当前位置：首页 > news >正文

建网站选安全网页设计代码单元格内容怎么居中

news 2025/10/29 12:25:06

建网站选安全,网页设计代码单元格内容怎么居中,wordpress设计网页游戏,server2008部署网站目录一、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 Anth…

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。

一、MCP 诞生的背景与要解决的问题

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：

标准化：提供一套与模型无关的通用协议。
解耦：将工具/数据源的开发与模型本身分离开。
安全性：提供明确的权限控制和安全边界。
可扩展性：轻松地添加新的工具和数据源，而无需修改模型代码。

二、MCP 的核心概念与工作原理

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。

工作流程（以 Claude 询问今日天气为例）：

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。

三、MCP 的主要功能

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。

四、MCP 的核心优势与价值

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。

五、MCP 与其他技术的区别

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。

六、现状与未来展望

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。