這才是MCP 爆火的原因！

hm673c38238a021

發布于 2025-4-28 23:17

瀏覽

0收藏

這才是MCP 爆火的原因！-AI.x社區

現在很多人讓大模型調用外部工具，最常見的做法就是 Function Calling。

乍一看，能調起來沒問題。但真要接多個服務、跑一個完整流程，Function Calling 就顯得太粗糙了——定義繁瑣、結構不統一、模型換一個就得重寫一遍。

本質上，它解決的只是“能不能調用”，但沒解決“怎么標準、高效地調用”。

而 MCP 出現，就是為了解決這個“工程化不成體系”的問題。

我認為 Function Calling 更像是“你教模型怎么用某個函數”；而 MCP，是“你把這些函數變成服務，模型自然知道怎么用”。

MCP像是給你寫的工具函數裝了一個“USB標準口”，以后不管哪個模型來，都能直接插上用。

一、什么是 MCP？

MCP（Model Context Protocol）是一套協議，專門讓大模型更穩、更方便地調用外部服務。

它不是工具、不是框架，而是像 HTTP、SQL 一樣的“語言規范”，

讓大模型在面對不同的工具時，說話有標準，調用有格式，接入有規矩。

我們先明確一點：MCP 不會幫你寫代碼，你該寫服務還是得寫服務。

這才是MCP 爆火的原因！-AI.x社區

那 MCP 到底解決了啥？

很多人一聽 MCP 就頭大，總覺得它是某種框架或者平臺，但其實本質非常簡單。

場景設定：調用一個“查天氣”的工具

我們希望：大模型收到一句自然語言，比如“請幫我查一下北京今天的天氣”，就能觸發一個查天氣的工具，返回結果。

寫法一：傳統 Function Calling 寫法（OpenAI 風格）

你得自己寫一個函數，并且注冊到模型里，同時描述這個函數：

{
  "name": "get_weather",
  "description": "獲取指定城市的天氣",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {
        "type": "string",
        "description": "查詢天氣的城市名"
      }
    },
    "required": ["city"]
  }
}

然后你在代碼里寫這個函數：

def get_weather(city):
    # 調用真實的天氣 API
    return f"{city} 今天多云，最高溫 26°C"

整個流程：

你注冊函數描述

用戶問話 → 模型判斷要用這個函數 → 填參 → 調用 → 返回

這樣的問題：

函數定義和調用分開寫，靠自己綁定；
函數描述得自己寫一遍；
多個服務無法統一管理；
不能“自動注冊、自動識別”，全部靠人工維護；
接入多種服務，寫法冗余、難復用。

寫法二：使用 MCP 協議 + MCP SDK 實現

第一步：你寫一個“天氣服務”的 MCP Server（可以用 Flask）

from flask import Flask, request, jsonify


app = Flask(__name__)


@app.route("/invoke", methods=["POST"])
def handle():
    req = request.get_json()
    city = req["params"]["city"]
    result = f"{city} 今天多云，最高溫 26°C"
    return jsonify({
        "status": "ok",
        "result": result
    })

注意，這個服務只要實現了 /invoke 接口，格式遵循 MCP 協議，就可以被任意支持 MCP 的模型接入。

第二步：模型那邊（Client）用 MCP SDK 發請求

from mcp import MCPClient


client = MCPClient("http://your-mcp-server-url")


response = client.invoke(
    tool="weather",  # 工具名
    params={"city": "北京"}
)


print(response["result"])

關鍵點在這兒：