最近一直在做數(shù)據(jù)+AI方向的工作，前兩天無意中看到一個MCP的技術(shù)，經(jīng)過詳細(xì)的學(xué)習(xí)之后，了解到這個可能不僅僅應(yīng)用在大模型，而更多是數(shù)據(jù)和模型之間的橋梁，最近就一直在考慮對于多模態(tài)數(shù)據(jù)如何才能實打?qū)嵉暮蛻?yīng)用模型結(jié)合起來的事情，MCP無疑是提供了某種思路，下面是關(guān)于MCP的一些介紹，部分內(nèi)容是參考的社區(qū)文檔。

MCP（Model Context Protocol） 是一種開放協(xié)議，它標(biāo)準(zhǔn)化了應(yīng)用向設(shè)備提供上下文的方式。可以將 MCP 想象成 AI 應(yīng)用的 USB-C 端口。正如 USB-C 提供了一種標(biāo)準(zhǔn)化的方式將您的設(shè)備連接到各種外圍設(shè)備和配件一樣，MCP 也提供了一種標(biāo)準(zhǔn)化的方式將 AI 模型連接到不同的數(shù)據(jù)源和工具。

首先來說說為什么會有MCP，隨著AI大模型和人工智能助手的快速發(fā)展，很多企業(yè)都在往AI方向轉(zhuǎn)型，定制和自身業(yè)務(wù)相關(guān)聯(lián)的AI應(yīng)用，投入巨資在模型的推理和訓(xùn)練上，然而，即便是再厲害的大模型、即便是再強(qiáng)大的預(yù)訓(xùn)練模型，也會因為和業(yè)務(wù)數(shù)據(jù)隔離而受到限制，等于模型和數(shù)據(jù)是被困在各自的信息孤島中。

如果我們要接入企業(yè)內(nèi)部的數(shù)據(jù)源，則需要單獨(dú)來定制實現(xiàn)數(shù)據(jù)源的連接，這對于很多企業(yè)有大量不同數(shù)據(jù)源的系統(tǒng)來說，工作量非常大，二者對于整個系統(tǒng)后續(xù)都難以擴(kuò)展。

所以，MCP提供了一項開放標(biāo)準(zhǔn)，使開發(fā)者能夠在數(shù)據(jù)源和AI驅(qū)動的工具之間建立安全的雙向連接。MCP的架構(gòu)簡單易懂，開發(fā)者可以通過MCP服務(wù)器來公開訪問，也可以構(gòu)建連接到這些服務(wù)器的AI應(yīng)用中（也就是MCP的客戶端）。

下面來看看一個關(guān)于MCP的使用示意圖：

假如我們有M個不同的AI應(yīng)用（例如聊天問答、RAG知識庫等等）和N個不同的服務(wù)系統(tǒng)（內(nèi)部數(shù)據(jù)庫、聊天數(shù)據(jù)等等），那么可能需要構(gòu)建M*N個不同的API來集成，這會導(dǎo)致維護(hù)復(fù)雜度很高，以及團(tuán)隊之間的重復(fù)工作。

MCP其實就是希望將M*N的問題，轉(zhuǎn)換為M+N的問題，我們需要構(gòu)建N個MCP的Server端，然后應(yīng)用程序客戶端構(gòu)建M個MCP 客戶端，MCP是一個Client/Server的架構(gòu)，有如下幾個角色說明：

• Hosts：與用戶交互的應(yīng)用程序（例如，Claude Desktop、類似 Cursor 的 IDE、自定義代理）。
• Clients：位于主機(jī)應(yīng)用程序中，管理與特定 MCP 服務(wù)器的連接。保持 1:1 的連接。
• Servers：通過客戶端通過標(biāo)準(zhǔn) API 向 AI 模型公開工具、資源和提示的外部程序。

其中，MCP Server端的組件包括：

1. Tools（模型控制）： 這些是可以調(diào)用來執(zhí)行特定操作的函數(shù)（工具），例如天氣 API，基本上是函數(shù)調(diào)用

2. Resources（應(yīng)用控制）： 這些是可以訪問的數(shù)據(jù)源，類似于 REST API 中的 GET 端點(diǎn)。資源提供數(shù)據(jù)時無需執(zhí)行大量計算，不會產(chǎn)生任何副作用。上下文/請求的一部分

3. 提示（用戶控制）：這些是預(yù)定義的模板，用于以最佳方式使用工具或資源。在運(yùn)行推理可以進(jìn)行選擇

MCP是怎么運(yùn)行的？

MCP 采用前面描述的客戶端-服務(wù)器模型運(yùn)行。以下是簡化的流程：

1. Initialization（初始化）: 當(dāng)主機(jī)應(yīng)用程序啟動時，它會創(chuàng)建 N 個 MCP 客戶端，它們通過握手交換有關(guān)功能和協(xié)議版本的信息。

2. Discovery（發(fā)現(xiàn)）: 客戶端請求服務(wù)器提供哪些功能（工具、資源、提示）。服務(wù)器返回列表和描述。

3. Context Provision（提供上下文）: 主機(jī)應(yīng)用現(xiàn)在可以向用戶提供資源和提示，或?qū)⒐ぞ呓馕鰹榧嫒莞袷剑?JSON 函數(shù)調(diào)用

4. Invocation（調(diào)用）: 如果確定需要使用工具（例如，根據(jù)用戶請求“‘X’ 存儲庫中有哪些未解決的問題？”），主機(jī)會指示客戶端向相應(yīng)的服務(wù)器發(fā)送調(diào)用請求。

5. Execution（執(zhí)行）: 服務(wù)器接收請求（例如，使用 repo 'X' 的 fetch_github_issues），執(zhí)行底層邏輯（調(diào)用 GitHub API），并獲取結(jié)果。

6. Response（響應(yīng)）: 服務(wù)器將結(jié)果發(fā)送回客戶端。

7. Completion（完成）: 客戶端將結(jié)果中繼到主機(jī)，主機(jī)將其合并到LLM的上下文中，從而允許LLM根據(jù)最新的外部信息為用戶生成最終響應(yīng)。

MCP 是一個標(biāo)準(zhǔn)框架，它定義了 AI 系統(tǒng)如何與外部工具、服務(wù)和數(shù)據(jù)源交互。MCP 無需為每個服務(wù)創(chuàng)建自定義集成，而是定義了這些服務(wù)如何互操作、請求如何構(gòu)建、哪些功能可用以及如何發(fā)現(xiàn)這些功能等基本概念。它使開發(fā)者能夠輕松可靠地在 AI 工具與外部數(shù)據(jù)源、應(yīng)用和其他服務(wù)之間構(gòu)建安全可靠的雙向連接。

MCP Server是 MCP 世界與外部系統(tǒng)特定功能（例如 API、數(shù)據(jù)庫、本地文件等）之間的橋梁/API。它們本質(zhì)上是根據(jù) MCP 規(guī)范暴露這些外部功能的包裝器。

只要服務(wù)器能夠通過支持的傳輸協(xié)議進(jìn)行通信，就可以使用各種語言（Python、TypeScript、Java、Rust 等）構(gòu)建服務(wù)器。服務(wù)器主要通過兩種方式與客戶端通信：

• stdio（標(biāo)準(zhǔn)輸入/輸出）： 當(dāng)客戶端和服務(wù)器在同一臺機(jī)器上運(yùn)行時使用。這對于本地集成（例如訪問本地文件或運(yùn)行本地腳本）來說簡單有效。
• 通過 SSE（服務(wù)器發(fā)送事件）的 HTTP： 客戶端通過 HTTP 連接到服務(wù)器。初始設(shè)置后，服務(wù)器可以使用 SSE 標(biāo)準(zhǔn)通過長連接向客戶端推送消息（事件）。

MCP 解決的什么問題？

人工智能工具的實用性取決于它們能夠訪問的數(shù)據(jù)和能夠采取的行動。

AI人工智能將來應(yīng)用到實際中場景中的時候，更多的特征還是取決于它們能夠訪問的數(shù)據(jù)以及針對訪問到的數(shù)據(jù)所作出的行動。

對于通用性的能力，LLM的預(yù)訓(xùn)練數(shù)據(jù)就足夠了，但是，牽扯到讓AI了解公司內(nèi)部的業(yè)務(wù)數(shù)據(jù)，例如銷售額與上季度相比變化，競爭對手的營銷策略如何根據(jù)市場狀況做出調(diào)整。

如果希望AI利用這些信息執(zhí)行某些操作的話，我們就需要一種方式讓它與這些應(yīng)用程序進(jìn)行交互，MCP就是這樣一種程序，通過提供標(biāo)準(zhǔn)化的方式來發(fā)現(xiàn)和調(diào)用外部系統(tǒng)中的操作，簡化了這一過程。它彌合了理解與執(zhí)行之間的差距，因此 AI 不僅僅是提供洞察，還能積極地完成任務(wù)。

以前，這意味著你需要為每個想要獲取洞察或采取行動的應(yīng)用構(gòu)建自定義集成。而 MCP 則為 AI 工具如何與任何數(shù)據(jù)源交互提供了標(biāo)準(zhǔn)化解決方案。任何支持 MCP 的應(yīng)用都能夠提供一套結(jié)構(gòu)化的工具或操作，供 AI 助手或代理使用。當(dāng)你要求 AI 執(zhí)行某項操作時，它可以檢查可用的工具并采取適當(dāng)?shù)牟僮鳌`活性大大提升。

通過使用安全協(xié)議標(biāo)準(zhǔn)化 AI 模型與外部數(shù)據(jù)源之間的通信，MCP 使開發(fā)人員能夠更快、更輕松地與關(guān)鍵工具構(gòu)建安全集成，并且也使開發(fā)人員能夠更輕松地在不同工具之間切換。例如，兩個不同的文件存儲應(yīng)用應(yīng)該具有類似的 MCP 服務(wù)器實現(xiàn)，而無需編寫全新的集成代碼。

MCP 和 AI Agent的區(qū)別

AI Agent是由人工智能驅(qū)動的工具，能夠自主行動。舉個簡單的例子， ChatGPT、 DeepSeek 能夠根據(jù)我們的查詢決定執(zhí)行哪些網(wǎng)絡(luò)搜索以及訪問哪些網(wǎng)站，我們可以告訴它想要什么，但它決定如何為我們提供服務(wù)。

MCP 能夠?qū)崿F(xiàn)Agent行為。通過允許開發(fā)者將應(yīng)用程序和數(shù)據(jù)源連接到 AI 助手，他們可以構(gòu)建能夠自主決策并在其他應(yīng)用程序中采取行動的 AI 工具。但 MCP 并非構(gòu)建 AI 代理的唯一方法，使用 MCP 也不會自動將任何 AI 驅(qū)動的工具變成 AI  Agent。它只是將 AI 連接到另一個工具的一種方式。

MCP 主要面向構(gòu)建自定義集成和 AI 應(yīng)用程序的開發(fā)者，尤其適合擁有技術(shù)資源、需要在自己的應(yīng)用程序或工作流程中構(gòu)建專用 AI 功能的團(tuán)隊。

這兩種方法在生態(tài)系統(tǒng)中都有其地位：MCP 為開發(fā)人員提供了更深層次的控制和自定義實現(xiàn)的靈活性，而無代碼工具則為沒有大量開發(fā)資源的業(yè)務(wù)用戶或團(tuán)隊提供了可訪問性和速度。

本文轉(zhuǎn)載自??DataForA??I，作者：易程Date