网站 百度地图网站开发最好的语言

一分钟了解MCP

A Minute to Know About MCP

By Jackson@ML

1. MCP定义

MCP(Model Context Protocol，即模型上下文协议)，它 是一种开放的结构化协议，用于优化大语言模型（Large Language Model, 即LLM）的输入输出交互，实现了LLM应用程序与外部数据源和工具的无缝集成。

MCP由Anthropic于2024年11月25日正式发布。以下是Anthropic官网页面。

在此主页面，可以看到该公司另外两款旗舰产品：Claude Opus 4和Sonnet 4大语言模型。

MCP正是通过标准化上下文组织、任务指令和输出格式，显著提升模型的任务理解能力和结果可控性。其核心三要素如下：

1. 模型（Model） - 指定使用的模型（如GPT-4、Claude等）
2. 上下文（Context） - 分层组织背景信息（历史对话、知识库、用户画像）
3. 协议（Protocol） - 定义任务指令、输出格式和约束规则

MCP的核心价值就是：降低提示工程复杂度，提高响应一致性，实现复杂任务的链式调用。

2. MCP连接性

在MCP出现之前，开发人员必须为每一种AI应用程序和数据源的组合创建自定义集成。

而MCP则建立了一个通用的“即插即用”协议，允许任何兼容MCP的客户端与任何兼容MCP的服务器协同工作，这样就大大降低了集成的复杂性和减少了开发时间。

3. MCP架构

MCP遵循客户端-服务器架构，主要有五个组件，架构图如下图。

*来自于MCP官网

该架构图包含以下主要组件：

1) MCP 主机：想要通过 MCP 访问数据的 AI 工具（聊天客户端、IDE、智能体）。

2) MCP 客户端：与服务器保持 1:1 连接的协议客户端。

3) MCP 服务器：通过标准化的 Model Context Protocol 暴露特定功能的程序。

4) 本地数据源：包含信息的本地数据库、文件和服务。

5) 远程服务：MCP 服务器可以连接的外部 API 或服务。

4. MCP的作用

这里可以用经典的 AI 用例，例如：文本到 SQL 转换来演示MCP的作用。文本到 SQL 将自然语言转换为 SQL。在使用 MCP 前后，我们做个比较如下。

1） 使用MCP之前，典型的实现有以下几步：

• SQL客户端从目标数据库获取架构
• SQL客户端向LLM发送包含架构的提示词
• LLM回复SQL语句
• SQL客户端针对目标数据库执行SQL语句

以下是没有使用MCP的流程架构。

没有MCP的话，每个SQL客户端都要为每个支持的数据库实现这一点；但有了MCP，情况就大不一样。

2） 有了MCP，SQL客户端只需实现MCP客户端协议，而每个数据库供应商只需实现一次MCP服务器即可。

如下图。

5. MCP的优势

MCP为AI系统开发提供了几方面的显著优势：

• 减少开发时间。开发人员可以利用预构建的MCP服务器完成常见任务，而不必为每个数据源（或工具）自定义集成；
• 增强互操作性。使用MCP构建的应用程序，可以与任何兼容的工具和数据源无缝协作，以便创建真正可组合的生态系统；
• 模块化。调试、授权、审计和链接等贯穿各处的关注点可以标准化并实现一次，然后在整个生态系统重复使用。

6. MCP协议代码实现

MCP协议定义用Python编程语言实现，示例代码如下：

class MCPProtocol:def __init__(self, model: str = "gpt-4-turbo",context: dict = None,instructions: str = "",output_format: dict = None):self.model = modelself.context = context or {"history": [],"knowledge": [],"user_profile": {}}self.instructions = instructionsself.output_format = output_format or {"type": "json","schema": {"result": "str", "confidence": "float"}}def serialize(self):return {"model": self.model,"context": self.context,"instructions": self.instructions,"output_format": self.output_format}

7. 参考文献

1） MCP官方文档
2） Whatismcp.com

推荐阅读：

1. 大模型的局限性与RAG基本框架和工作流实例
2. 用Python爬取高清图片的应用程序解决方案
3. 用Python构建学生成绩管理系统的基本方案
4. 一分钟了解机器学习
5. 一分钟了解大语言模型
6. 一分钟了解深度学习