最近都在传的大模型MCP到底是个啥

起初，我们通过输入prompt的方式与大模型进行问答交流，慢慢的衍生成了AI类应用以及AI Agent智能体的概念，即我们通过预设prompt的方式规定AI的角色以及回答内容，后可以通过代码逻辑对回答的内容进行判断执行不同的代码逻辑。

例如一个设定prompt如下:

# 能力你具备如下能力：1 天气查询2 路线查询3 机票查询你会根据用户的输入判断应该使用哪个工具，并回复对应的编号

然后当调用它时，它就会判断出应该使用哪个工具，并进行返回，后续代码根据它的返回结果进行相关工具的调用

-> 用户: 明天天气怎么样（后台逻辑）AI接收用户输入，并分析回复 1代码中if判断为1时，进行天气查询函数的调用，并将结果返回大模型整合返回结果并输出给用户（后台逻辑）-> 大模型：明天天气xxxx

如此一来，变相的将只会问答的大模型升级为可以使用工具的智能体应用，这个过程就叫做Function Call，其中最知名的工具库就是LangChain。

但是我们发现，在不同的场景下，我们需要不同的设定以及工具的开发，并没有复用性。

但实际上，工具是最不应该重复进行开发的，所以后面不同的智能体平台都推出了插件、工作流等这些可复用的能力，但仅仅只限于其平台中，并没有做到像代码中的第三方库一样，可被全网调用。

于是，MCP就解决了这个问题。

模型上下文协议（Model Context Protocol，MCP），顾名思义，它规定了大模型的上下文信息的传输方式。协议这个东西很好理解，就是一种规范，例如：TCP/IP协议规定了网络数据包的格式，HTTP协议规定了WEB应用的数据通信格式。而MCP就是规定了大模型上下文的传输规范。

上面这个图，我觉得就很好的展现了MCP的一个角色定位，它就好比一个万能接口转换器，适配不同大模型工具平台，提供出一个标准的全网可直接接入的一个规范，也是通过C/S的架构，进行大模型服务调用。

凡是使用MCP的工具，均可按照该协议标准直接使用，相当于中间做了一层封装，无需再考虑各个平台的接入方式，实现了大模型工具”跨平台“。

接入MCP的大模型工具平台都是Server，我们如果想要使用，直接本地作为Client按照MCP协议进行调用即可。我们无需自己实现，目前已经有多个AI客户端工具具备了这些能力，这里我是用Cherry Studio这个开源工具

https://cherry-ai.com/

装好之后，打开工具

    在设置中，可以找到一个MCP 服务器，如果该地方显示出现红色三角形，则代表需UV，Bun环境缺失，则自己需要点进去手动安装一下

    点击左上方，有一个更多MCP，跳转到

https://mcp.so/

这里我用网页爬取的FetchMCP来举例，记住这边的Server Config

随后，新建一个MCP服务器，点击左上角编辑MCP配置

将Server Config 复制进去 保存，并打开左上角开关，代表MCP Server启动。

然后，我们需要配置一个模型，我们就用硅基流动的API（之前提到过，不过多赘述）

回到对话中，下面选中MCP Server中的刚刚创建好的fetch服务。

可以看到，配置生效了，只是因为robots.txt限制了爬取，但是MCP工具调用没问题。

好的，收工！