MCP 实现AI智能体与外部数据及工具的结合

幽默是智慧的体现 發表於 2025-3-10 18:19:00

MCP 实现AI智能体与外部数据及工具的结合

MCP（Model Context Protocol）是一种新的开放协议，目的是为 LLM 提供标准化的上下文信息传递方式，从而实现 AI 智能体与外部数据及工具的结合。从 Manus 及其开源复现，到 Opera 的浏览器操作 AI 智能体、AI 工作伴侣 Archer，再到多种个人项目，一夜捧红了 MCP，工具调用/访问外部数据，一个协议就够了。上一周，智能体迎来里程碑式的一周。
<h2>什么是 MCP</h2>
去年 11 月，Anthropic 首次提出「模型上下文协议Model Context Protocol」，即 MCP，赋予了 Claude 模型超级能力，一次构建，让 AI 与工作流深度集成。简单理解，MCP 就像是专为 AI 应用设计的通用接口，类似我们日常使用的 USB-C。正如 USB-C 简化了不同设备与计算机的连接方式，MCP 简化了 AI 模型与数据、工具和服务之间的交互方式。
　　通过 MCP，AI 助手不仅能够「读懂」代码，还能「理解」团队讨论、涉及文档等外部信息，提供更加精准的回答。
　　MCP 是一种标准化协议，用于连接 AI 智能体与各种外部工具和数据源
　　相比之下，在没有 MCP 之前，AI 助手要想与外部工具互动，必须通过编写代码并调用 API，这意味着每一种具体的连接都需要提前手动编程，效率低下且耗时费力。
和传统的 API 相比，MCP 的区别在于：
<ul>
<li>
单一协议：MCP 作为一种标准化的「通用接口」，集成一个 MCP 意味着可以访问多个工具和服务，而不仅仅是单一服务。
</li>
<li>
动态发现：MCP 允许 AI 模型动态发现并与可用工具交互，无需预先设定每个集成的固定代码。
</li>
<li>
双向通信：MCP 支持持续、实时的双向通信——类似于 WebSockets。AI 模型既可以获取信息，也可以实时触发操作。
</li>
</ul>
　　其中，实时双向通信的机制如下：
<ul>
<li>
拉取数据：LLM 向服务器查询上下文信息。例如，查看你的日历安排。
</li>
<li>
触发操作：LLM 指示服务器执行具体操作。例如，重新安排会议、发送电子邮件。
</li>
</ul>
 
不过，如果应用场景需要精确、可预测的交互模式，并有严格的限制条件，传统 API 可能更为适合。
　　MCP 提供了广泛、动态的能力，非常适合需要灵活性和上下文感知的场景，但对于高度受控的、确定性的应用可能不是最佳选择。在以下情况下推荐使用传统 API：
<ul>
<li>
需要精细控制和高度特定、受限的功能场景
</li>
<li>
追求性能优化而需要紧密耦合的系统
</li>
<li>
要求最高可预测性和最小上下文自主性的应用
</li>
</ul>
　　架构：MCP 采用简单的客户端-服务器架构模式
<ul>
<li>
MCP 主机：需要访问外部数据或工具的应用程序（如 Claude Desktop 或 AI 驱动的集成开发环境）
</li>
<li>
MCP 客户端：与 MCP 服务器维持专属的一对一连接
</li>
<li>
MCP 服务器：轻量级服务器，通过 MCP 协议提供特定功能，连接到本地或远程数据源
</li>
<li>
本地数据源：MCP 服务器安全访问的文件、数据库或服务
</li>
<li>
远程服务：MCP 服务器访问的基于互联网的外部 API 或服务
</li>
</ul>
　　将 MCP 比作一座桥梁可以更清晰地理解：MCP 本身不处理复杂逻辑；它只是协调 AI 模型和各种工具之间的数据和指令流通。
<h2>MCP应用场景</h2>
　　在实际应用中，MCP 客户端（例如，client.py 中的 Python 脚本）会与管理各种特定工具（如 Gmail、Slack 或日历应用）交互的 MCP 服务器进行通信。
　　这种标准化大大降低了复杂度，使开发人员能够快速实现复杂的交互功能。
　　1. 行程规划助手
<ul>
<li>
使用传统 API 需要为 Google 日历、电子邮件、航空公司预订 API 分别编写代码，每个都需要单独的认证、上下文传递和错误处理逻辑。
</li>
<li>
使用 MCP 则容易得多，AI 助手能够无缝地检查日历可用时间，预订航班，并发送确认邮件——所有这些都通过 MCP 服务器完成，无需为每个工具单独开发集成代码。
</li>
</ul>
　　2. 高级 IDE（智能代码编辑器）
<ul>
<li>
使用传统 API 需要手动将开发环境与文件系统、版本控制、包管理器和文档系统集成在一起。
</li>
<li>
而使用 MCP，开发环境将通过单一 MCP 协议连接这些服务，实现更丰富的上下文感知能力和更智能的代码建议
</li>
</ul>
　　3. 复杂数据分析
<ul>
<li>
使用传统 API 需要手动管理与各个数据库和数据可视化工具的连接。 
</li>
<li>
使用 MCP AI 分析平台能够通过统一的 MCP 层自动发现并与多个数据库、可视化工具和模拟系统进行交互。
</li>
</ul>
　　快速入门 MCP 集成流程：
<ul>
<li>
定义功能：明确规划 MCP 服务器将提供哪些功能
</li>
<li>
实现 MCP 层：遵循标准化的 MCP 协议规范进行开发
</li>
<li>
选择传输方式：在本地传输（stdio）或远程传输（服务器发送事件/WebSockets）之间选择
</li>
<li>
创建资源/工具：开发或连接 MCP 将要交互的特定数据源和服务
</li>
<li>
设置客户端：在 MCP 服务器和客户端之间建立安全稳定的连接通道
</li>
</ul>
<h2>如何使用MCP</h2>
Total TypeScript 的作者 Matt Pocock 仅用 28 行代码就开发出了一个 MCP 服务器。
<img src="https://img2024.cnblogs.com/blog/567218/202503/567218-20250310181507552-938435323.png" alt="" loading="lazy">
 
Cursor+MCP 梦幻联动，即可迅速构建出客户需求的功能，全程无需人类干预。
　　对于码农来说，又是效率的一次极致提升。AI 不仅能帮你写代码，还能自动完成从需求分析到功能上线的全流程。
　　客户通过 Slack 发送功能需求，Cursor 自动读取消息、构建功能，并创建 Pull Request
　　前 Meta 研究员、CopilotKit 创始人 Atai Barkai 刚刚开源了一个 Open MCP Client 的项目。
它可以让任何应用，直接与 MCP 服务器直接对话，实现更更多智能的功能。
　　只需从 Composio 中获取一个 URL，开发者即可在自己的应用中集成这个 MCP 的能力，无需从 0 开发。
项目地址：https://open-mcp-client.vercel.app/
　　Agno 的开发者 Ashpreet Bedi 打造了一款「通用 MCP 智能体」UAgl，可以借此轻松连接和管理多个 MCP 服务器。
开发者 Will Brown 开源了 MCP Test Client，可以在开发过程中测试 MCP 服务器时既充当服务器（对 Claude 而言），又充当客户端（对被测试的服务器而言）。
更多MCP服务器可以访问https://mcp.so
参考资料https://news.cnblogs.com/n/786796/
 

</div>
<div id="MySignature" role="contentinfo">
<hr>

<img src="https://img2024.cnblogs.com/blog/567218/202512/567218-20251218110559373-1044040304.png" alt="image" loading="lazy" /> 
来源：https://www.cnblogs.com/ytkah/p/18763320/mcp

頁: [1]

琼殿技术论坛's Archiver

MCP 实现AI智能体与外部数据及工具的结合