什么是模型上下文协议 (MCP)

常规
1

什么是模型上下文协议 (MCP)？

img
img1920×1080 178 KB

简单说，模型上下文协议 (MCP) 是 Anthropic 搞出来的一个开放标准，让 AI 应用能更方便地跟各种数据源“勾搭”上。

你可以把它想象成 AI 界的 USB-C 接口：USB-C 让你各种设备都能连上不同的配件，MCP 让 AI 模型能连上数据库、API、文件系统啥的。

1052×1200 110 KB

MCP 咋工作的？

MCP 玩的是 客户端-服务器 这一套：

  1. AI 助手（比如 Claude）想知道点啥或者做点啥，它就发个请求。
  2. MCP 服务器就跑去数据库、文档夹或者在线服务那儿找信息，然后把找到的东西发回去。
  3. AI 拿到这些信息，就能给你更靠谱的回答啦。

MCP 有三个关键角色：

  • MCP 主机（Host）: 就是跑 AI 应用的地方，比如 Claude 在哪儿运行，那儿就是 MCP 主机。
  • MCP 客户端（Client）: 藏在 AI 模型里面，专门负责用 MCP 协议跟 MCP 服务器“聊天”。
    • 举个栗子: Claude 想从 PostgreSQL 数据库里拿销售数据，客户端就把请求整理好，发给 MCP 服务器。
  • MCP 服务器 (Server): 就像个中间人，连接 AI 模型和外面的世界。 它收到客户端的请求，理解 AI 想干啥，然后去外面找数据或者执行操作，最后把结果告诉 AI。
    • 每种外部资源（PostgreSQL、Google Drive、各种 API）都有自己的 MCP 服务器。
    • 再举个栗子: Claude 要从 PostgreSQL 拿数据，PostgreSQL 的 MCP 服务器就收到请求，跟数据库“沟通”，拿到数据，再发回给 Claude。

MCP 的五个基本要素 (技术细节，可以跳过)：

  • 客户端侧 (Client-side):
    1. Roots (安全文件访问): 让你安全地访问文件和文档。
    2. Sampling (抽样/任务辅助): 让 AI 帮你干点活，比如生成数据库查询。
  • 服务器侧 (Server-side):
    3. Prompts (提示/指令): 告诉 AI 怎么回答你。
    4. Resources (资源/数据对象): AI 可以用到的数据，比如数据库里的表格或者 Google Drive 里的文件。
    5. Tools (工具/功能): AI 可以执行的操作，比如运行数据库查询或者调用 API。

大家都说 MCP，到底牛在哪儿？

  1. 集成更简单：
    • 以前，你想让 AI Agent 用你的文件、日历啥的，得为每个连接写一堆代码。
    • 现在，MCP 定义了一套标准“协议”，就像个“万能插头”。
    • 开发者不用为每个新工具搞定制集成，只要部署对应的 MCP 服务器就行。
  2. AI 能力更强： 有了 MCP，AI 模型能轻松访问各种外部信息和工具，能力大大提升。 比如：
    • 智能助手: 帮你安排日程、处理邮件。
    • 数据分析: 直接分析数据库、云盘里的数据，给你更深的洞察。
    • 自动化工作流: 自动完成复杂的工作流程。
  3. AI 应用更容易普及： MCP 让开发 AI 应用变得更简单、更便宜。
  4. 开源： 谁都能用、贡献代码，或者在它的基础上开发新东西。

这么看，Agent 其实就是：

Claude + MCP Client + MCP Servers = Agent

  • Claude： 负责思考和推理。
  • MCP 客户端： 让 Claude 能跟外部世界“对话”。
  • MCP 服务器： 连接各种工具、数据源的中介。

没有 MCP，Claude 就只是个厉害的语言模型，只能用它自己脑子里的知识。

MCP 是解锁 Claude 潜力的关键，让它变成真正的 Agent —— 不只能理解和生成文字，还能跟世界互动，解决问题，实现目标。

MCP 都能用在哪儿？

  1. 个人 AI 助手 — 管理日历、总结邮件、找文件
  2. BI (商业智能) — 从公司数据里挖出有用的信息
  3. 软件开发 — 帮你找代码片段和文档
  4. 客户支持 — 让 AI 访问历史对话，更好地回答问题

谁来做 MCP 服务器 (Server) 呢？

MCP 服务器一般由下面这些家伙来做：

  1. 工具和服务提供商： 像 Google、Slack、PostgreSQL 这些公司，他们可以为自己的产品搞 MCP 服务器，让它们能跟 AI 模型“联动”。 Cloudflare 就做了自己的 MCP Server。
  2. 第三方开发者： 独立开发者和公司可以为常用工具和服务开发 MCP 服务器，特别是那些官方还没做的。
  3. 开源社区贡献者： 因为 MCP 是开放的，所以开源社区的人也能为各种工具和数据源开发 MCP 服务器。 已经有网友做了 AWS 的 MCP。