模型上下文协议MCP

介绍

• Anthropic于2024年11月提出的开放标准协议，旨在通过标准化接口实现大型语言模型（LLM）与外部数据源、工具的深度集成，类似USB接口标准化作用。
• 解决的是数据孤岛问题，提供通用标准，取代碎片化集成。

核心架构与组件

采用客户端-服务器架构，包括三个核心组件

• MCP主机（Host）：发起请求的AI应用，负责将用户需求转化为协议指令。
• MCP客户端（Client）：嵌入在主机应用中，与服务器建立一对一连接，处理请求转发与结果回传。充当LLM和server的桥梁，工作流程：

• 首先从MCP server获取可用工具列表
• 将用户查询联通工具描述通过Function Calling发送给LLM
• LLM决定是否需要使用工具以及使用哪些工具
• 如果需要使用，client通过server执行相应工具调用
• 工具调用结果返回LLM
• LLM基于所有信息生成自然语言相应
• 将响应展示给用户

• MCP服务器（server）：轻量级程序，通过标准化协议暴露本地或远程资源，支持动态工具发现机制。
  

工作机制与功能特性

• 动态山下文扩展

LLM可实时访问外部资源（文件、数据库记录、API响应），通过唯一URL标识
支持双向交互：模型不仅能检索数据，还能触发操作（修改配置、执行脚本）

• 安全与权限控制

敏感数据需用户明确授权，凭据由本地环境隔离存储，避免云端泄露.
提供工具调用审核机制，在Cursor中，每次调用外部工具需用户确认

• 标准化接口优势

替代碎片化集成：通过统一协议连接不同数据源，降低开发复杂度。
跨平台兼容性：支持python、TypeScript、Java等多语言SDK，适配不同部署环境。

应用场景

• 开发生产力提升

IDE集成：AI直接读取代码库、执行Git命令、调式时查看浏览器日志
代码补全优化：动态获取项目文件或API文档上下文，生成精准建议。

• 行业垂直应用

医疗诊断：整合电子病历、影响数据与医学文献，辅助声测会给你诊断建议
金融分析：实时连接市场数据源，提供投资策略与风险评估

• 企业服务优化

知识库检索：企业内部AI通过MCP访问私有文档，避免敏感信息外泄
自动化流程：触发工单处理、邮件发送等操作

其他技术对比

• Function Calling

仅实现结构化指令生成，实际执行依赖开发者自定义；MCP提供端到端标准化流程，支持负责工具链协调

• RAG（检索增强生成）

MCP将RAG临时检索升级成系统级集成，支持长期记忆与动态上下文管理

其他概念

• Claude Desktop：人工智能公司Anthropic开发的桌面端AI助手
• Cursor：AI 编程助手​​，深度集成 ​​GPT-4o​​ 和 ​​Claude 3​​ 等大模型，提供智能代码补全、错误修复、代码重构等功能
• Prompt：用户输入给 AI 模型的指令或问题，用于引导 AI 生成特定类型的响应
• AI自动化的发展过程：
  • AI Chat：只提供建议，需要用户手动将response转化为行为和结果
  • AI Composer：可以自动修改代码，需要用户参与和确认
  • AI Agent：完全自动化，自动生产代码、读取日志、调试代码、push到Git上