MCP(1):协议背景和发展前景

MCP（模型上下文协议，Model Context Protocol）自Anthropic 2024年11月推后，迅速得到发展，非常值得关注和研究。针对MCP,本号将进行系列分析，包括：

1. 协议背景及发展前景，重点介绍协议产生发展的逻辑及未来发展趋势。
2. 协议应用方法，重点介绍SDK的使用
3. 协议的分析及其它模型的应用，当前还主要支持Anthropic的模型，其它模型的该如何应对。

随着深入，还会有更多的内容出来，今天是第一篇。

欢迎关注及星标，防止走失。

MCP协议背景及发展前景

大模型出现后，其智能的水平很快被大家接受，并越来越受欢迎。但大模型的主要应用仍然是聊天式的交互，完全满足不了大家的预期。

究其原因，是因为大模型本身，确实只有比较简单的输入输出能力，其API接口非常单一，简单的输入输出，被动调用，没有会话的概念，没有临时记忆的能力。

智能体(Agent)

如何充分挖掘大模型能力，让大模型做更多的事情，是业界努力的方向，这其中，最重要的概念是智能体（Agent).

一个典型的智能体的结构大体是这样子的：

智能体在大模型的基础上，增加规划能力，记忆能力，及工具调用能力，形成一个完整的功能体，可以自主执行用户的任务。

更详细一点的图是这样的（此图来自OpenAI)

这里边最关键的环节，是TOOLS(工具调用)，大模型能够调用工具，才真正有能力与外界交互，通过调用工具，可以获取外部数据，也可以对外部进行行动。

Function Calling

工具调用的核心是函数调用(Function calling).

Function calling 最早由 OpenAI 在 2023 年 6 月推出并实现。OpenAI 在其 GPT 模型系列中引入了这一功能，最初是在 GPT-3.5 和 GPT-4 模型中添加的 API 功能，让开发者能够定义特定函数，使大模型可以调用这些函数以获取外部数据或执行特定操作。

Function Calling直接翻译是函数调用，但它并不是由大模型直接调用的，而是在大模型的指导下调用。

典型的流程是这样的：

1.用户提交提示

2.Agent将提示与一个或多个工具/函数定义一起提交给模型。

3.模型选择适合执行用户提示的函数，将选定的函数名称和参数返回给Agent

4.Agent根据模型返回结果执行该函数并将 API 响应返回给模型

注：LLM 根本不执行函数，它只提供该执行的函数及必要的参数。

虽然Agent并不执行函数，但这个方法给了Agent和外界灵活交互的途径，迅速得到发展，除了Openai，其它各个大模型也迅速支持该功能。

模型以外，以Langchain等为代表的Agent框架，也都提供了Function calling的支持，同时，很多通用的功能，比如搜索等，直接提供了内置函数供调用，非常方便，以下是Langchain 预置工具列表的一部分(还有很多）：

Function Calling局限性

Function calling给了大模型与外界交互的非常好的方法，但同时有它的局限性，包括：

1. 函数的定义比较随意，包括输入输出格式等，给Agent的处理带来不少麻烦，基本的结果就是各人自己定义函数各人自己用，各框架定义的函数各框架自己用，缺乏统一性。
2. 只能本地调用，不能远程调用，不能跨语言调用。
3. 上下文处理非常不方便。
4. 一些复杂的资源，尤其是大数据量调用等，用起来并不方便。

简单地说，这是对原有API的一种封装，是一种进步，但不够。

MCP

MCP正是在这一背景下应运而生的。Claude MCP，即模型上下文协议（Model Context Protocol），是 Anthropic Claude 的一个开源开放协议，旨在建立 AI 模型和开发环境之间的统一上下文交互，通过提供标准化的上下文信息访问，使 AI 模型能够更好地理解和处理代码。就像给它们之间搭建了一座桥梁，使得开发者可以通过一套标准将 AI 应用和数据源连接起来 。

MCP的核心思想是：将模型置于一个结构化、信息丰富的上下文环境中，使其能够理解自己的能力边界、可用资源和系统状态，从而做出更明智的交互决策。

如图：MCP 协议支持对本地资源的管理，如电脑里的文件、数据库（像 SQLite 数据库）等。开发人员可以使用 MCP 协议让桌面版 Claude 安全连接本地服务，进行文件的创建、读取、编辑等操作，还能对数据库中的数据进行交互操作，例如查询、更新等 。

对于远程资源，如 GoogleDrive、Slack 等平台的数据，Claude 借助 MCP 协议可以直接进行控制和访问。这使得企业和开发者在构建 AI 应用时，能够轻松整合不同来源的数据，如从商业工具、软件、内容库、应用程序开发环境等各种来源提取资料，协助模型产生与指令更相关的回复 。

理论上，这些功能都可以通过类似Function calling来实现，但代价非常高，而MCP是一种标准方法，有了标准方法，无论对服务端，还是客户端，实现都极为容易 ，也极易扩展。叫它USB不过份，因为USB就是这样一个协议，文件传输，打印，直到网卡，键盘，鼠标，只经遵循这个协议，都可以即插即用。

所以说，这些操作，有了MCP以后，都变得极为简单。

未来前景

有了MCP的AI程序，功能会迅速得到扩展，类似下图：

一旦插上数据的翅膀，大模型的能力会得到极大的发挥，这也是所有用户需要的。

但从另一个角度，MCP没那么神秘，它只是个协议，如果所有人都用，协议的威力将无比强大，但如果有另一个更好的协议，它也可以随时被取代。

基于HTML和TCP/IP的协议主导了互联网时代，在该协议的基础上，网站得到巨大发展，统治了一个时代。后来的Open API支持了移动应用、微服务的发展。但这两种协议都是为以前的应用程序设计的，都不足以支撑AI时代的发展。MCP给出一种可能，就是这种协议可以支撑AI应用的发展，互联网的服务方式将发展根本性变化。

理论上，现在很多应用，比如公有云，对外提供各种API供调用，未来也可以直接提供MCP协议供AI类应用使用。

目前，该协议的主要支持模型还是Anthropic Claude,最近微软的Azure openai也开始支持，已经有一些在互联网上提供MCP协议的服务器在运行，并且发展迅速，说明它已经开始得到认可。

只要更多模型、框架、应用、服务的支持，未来可期。

END

原文始发于微信公众号（AI与安全）：MCP(1):协议背景和发展前景