MCP正在成為一種標準，可幫助開發人員構建AI系統，使這些系統能夠與其他外部應用程序進行有效通信。Microsoft最近宣布將MCP集成到其Copilot Studio 中，以簡化AI應用程序和代理訪問工具的方式。此外，OpenAI還宣布在其產品中支持MCP，例如Agents SDK和ChatGPT的桌面應用程序。

封面的圖片很直觀的闡述了MCP，它是一種開放協議，MCP 是一個開放協議，用于標準化應用程序向大語言模型提供上下文的方式。MCP由Anthropic公司在2024年底推出，旨在解決大語言模型（LLM）與外部數據源和工具之間的集成問題。

進入2025年它在github的星星也是一路暴漲，可以將MCP想象成AI應用的USB-C端口。正如USB-C提供了一種將設備連接到各種外圍設備和配件的標準化方式一樣，MCP也提供了一種AI模型連接到不同數據源和工具的標準化方式。

MCP由三個核心組件構成：Host、Client和Server。

舉個栗子解釋上圖，假設你正在使用某個大模型的桌面端（例如LLMDesktop)進行大模型詢問："我桌面上有哪些文檔？"

• Host：LLMDesktop作為Host，負責接收你的提問并與對應的LLM模型交互。
• Client：當LLM模型決定需要訪問你的文件系統時，Host中內置的MCPClient會被激活。這個Client負責與適當的MCPServer建立連接。
• Server：在這個例子中，文件系統會被MCPServer調用。它負責執行實際的文件掃描操作，訪問你的桌面目錄，并返回找到的文檔列表。

進一步抽象，當用戶提出一個問題時：

1） 客戶端把你的問題發送給LLM。

2） LLM分析可用的工具，并決定使用哪一個（或多個）。

3）客戶端通過MCPServer執行所選的工具。

4） 工具的執行結果被送回給LLM。

5） LLM結合執行結果構造最終的prompt并生成自然語言的回應。

6）回應最終展示給用戶

1.LLM自動挑選工具

MCPServer是由LLM主動選擇并調用的！那么有意思的事情來了，模型如何選擇工具呢？可以通過分析官網的代碼得知：模型是通過Prompt Engineering來實現的。也就是說MCPServer將所有它能提供的工具進行結構化描述，包括給一些使用示例加入到提示詞，以便讓LLM理解且來確定該使用哪些工具。

什么是工具，工具可以是接口調用，也可以是任何的服務。熟悉Agent的同學應該不是很陌生。另一方面，由于MCP是Anthropic最早提出，肯定對Claude做了專門的訓練（畢竟是自家協議，Claude更能理解工具的prompt以及輸出結構化代碼）

system_message=("你是一位小助手，你有權訪問下面的這些工具:\n\n"f"{工具描述，包括出入參數}\n""請選擇最合適的工具來回答用戶的問題.""如果沒有任何工具需要，就直接回答.\n\n""重要:若你需要使用工具，你必須按照下面的格式響應"#下面對于工具的使用做出了提示詞層面的約束"…………:\n""{\n"'"tool":"tool-name",\n''"arguments":{\n''"argument-name":"value"\n'"}\n""}\n\n""Afterreceivingatool'sresponse:\n""1.Transform the rawdata into a natural,conversational response\n""2.Keep responses concise but informative\n""3.Focus on the most relevant information\n""4.Use appropriate context from the user'squestion\n""5.Avoid simply repeating the rawdata\n\n""Please use only the tools that are explicitly defined above.")

工具文檔至關重要由此而言特別重要，模型通過工具描述文本來理解和選擇工具，因此精心編寫工具的名稱、文檔和參數說明至關重要。由于MCP的選擇是基于prompt的，所以任何模型其實都適配MCP，只要你能提供對應的工具描述。但是當你使用非Claude模型時，MCP使用的效果和體驗難以保證（沒有做專門的訓練）。下面再次展示了一個例子，DB MCP Server提供了Execute SQL的Tool，然暴露出來，但是客戶使用的時候，將資源和需求發送給LLM，讓LLM決定執行的SQL與調用的工具，最后完成SQL調用和執行。

2.MCP Server

MCP服務是MCP世界與外部系統的特定功能（API、數據庫、本地文件等）之間的橋梁/API。它們本質上是根據MCP規范公開這些外部功能的包裝器。服務器可以用各種語言（Python、TypeScript、Java、Rust等）構建，只要它們可以通過支持的傳輸方式進行通信。服務器主要通過兩種方法與Client端通信：

• STDIO（標準輸入/輸出）：當Client和Server在同一臺計算機上運行時使用。這對于本地集成（例如，訪問本地文件或運行本地腳本）來說既簡單又有效。
• 通過SSE的HTTP（服務器發送的事件）：客戶端通過HTTP連接到服務器。初始設置后，Server可以使用SSE標準通過持久連接將消息（事件）推送到Client。

除了上述的三個要素，其實還存在另外的兩個要素：

• 本地數據源：MCP服務可以安全訪問的計算機文件、數據庫和服務
• 遠程服務：MCP服務可以連接到的互聯網（例如，通過API）提供的外部系統

這種架構設計使得LLM大模型可以在不同場景下靈活調用各種工具和數據源，而開發者只需專注于開發對應的MCPServer，無需關心Host和Client的實現細節。

3.熱度上升

雖然Anthropic在2024年底宣布了MCP，但其勢頭在2025年初顯著加速。這不僅僅是隨機的炒作。幾個因素匯聚在一起：

1）MCP是專為滿足現代AI Agent的需求而設計的。MCP優化和抽象了Agent的運行模式

工具（模型控制）：AI決定執行的。

資源（應用程序控制）：提供給AI的上下文。

提示（用戶控制）：特定的用戶調用的交互。

2）MCP的開放標準存在非常好的規范，且提供非常詳細的規格說明。

3）Anthropic不是從頭開始重新發明一切，而是從語言服務器協議（LSP）改編而來，例如JSON-RPC2.0。

4）Anthropic為它構建了強大的初始生態系統，并發布了一個全面的初始客戶：ClaudeDesktop，還包括各種服務（文件系統、git、Slack等）。5. 開發工具包也是齊整。Python、TypeScript、Java、Kotlin、C#。6.Cursor和Windsurf等工具集成了MCP。Composio等公司為數百個集成提供了預構建服務。OpenAI也宣布支持MCP。

本文轉載自??魯班模錘??，作者：龐德公