MCP技术体系介绍

news2025/5/27 16:49:31

MCP，全称时Model Context Protocol，模型上下文协议，由Claude母公司Anthropic于2014年11月正式提出。

MCP的核心作用是统一了Agent开发过程中大模型调用外部工具的技术实现流程，从而大幅提高Agent的开发效率。在MCP诞生之前，不同外部工具各有不同的调用方法。

要连接这些外部工具，就必须一把锁配一把钥匙，开发过程相当繁琐。

而MCP的诞生则统一了这些外部工具的调用流程。使得无论是什么外部工具，都可以借助MCP技术按照统一的流程来快速接入到大模型中，从而大幅加快Agent开发效率。这叫好比现在很多设备都可以使用Type-C和电脑进行连接类似。而未来要做到这一点，MCP提供了三个方面的技术支持。第一是抽象的技术理论的支持，第二是一整套的MCP开发工具，也就是一些库，方便大家来进行MCP工具（MCP Server）的开发和智能体的构建。第三MCP还提供一整套非常丰富的开发生态。由于MCP是一套标准协议，任何MCP工具（MCP Server）都可以无缝接入到任何MCP智能体中。也就是你开发的工具我也能用，我开发的工具你也能用。目前开源社区上已经有上个个MCP工具了。如连接数据库工具、浏览器工具、网页搜索工具、文本编写提示词工具等等。而在MCP提携中，这些工具仅需要几行代码就可以嵌入到你的智能体中，从而低门槛大幅扩展当前智能体的能力边界。

MCP解决的最大痛点，就是Agent开发中调用外部工具的技术门槛过高的问题。

能调用外部工具，是大模型进化为智能体Agent的关键。如果不能使用外部工具。大模型就只能是个简单的聊天机器人。甚至连查询天气都做不到。由于底层技术限制，大模型本身是无法和外部工具直接通信的。因此Function Calling的思路，就是创建一个外部函数（function）作为中介，以变传递大模型的请求，另一边调用外部工具，最终让大模型能够间接调用外部工具。

例如，当要查询当前天气时，让大模型调用外部工具的function calling的过程如下：

Function calling是个非常不错的技术设计。唯一的问题是，编写这个外部函数的工作量太大了。一个简单的外部函数往往需要上百行代码。而且为了让大模型认识这些外部函数，我们还需要额外为每个外部函数编写一个JSON Schema格式的功能说明，此外，我们还需要精心设计一个提示词模板，才能提高Function calling响应的准确率。

MCP的目标，就是在Agent开发过程中，让大模型更加便捷的调用外部工具。为此，MCP提出了两个方案。其一，统一function Calling的运行规范。

首先是统一名称，MCP把大模型运行环境称作MCP client.也就是MCP客户端，同时把MCP运行环境称作MCP Server。

然后统一MCP客户端和服务器的运行规范，并且要求MCP客户端和服务器之间，也统一按照某个既定的提示词模板进行通信。

这样好的好处在于可以避免MCP服务的重复开发，也就是避免外部函数的重复编写。例如像查询天气、网页爬取、查询本地MySQL数据库这种通用需求，大家有一个开发一个服务器就好，开发完大家都可以复制到自己的项目使用，不用每个人每次都单独写一套。

这极大的促进了全球AI开发者共同协作。目前GitHub上已经出现了海量的已经开发好的MCPServer，从SQL数据库检索到网页浏览信息爬取，从命令行操作电脑到数据分析机器学习建模等等不一而足。

现在只要你本地运行的大模型支持MCP协议，只需要安装相关的库，仅需几行代码就可以接入这些海量的外部工具。MCP协议的目的是希望通过提高协作效率来提升开发效率，例如http。

为了普及MCP协议，anthropic还提供了一整套MCP客户端、服务器端开发的SDK，并且支持python、TS和java等多种语言，借助SDK，仅需几行代码，就可以快速开发一个MCP服务器。

然后你就可以把它接入任意一个MCP客户端来构建智能体。如果愿意，还可以把MCP服务器分享到社区，给有需求的开发者使用，甚至你还可以把你的MCP服务器放到线上运行，让用户付费使用。

而MCP的客户端，不仅支持Claude模型(美国人工智能初创公司Anthropic发布的大型语言模型家族，拥有高级推理、视觉分析、代码生成、多语言处理、多模态等能力，该模型对标ChatGPT、Gemini等产品)，也支持任意本地模型或者在线大模型，或者是一些IDE。例如，现在Cursor正式接入MCP，代表着Cursor正式成为MCP客户端，在Cursor中，我们不仅快速编写MCP Server。更能借助Cursor一键连接上成百上千的开源MCP服务器。让大模型快速接入海量工具，从而大幅加快Agent开发进度。