回顾去年,在接触 AI 智能体时,我曾思考过如何让模型直接生成图表而非简单复制文本。当时认为只需接口协议即可实现,没想到年底便有了实质进展。如今,这一概念已演变为行业标准。
初步了解
MCP 到底是个啥?
MCP 全称 Model Context Protocol(模型上下文协议)。无需纠结术语,简单来说,它是 AI 大模型与外部系统交互的标准化语言。如果把 AI 智能体比作思考的大脑,MCP 就是连接大脑与手脚的神经中枢。大模型负责思维结果,而 MCP 负责调用工具去执行具体工作,本质上是一种低代码或无代码的自动化能力。
发展
2024 年 11 月,Anthropic(由 OpenAI 前员工创办)发布并开源了 MCP。当时 AIGC 发展迅速但存在痛点:AI 模型与外部数据、工具的连接不足,且此前方案缺乏通用性。MCP 提供了标准化的交互方式,助力 AI 与外部系统高效互动。随后获得多家巨头支持,OpenAI 等纷纷入局,使其成为 AI 智能体时代的关键技术。


理论基础
MCP 与 RAG(为大模型提供充足上下文)和 Function Calling(让模型能使用工具)密切相关。它在这些基础上进一步优化,实现了 AI 与外部系统更高效、更安全的交互。


核心组件

使用逻辑
目前主流大模型平台如 Claude、OpenAI GPT、阿里云百炼等都已接入 MCP。开发者可以在工具箱中调用基于 MCP 的工作流来完成现有任务。不过需要注意的是,权限过大可能带来安全隐患,实际落地时需做好权限管控。
与传统 API 不同之处
- 传统 API:参数变更时,用户必须更新代码,否则请求可能失败。
- MCP:采用动态灵活方式。客户端连接服务器时会先了解其能力,服务器也会动态更新功能描述。客户端无需重写代码就能适应变化,大幅降低维护成本。
应用实践
在实际场景中,我们可以利用 MCP 构建成熟的 Agent。以网页搭建为例,通过配置相应的 MCP 工具,可以直接向模型提出需求,让它生成完整的页面结构。


