、查询数据库、获取实时股票价格、连接公司内部的Wiki或CRM系统。
- 对应 resources/read 或 resources/subscribe 方法。

突破模型固有局限：
- 让模型能够访问训练截止日期之后的新信息（实时数据）。
- 让模型能够处理其未见过的大量私有或专有数据（公司内部文档），而无需昂贵的微调。
- 赋予模型执行动作的能力，从“只会说”变成“能说能做”。
强大的安全性与可控性：
- 用户完全控制模型可以连接哪些服务器。模型不能随意访问未经授权的资源。
- 通信通常发生在本地或受信任的网络环境中，敏感数据不必发送到第三方API。
- 实现了最小权限原则，例如一个“计算器工具”服务器只能做数学计算，无法访问你的文件。
繁荣的生态系统：
- 对开发者友好：只需编写一次 MCP 服务器，理论上所有支持 MCP 的模型和应用（如 Claude, Cline, MCP Hub）都能使用它。
- 开源与开放：协议本身开源，鼓励社区贡献和创新。现在已经有了大量开源的 MCP 服务器实现，用于连接 GitHub, Jira, PostgreSQL, 本地文件系统等。
- 对企业级应用至关重要：企业可以为其内部系统（数据库、API、知识库）开发自定义的 MCP 服务器，让员工能通过自然语言安全地与这些系统交互。
降低成本和提高效率：
- 无需为了每一个新功能去微调或重新训练大模型。
- 开发一次，多处使用。

vs. Function Calling：MCP 是外部的、动态发现的协议；而 Function Calling 通常是内嵌在模型API中的、需要预先定义的。
vs. ChatGPT Plugins：Plugins 是 OpenAI 特定的封闭生态；MCP 是开放、跨模型的协议。
vs. LangChain/ToolCalling：LangChain 是一个用于构建链的高层次框架，它本身可以利用 MCP 作为其底层工具调用的一种方式。MCP 是更底层的协议标准。

当前支持：MCP 由 Anthropic 大力推动，已在其产品 Claude Desktop 应用中全面集成。用户可以通过编辑一个简单的配置文件（claude_desktop_config.json）来添加自己需要的 MCP 服务器。
社区发展：一个名为 MCP Hub 的社区项目正在兴起，类似于一个“服务器商店”，让用户可以轻松发现和安装各种功能的 MCP 服务器。
未来方向：MCP 正在迅速成为 AI 应用架构中连接模型与外部世界的事实标准。预计未来几乎所有主流的 AI 助手和应用都会原生支持 MCP，使其成为AI基础设施的关键组成部分。