MCP 模型上下文协议详解：架构、原理与应用

1. MCP Client

MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：

• MCP Client 首先从 MCP server 获取可用的工具列表。
• 将用户的查询连同工具描述通过 Function Calling 一起发送给 LLM。
• LLM 决定是否需要使用工具以及使用哪些工具。
• 如果需要使用工具，MCP Client 会通过 MCP server 执行相应的工具调用。
• 工具调用的结果会被发送回 LLM。
• LLM 基于所有信息生成自然语言响应。
• 最后将响应展示给用户。

当前 Claude Desktop 和 Cursor 都支持了 MCP Server 接入能力，它们就是作为 MCP client 来连接某个 MCP Server 感知和实现调用。

2. MCP Server

MCP Server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：

• 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。
• 工具（Tools）：可以被 LLM 调用的函数。
• 提示（Prompts）：预先编写的模板，帮助用户完成特定任务。

这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。

3. MCP 通信机制

MCP 协议支持两种主要的通信机制：基于标准输入输出的本地通信和基于 SSE（Server-Sent Events）的远程通信。这两种机制都使用 JSON-RPC 2.0 协议格式进行消息传输，确保了通信的标准化和可扩展性。

• 本地通信：通过 stdio 传输数据，适用于在同一台机器上运行的客户端和服务器之间的通信。
• 远程通信：利用 SSE 与 HTTP 结合，实现跨网络的实时数据传输，适用于需要访问远程资源或分布式部署的场景。

三、MCP 的工作原理

MCP 协议采用了一种独特的架构设计，它将 LLM 与资源之间的通信划分为三个主要部分：客户端、服务器和资源。

MCP Client(MCP 客户端) 负责发送请求给 MCP Server(MCP 服务器)，MCP 服务器则将这些请求转发给相应的资源。这种分层的设计使得 MCP 协议能够更好地控制访问权限，确保只有经过授权的用户才能访问特定的资源。

以下是 MCP 的基本工作流程：

• 初始化连接：客户端向服务器发送连接请求，建立通信通道。
• 发送请求：客户端根据需求构建请求消息，并发送给服务器。
• 处理请求：服务器接收到请求后，解析请求内容，执行相应的操作（如查询数据库、读取文件等）。
• 返回结果：服务器将处理结果封装成响应消息，发送回客户端。
• 断开连接：任务完成后，客户端可以主动关闭连接或等待服务器超时关闭。

四、MCP 的优势

MCP（模型上下文协议）具有以下优势：

• 标准化集成：为大模型与外部工具的集成提供了统一的标准，降低了开发和维护成本，避免了因不同模型和工具提供商带来的碎片化问题。
• 提高可扩展性：新的工具和资源可以轻松地按照 MCP 协议进行开发和接入，使得系统能够不断扩展功能，满足多样化的应用需求。
• 增强灵活性：MCP 协议的标准化设计使得工具和资源的调用更加灵活，LLM 可以根据不同的任务需求自动选择和组合使用各种工具，提高了系统的适应性和智能化水平。
• 支持多模型协作：允许多个不同的大模型通过 MCP 协议共同访问和使用相同的工具和资源，实现了多模型之间的协作和信息共享，为构建更复杂的 AI 应用提供了可能。

五、MCP 的主要功能

MCP 具有以下的功能：

(1). 统一标准与互操作性

• 标准化通信协议：MCP 为大模型与外部工具的交互定义了一套标准化的通信协议，使得不同系统之间能够以统一的方式进行交互，降低了集成的复杂性，提高了互操作性。
• 模块化设计：MCP 具有标准化与模块化的特点，支持两种传输协议（STDIO 和 SSE），并允许开发者通过插件扩展功能，具备灵活性和扩展性。

(2). 资源与工具共享

• 资源暴露：MCP Server 可以将本地文件、数据库、API 等资源作为数据实体暴露给 AI 模型，为模型提供丰富的上下文信息和操作能力，突破其训练数据的时空限制。
• 工具提供：提供工具功能，帮助 AI 完成复杂任务，如数据检索、内容生成、实时更新等。例如，支持对 MySQL、PostgreSQL 等数据库的查询和操作，也支持对本地文件系统的读写和目录管理。

(3). 会话管理与动态通知

• 会话管理：MCP Server 能够管理客户端与服务器的连接，确保会话的时效性和稳定性，为多轮对话和持续交互提供支持。
• 动态通知：通过实时推送机制，将最新的资源信息及时传递给 AI 模型，以保证数据的准确性和实时性。

(4). 安全性保障

• 加密认证：采用加密认证机制，确保数据传输的安全性，避免敏感信息泄露。
• 访问控制：通过访问控制机制，对资源和工具的访问进行严格管理，确保只有经过授权的请求才能访问特定资源。
• 本地运行支持：支持本地运行，避免将敏感数据上传至第三方平台，从而更好地保护用户隐私。

(5). AI 智能体扩展

• AI 助手增强：为 AI 助手提供上下文支持和工具调用能力，能够扩展 AI 助手的功能，使其能够更智能地处理各种任务。
• 多场景应用：可以应用于多种场景，如本地资源集成、云服务交互、AI 助手扩展等，帮助开发者构建更加智能和实用的 AI 应用。

(6). 提示词与工作流管理

• 提示词定义：提示词在 MCP 中是一种可复用的、参数化的模板，用于引导用户和 LLM 完成特定的、预设好的工作流。服务器开发者可以预先封装好最佳的交互模式，提高任务执行的效率和准确性。
• 工作流编排：通过提示词和工具的组合，MCP 能够实现复杂的工作流编排，使 AI 能够按照预定义的步骤自动执行任务。

(7). 采样与反向调用

• 采样功能：采样是 MCP 中一个强大且独特的功能，颠覆了通常的请求流，允许服务器请求客户端去调用 LLM 生成内容。这种机制使得服务器开发者可以构建出需要 AI 能力的复杂工具，而无需自己维护和支付昂贵的 LLM API 密钥。
• 人机协作：在采样过程中，客户端必须将请求呈现给用户进行审核和批准，用户可以查看甚至编辑即将发送给 LLM 的提示，并对 LLM 生成的结果进行最终确认，实现了人机协作和'人在环路'的安全保障。

(8). 操作边界设定

• 根目录定义：根目录是客户端向服务器建议的操作范围或工作空间，通常是一个或多个 URI 列表。它为 AI 的操作设定了清晰的边界，确保 AI 的操作集中在特定的工作范围内，提高了操作的针对性和安全性。

六、MCP 与 Function Calling 的区别

Function Calling主要用于让 AI 大模型可以识别外部工具，然后让我们的应用程序可以和外部的 API 接口进行交互，从而实现更多复杂的功能，比如发送邮件、查看今天的天气，进行知识库搜索等等。

Function Calling 较 MCP 功能单一，不具备上下文管理能力，一次只执行一个任务，一般是同步进行调用。没有特定的标准，需要厂商或者我们自己去开发实现。生态相对封闭，没有多少开源项目，定制化比较多。而 MCP 功能复杂，可以支持多轮对话，一次能调用多个任务，也可以异步执行。它有统一的标准，只要是适配了 MCP 协议的 MCP Server 都可以用统一的代码去调用。而且 MCP 本身的社区生态更繁荣，当前社区已经 2000+ 以上的 MCP Servers 供大家使用。

Function Calling 需要大模型具有工具调用的能力，能识别出来当前用户请求是需要调用哪个工具去完成任务。而且并不是所有的大模型都会支持工具调用。而 MCP 则更加灵活，可以借用 Function Calling 的方式去进行工具调用，也可以使用自然语言描述的提示词去告诉 LLM，提供了哪些工具供它使用，应该以何种格式返回结果这种就更依赖大模型的语言理解能力。例如你告诉大模型要求返回 JSON 格式的信息，它给你返回的并不是 JSON 结构，那就导致 MCP 解析失败。

以下是 MCP 与 Function Calling 的一些区别：

七、MCP 的主要应用场景

MCP（模型上下文协议）作为一种连接 AI 模型与外部资源的标准协议，具有广泛的应用场景：

(1). 办公自动化与集成

• 代码开发与管理：如 VS Code 发布智能体模式 + MCP 扩展，开发者可自由管理工具配置，可添加浏览器操作、数据库连接等工具。开发团队能更高效地处理代码相关任务，比如跨文件重构代码。
• 文档处理与协作：MCP 可连接 Google Drive 等文件存储服务，AI 智能体能够读取、编辑和管理文档，帮助用户快速查找相关信息、生成文档内容或协同编辑文档，提高办公效率。
• 项目管理与任务调度：通过集成项目管理工具，AI 智能体可以协助用户创建任务、分配资源、跟踪进度等，实现项目管理的自动化和智能化。

(2). 生活助手与服务

• 出行规划与导航：如将高德地图的 MCP Server 集成到实时对话式 AI 智能体中，智能体可以精准理解用户需求，提供实时的地图查询、路线规划、交通路况等服务，帮助用户更好地安排出行。
• 天气与生活信息服务：MCP Server 可以获取实时天气信息、当前日期时间等，AI 智能体能够根据用户查询提供准确的生活信息，方便日常出行和生活安排。
• 智能家居控制：MCP 与物联网设备集成，AI 助手可直接控制灯光、空调等设备，构建虚实融合的智能空间，让用户通过语音或文字指令便捷地操控家居设备。

(3). 商业服务与运营

• 电商与购物助手：AI 智能体可通过 MCP 连接电商平台的 API，帮助用户搜索商品、比价、下单购买等，提供个性化的购物建议和推荐，提升电商购物体验。
• 客户关系管理：集成 CRM 系统后，AI 智能体可以协助企业管理人员查询客户信息、跟进销售线索、安排客户拜访等，优化客户关系管理流程。
• 市场营销与推广：MCP 可接入社交媒体平台、广告投放系统等，AI 智能体能够帮助企业自动发布营销内容、监测营销效果、调整广告策略，提高营销效率和效果。

(4). 内容创作与分发

• 文案创作与编辑：MCP 连接语言模型和写作工具，AI 智能体可生成文章、广告文案、社交媒体内容等，并根据用户反馈进行优化和调整，提升内容创作质量。
• 多媒体制作与处理：集成图像、音频、视频编辑工具，AI 智能体可以协助创作者进行素材选取、剪辑、特效添加等操作，加速多媒体内容生产流程。
• 内容分发与推荐：MCP 与内容分发平台对接，AI 智能体能够根据用户兴趣和行为数据，精准推荐个性化内容，提高内容的传播效果和影响力。

(5). 智能辅导与教育

• 学习资源获取与整理：MCP 连接学术数据库、在线课程平台等，AI 智能体可以帮助学生快速查找学习资料、整理知识点、解答疑问，提供个性化的学习支持。
• 语言学习与交流：集成语音识别、翻译等工具，AI 智能体能够为语言学习者提供实时的语音对话练习、翻译服务、语法纠错等，辅助语言学习过程。
• 技能培训与指导：MCP 接入专业技能培训平台或工具，AI 智能体可以为学员提供技能操作演示、练习指导、考核评估等服务，助力技能提升。

(6). 医疗辅助与健康咨询

• 医疗信息查询与分析：MCP 连接医学数据库、电子病历系统等，AI 智能体可以协助医生快速获取患者病历信息、查询医学文献、分析检查检验结果，为临床诊断提供参考。
• 健康咨询与建议：集成健康管理工具，AI 智能体能够根据用户的身体状况和健康数据，提供健康咨询、饮食建议、运动指导等服务，促进健康管理。
• 医学研究与协作：MCP 促进不同医疗机构和科研团队之间的数据共享与协作，AI 智能体可以协助研究人员进行数据分析、文献综述、研究方案设计等，推动医学研究进展。

(7). 金融分析与决策支持

• 财经数据获取与分析：MCP 接入金融数据平台，AI 智能体可以实时获取股票行情、外汇汇率、宏观经济数据等，进行数据分析和趋势预测，为投资者提供决策参考。
• 风险评估与管理：集成风险管理工具，AI 智能体能够根据市场动态和用户投资组合，评估风险水平，提出风险控制建议，帮助用户优化投资策略。
• 金融服务与咨询：连接银行、证券等金融机构的系统，AI 智能体可以为用户提供更便捷的金融服务，如账户查询、转账汇款、理财咨询等。

(8). 数字孪生

• 工业自动化与监控：MCP 与工业控制系统集成，AI 智能体可以监控生产设备的运行状态、进行故障预警与诊断、优化生产流程，提高工业生产效率和质量。
• 智能交通管理：连接交通管理部门的系统，AI 智能体能够实时监测交通流量、优化交通信号控制、提供交通疏导方案，缓解城市交通拥堵问题。
• 环境监测与保护：MCP 接入环境监测设备和数据平台，AI 智能体可以收集环境数据、分析污染源、预测环境变化趋势，为环境保护提供决策支持。