MCP

MCP (模型上下文协议)

摘要

MCP (Model Context Protocol，模型上下文协议) 是一种简化AI调用外部工具的协议。相比传统的Function Calling方法，MCP提供了一种更简洁的解决方案。它通过封装外部工具，使AI能够通过统一的接口与这些工具交互，从而降低了开发和维护成本。

主要特点

• 💡 MCP协议通过封装外部工具，简化了AI调用外部工具的流程
• 📦 MCP Client和MCP Server之间支持两种通信方式：标准输入输出流和HTTP协议的SSE方式，底层基于JSON RPC 2.0实现
• 📡 与AI大模型的通信采用简单的提示词方式，而非复杂的Function Calling技术
• 📝 这种”最朴素”的提示词方式使得任何指令遵循能力好的大模型都可以使用MCP技术
• 🛠️ MCP协议只规定了Client和Server之间的通信，而与AI大模型之间的通信方式更加开放灵活

通信原理

MCP底层工作原理涉及两部分通信：

1. MCP客户端与服务器之间：

   • 通过标准输入输出流：服务器作为客户端子进程，适用于两者在同一台计算机
   • 通过HTTP协议使用SSE方式：服务器添加路由建立持久连接和接收客户端消息，适用于两者不在同一台计算机
   • 通信协议基于JSON RPC 2.0实现

2. MCP客户端与AI大模型之间：

   • 令人惊讶的是，不使用Function Calling技术
   • 而是将包含大量外部工具详细信息的提示词直接发送给AI
   • AI根据提示词中的约定，使用特定标签指定要调用的外部工具及其参数

大模型实时数据问题解决方案

• 大语言模型无法回答实时数据问题，因为它使用过时数据训练
• MCP作为中介，允许大模型访问外部工具来获取实时数据
• 例如：使用Python爬虫获取实时粉丝数等信息

思考问题

• MCP协议在实际应用中，如何保证外部工具的安全性？
• 如果提示词过长，是否会影响AI的性能和准确性？有没有更好的优化方案？
• MCP协议未来是否会规范MCP Client与AI大模型之间的通信方式？