万字 MCP 调研总结 + 应用实践：原来 90% 的活儿得重新来过！

本文链接：https://blog.csdn.net/2401_84495872/article/details/146966754

前言

Manus 2025年3月6日正式发布后，有团队仅用 3 小时复刻了 Manus 的功能，并将其命名为 OpenManus 开源。关于Manus技术实现方案的讨论，意外带火了MCP及其周边的开源项目，MCP 在中国的热度短时间内飙升至最高值，微信指数显示其热度值接近 400 万。BlenderMCP 项目上线仅 3 天，GitHub 标星数量就达到了 3.8k。

面对外界质疑时，迅速作出了回应。Manus联创的技术负责人季逸超辟谣：“我们确实没有采用MCP技术，但这并不意味着我们忽视了这项技术的价值。相反，我们在评估各种技术方案时，始终将用户体验和安全性放在首位。”

了解下MCP

MCP 就像 USB-C 一样，可以让不同设备能够通过相同的接口连接在一起。在没有 MCP 时，开发者需为每个数据源单独开发定制整合方式和 API，过程耗时且难以扩展。而 MCP 使 AI 应用能通过统一协议访问文件系统、数据库等资源，简化整合过程，提升 LLM 的使用体验。

MCP 是一种开放协议，全称为Model Context Protocol（模型上下文协议），由 Anthropic 在 2024 年 11 月发布。它旨在实现大型语言模型（LLM）与外部数据源和工具之间的无缝集成。

核心功能：

统一接口：MCP 提供了一种标准化的方式，使 LLM 能够以一致的方式连接各种数据源和工具。它类似于 AI 世界的“USB-C”接口。
上下文管理：通过定义标准化的接口和协议，MCP 能够动态维护 LLM 的对话上下文，确保多轮对话的连贯性和一致性。
安全性和灵活性：MCP 内置了安全机制，允许数据和工具的提供者控制资源访问，而无需将 API 密钥等敏感信息暴露给 LLM 提供商。

架构：

Host（主机）：期望从服务器获取数据的人工智能应用，例如聊天机器人或 IDE。
Client（客户端）：主机与服务器之间的桥梁，负责消息路由和协议协商。
Server（服务器）：提供外部数据和工具的组件。

优势：

减少开发时间：开发者可以利用预构建的 MCP 服务器，而无需为每个数据源或工具构建自定义集成。
增强互操作性：使用 MCP 构建的应用程序可以与任何兼容的工具和数据源无缝协作。
模块化：调试、授权、审计等关注点可以标准化并重复使用。

为什么MCP会火

Function Call 是由 OpenAI 最早提出的。它允许大型语言模型（LLM）在生成响应时调用外部函数或服务，从而结合模型的语言理解能力与外部工具的精确性。

Function Call的局限性

需要大模型本身支持：大模型（如 OpenAI 的 GPT-4、Anthropic 的 Claude 等）需要在其架构中内置对 Function Call 的支持。这意味着模型必须能够理解如何调用外部函数，并处理函数调用的结果。
功能范围受限于大模型函数集合：大模型支持的 Function Call 功能范围取决于其开发团队的设计。如果模型没有内置对某个特定函数的支持，那么它就无法直接调用该函数。虽然 Function Call 提供了一定的灵活性，但它仍然受限于预定义的函数集合。如果需要调用新的工具或服务，可能需要模型开发团队扩展其支持的函数列表。

与 MCP 的对比

MCP（Model Context Protocol）是一种开放协议，它提供了一种标准化的方式来实现 AI 模型与外部工具的交互。MCP 不依赖于特定的大模型，而是提供了一种通用的接口，任何支持 MCP 协议的模型都可以使用它来与外部工具交互。
Function Call 则是特定于某个大模型的实现，依赖于模型本身提供的接口和能力。

MCP使用实践

/以下示例分享自moreality blog

从 Claude 官网下载 Claude for Desktop，选择 macOS 或 Windows。（目前 Linux 尚未支持 Claude for Desktop。）

为了添加一个 Arxiv 论文搜索工具，我们将为 Claude for Desktop 安装一个预构建的 mcp-papersearch Server。

更新配置文件后，您需要重新启动 Claude for Desktop。重新启动后，您应该会在输入框右下角看到一个锤子图标：