MCP从入门到精通（二）使用MCP的优势、不同的MCP服务类型、不同的MCP工具库

最新推荐文章于 2025-05-20 14:09:35 发布

大模型面试

最新推荐文章于 2025-05-20 14:09:35 发布

阅读量856

点赞数 12

文章标签：自然语言处理大模型 agi LLM ai MCP 大模型学习

本文链接：https://blog.csdn.net/Code1994/article/details/147578379

版权

六、使用MCP的优势

相较于传统将工具集成到AI智能体的方式，MCP具有多项关键优势。例如，没有MCP的工具集成可靠性值得怀疑，因为在对外部应用程序进行多次API调用时，可能会由于AI基础设施不兼容而导致多种错误。在引入MCP之前，每个希望添加到智能体的工具都必须使用自定义代码实现，通常需要数周时间。

架构：与为AI智能体预构建的工具规范不同，MCP具有一种清晰且灵活的架构，便于与工具和API交互。
改进的外部工具访问与管理：它通过标准化接口为AI模型提供工具访问，弥合了LLMs与第三方系统交互之间的通信差距。
解决独立工具实现的限制：MCP工具适用于单用户场景和团队合作。
社区驱动：MCP拥有许多开源服务器和开发者生态系统，在开发者社区中被广泛采用，适用于多种用例。
身份验证：它具有强大的内置认证和权限系统，用于控制工具访问。例如，使用Composio提供的MCP工具时，可以通过Google Sheets或Gmail对用户进行身份验证。
工具搜索：与传统的安装、配置和集成工具到AI聊天机器人方式不同，MCP使查找和寻找外部工具变得更加简单。
可扩展性：MCP能轻松扩展到大量用户和应用场景。
行业标准：虽然可以安装硬编码工具以为AI应用提供上下文，但MCP提供了行业标准，帮助智能体和LLMs获取所需的上下文信息。

七、不同的MCP服务类型

Anthropic 的 MCP 规范提供了两种服务器形式，用于向智能体和 AI 项目添加工具。这些 MCP 服务器连接类型包括以下两种：

服务器推送事件 (SSE)：通过 HTTP 连接到远程服务。
标准输入输出 (STDIO)：允许执行本地命令并通过标准输入/输出进行通信。

大家选择的 AI 应用开发框架会提供连接这些服务器所需的类。

八、不同的MCP工具库

一些开源的托管MCP工具库旨在增强大型语言模型（LLMs）和智能体的能力，确保它们生成的响应更可靠。这些托管的MCP工具库被称为注册中心（registries），提供经过策划的服务集合。大家可以使用它们的工具将紫霞的AI应用连接到以下注册中心。此外，还可以选择不同的服务器类型，例如uvx，它由基于Python的工具组成，无需安装。此外，还有用于运行MCP工具的Docker选项，以及需要安装Node.js的npx基础服务器。

GitHub上的MCP服务器：由社区构建的服务器集合，包含额外的MCP资源。

链接：https://github.com/modelcontextprotocol/servers

Glama Registry：面向开发者的生产就绪、开源的MCP服务器。

链接：https://glama.ai/mcp/servers

Smithery Registry：通过Smithery，开发者可以访问超过2000个MCP服务器，增强AI代理和LLMs的能力。

smithery链接： https://smithery.ai/

OpenTools：提供用于MCP工具的生成式API。你可以访问数百个现成的MCP工具，用于你的AI项目。通过OpenTools API，开发者可以扩展LLMs的网页搜索能力、实时获取位置信息和网页抓取功能。该API支持Curl、Python和TypeScript。请访问OpenTools快速指南以开始使用该API。
opentools官网：https://opentools.com/

示例如下：

PulseMCP Registry：使用PulseMCP，你可以浏览托管的MCP工具和应用案例，支持你的AI项目。还可以查看PulseMCP新闻，了解最新趋势的MCP服务器和应用。