MCP（模型上下文协议）说明

最新推荐文章于 2025-06-11 10:52:50 发布
最新推荐文章于 2025-06-11 10:52:50 发布
阅读量804 收藏 26
点赞数 20
文章标签： 人工智能 MCP LLM AI Agent
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Guzith/article/details/147338212
版权

背景

MCP（Model Context Protocol，模型上下文协议）旨在解决大型语言模型（LLM）与外部数据源及工具集成的问题。由Anthropic公司于2024年11月提出并开源，目标是实现AI模型与现有系统的无缝集成。

解决的问题

  1. 统一接口：MCP 提供了一个统一的接口，解决了不同数据源和工具之间的兼容问题，使得 AI 应用能够更加灵活地与外部资源进行交互。
  2. 降低集成成本：开发者不再需要为每种工具或数据源编写单独的集成代码，通过 MCP 协议，AI 模型能够轻松接入多种服务，减少了开发和维护的工作量。
  3. 双向通信：MCP 协议的双向通信机制使得 AI 应用可以与外部工具和数据源进行更为复杂和智能的交互，为未来的智能化应用提供了更加广阔的可能性。
  4. 高度扩展性：MCP 支持多种数据传输机制和传输层协议，具有良好的扩展性，能够适应不同的应用需求。

发展历程与时间线

MCP协议的发展经历了几个关键阶段：

  • 2024年11月24日：Anthropic首次提出MCP协议，旨在为无法直接修改底层逻辑的Agent（如Cursor、Claude桌面端等）提供工具调用标准

  • 2024年12月：技术社区出现首批基于Claude 3.5 + MCP的应用案例，如通过MCP协议实现Claude与本地文件系统、数据库的自动化交互

  • 2025年3月初：MCP生态进入规模化应用阶段，企业如Block、Apollo等通过集成MCP实现跨系统数据调度，业务流程响应速度提升数倍

  • 2025年3月11日：LangChain联合创始人与LangGraph负责人围绕MCP展开辩论，40%参与者支持MCP成为未来标准

  • 2025年3月17日：Anthropic推出MCP协议新传输方案"Streamable HTTP"，彻底重构通信机制，解决原HTTP+SSE方案在连接恢复性、服务器负载及双向通信方面的核心瓶颈

  • 2025年3月27日：OpenAI宣布支持MCP协议，标志着MCP获得行业广泛认可

MCP Servers主要功能

  • 资源暴露：服务器提供给客户端的数据实体，可以是文件、数据库记录等。
  • 工具提供：服务器暴露的可执行功能，客户端可以通过调用这些工具完成特定任务。
  • 动态通知：当资源发生变化时，服务器可以通过通知机制主动推送更新到客户端。
  • 会话管理：处理客户端的连接初始化、能力协商和会话关闭。

协议架构

MCP 采用客户端-服务器架构：

  • MCP Host（主机）：运行LLM的应用程序，例如Claude 桌面版、IDE 插件或聊天机器人。主机是与外部数据源或工具交互的核心，通常需要从外部获取上下文数据或执行操作。
  • MCP Server（服务器）：提供特定的功能或数据访问能力。服务器封装与实际数据源的交互逻辑，并对外暴露统一的MCP接口。
  • MCP Client（客户端）：充当主机和服务器之间的中介，负责将主机的请求转发给服务器，并将服务器的响应返回给主机。每个客户端与一个特定的服务器建立 1:1 的连接。

通过这种架构，MCP 协议消除了传统上每种数据源都需要单独集成的繁琐步骤，使得 AI 应用能够通过统一的接口与各种外部资源进行交互。

  • MCP 主机 ：通过 MCP 访问数据的 Claude Desktop、IDE 或 AI 工具等程序
  • MCP 客户端 ：与服务器保持 1：1 连接的协议客户端
  • MCP 服务器 ：轻量级程序，每个程序都通过标准化的 Model Context Protocol 公开特定功能
  • 本地数据源 ：MCP 服务器可以安全访问的计算机文件、数据库和服务
  • 远程服务 ：MCP 服务器可以连接到的 Internet 上可用的外部系统（例如，通过 API）

核心原理

MCP 协议基于标准的客户端-服务器架构，其中 Host、Client 和 Server 分别承担不同的角色。通信过程遵循 JSON-RPC 等通用 Web 协议来实现双向通信。Host 通过 MCP Client 调用 Server 提供的服务或方法（例如读取文件、执行搜索等），而 Server 完成相应操作后将结果返回给 Host。

整个过程采用 JSON 格式的消息进行数据传输，这样做的好处是确保了上下文在多次交互中得以保持，实现了“连续对话”的功能，而不仅仅是一次性 API 调用。

模型如何确定工具选择

模型通过prompt engineering来确定应该使用哪些工具：

  1. 当MCP Server初始化时，它会获取所有可用工具的描述信息
  2. 这些工具描述（包括名称、功能说明和参数要求）被格式化成文本形式
  3. 格式化后的工具描述与用户问题一起作为prompt发送给LLM
  4. LLM基于这些描述和用户问题进行推理，决定是否需要调用工具及调用哪些工具
  5. 如果需要调用工具，LLM会输出JSON格式的工具调用请求

工具的描述信息通常直接来自开发者定义的函数名和函数docstring。

ReAct循环与处理机制

MCP实现了ReAct（Reasoning + Acting）循环机制：

  1. LLM分析用户需求并制定任务计划
  2. 执行工具调用并获取结果
  3. 基于结果进行推理并决定下一步行动
  4. 如果参数不完整或输出结果置信度低，启动用户协同修正流程
  5. 循环迭代直至任务完成

    传输协议

    • stdio：通过标准I/O进行通信，服务器运行在本地，数据更安全。
    • HTTP with Server-Sent Events (SSE)：通过 HTTP 与外部服务进行通信。

    相关服务

    目前已经有大量服务和应用基于 MCP 实现，例如可以使用 GitHub-MCP，用自然语言提交代码、创建 PR。利用 Figma MCP，让 AI 直接生成 UI 图。接入 Browser-tools-MCP 后，甚至还能让 cursor 根据浏览器控制台中的元素节点和打印的日志进行代码调试。

    MCP与其他协议的关系

    MCP与A2A协议

    MCP和Agent-to-Agent(A2A)协议实际上是互补关系而非竞争关系：

    • MCP：连接大模型与外部数据源/工具，提供上下文和工具支持
    • A2A：不同智能体之间的通信协议，支持智能体间协作完成复杂任务

    两者可以协同工作构建复杂AI系统：

    • A2A负责任务分配、状态同步和协作管理
    • MCP为单个智能体提供外部资源访问能力

    MCP协议内容

    xx​​​​​​​Specification - Model Context Protocol

    参考文章

    一文搞懂 MCP Servers - 虫师 - 博客园

    什么是MCP协议？MCP的技术架构与核心原理是什么？MCP封装了哪些协议？_mcp服务封装-CSDN博客

    时光如林
    关注
    MCP的工具调用：让LLM执行复杂任务
    加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
    03-29 1692
    在使用MCP（Model Context Protocol）构建智能应用时，工具调用是实现复杂功能的关键机制。通过工具调用，LLM（大型语言模型）可以与外部工具和服务进行交互，从而执行各种复杂的任务。本文将详细介绍MCP的工具调用功能，包括工具的定义、注册、调用以及如何通过代码示例实现这些功能。以下是一个简单的工具定义示例，该工具用于生成文件内容：Python复制# 模拟生成文件内容通过本文的介绍，你已经了解了MCP的工具调用功能，包括工具的定义、注册、调用以及如何通过代码示例实现这些功能。
    MCP入门：模型上下文协议是什么？
    加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
    03-29 1090
    在人工智能领域，大型语言模型（LLM）的应用越来越广泛。然而，如何让这些强大的模型更好地与外部工具和数据源交互，一直是开发者面临的一大挑战。今天，我们将介绍一种新兴的协议——MCP（Model Context Protocol，模型上下文协议），它为解决这一问题提供了一种全新的思路。MCP（Model Context Protocol）是一种用于连接大型语言模型（LLM）和外部工具的协议。它允许LLM通过一个统一的接口调用各种工具和服务，从而实现更强大的功能。
    MCP（Model Context Protocol）模型上下文协议 理论篇4 - 工具（Tools）
    aiqlcom的博客
    12-12 1612
    工具（Tools）在MCP中是一个核心概念，它通过服务器暴露可执行功能，使LLMs能够与外部系统交互并执行复杂的操作。工具的设计具有高度的灵活性和可扩展性，能够支持从简单的计算到复杂的API集成。通过定义工具的结构和实现方式，开发者可以轻松地将各种功能集成到LLMs中，从而增强模型的能力。
    【知识科普】MCP模型上下文协议
    wendao76的专栏
    03-11 1414
    以下是关于MCP（Message Context Protocol）模型上下文协议的详细解析，涵盖其核心概念、设计目标、实现方式及典型应用场景。一、MCP模型上下文协议概述1. 定义与目标•MCP是一种消息上下文传递协议，旨在解决分布式系统中服务间通信时的上下文信息传递问题。•核心目标• 在服务调用链（如微服务架构）中传递请求相关的元数据（如用户ID、请求ID、鉴权令牌、事务ID等）。• 确保全链路可观测性（Tracing）、安全性（如权限传递）和一致性（如分布式事务）。
    一文读懂MCP模型上下文协议
    何哥的博客
    05-30 705
    MCP（Model Context Protocol） 是一种由 Anthropic （Claude 大模型母公司）于 2024 年 11 月发布的开源协议，旨在标准化大型语言模型（LLM）与外部数据源和工具的交互。它像“AI的USB-C接口”，通过统一接口让 AI 模型无缝连接数据库、文件、API 等外部资源。MCP 通过客户端-服务器架构（MCP Client 和 MCP Server）实现，广泛应用于 AI 助手、开发工具等场景，助力构建更智能、互联的 AI 应用。
    模型上下文协议（MCP）简介
    机器会学习的博客
    06-03 1009
    模型上下文协议(MCP)为AI模型与外部工具/数据源提供标准化连接方案，解决了传统M×N集成模式的效率问题。通过客户端-服务器架构，MCP将复杂集成简化为M+N模式，主机应用通过MCP客户端连接服务器端获取四大核心能力（工具、资源、提示、采样）。该协议显著降低开发维护成本，提升AI系统互操作性，使模型能够动态获取外部信息与功能，克服训练数据局限，推动实用AI应用发展。典型应用场景包括代码解释器调用、文档查询等。
    MCP模型上下文协议集锦
    galileo2016的博客
    12-29 2158
    MCP模型上下文协议（Model-Context-Protocol，MCP），能够实现大型语言模型（LLM）应用程序与本地或远程资源之间的安全、可控的交互。2024年11月底，Anthropic公司发布了MCP开放标准，实现大型语言模型（LLM）应用程序与外部数据源和工具之间的无缝集成。提供了python、typescript、kotlin等语言的SDK和服务实现模板。
    MCP(大模型上下文协议)
    小小张自由—>张有博
    03-25 1027
    MCP(大模型上下文协议)一篇文章介绍
    备受关注的MCP（模型上下文协议）究竟是什么？
    rs勿忘初心的博客
    04-09 897
    MCP协议通过标准化接口、动态工具发现和实时双向通信，显著降低了AI模型与外部系统集成的复杂度。降低开发门槛：开发者无需为每个API编写定制化集成代码。提升系统灵活性：支持快速接入新数据源或工具，无需重启服务。增强安全性：内置加密和权限控制机制，保障数据隐私。随着AI技术的深入发展，MCP协议有望在智能客服、自动驾驶、医疗诊断等领域成为主流交互标准，推动AI应用向更高效、更智能的方向演进。
    模型上下文协议(MCP)详解
    u013379032的博客
    04-20 2069
    MCP(Model Context Protocol)是一种轻量级、语言无关的通信协议，旨在解决AI模型交互中的上下文管理问题。它提供了一套标准化的方法来创建、维护和销毁交互上下文，特别适合需要状态保持的AI应用场景。代码含义200成功201创建成功400无效请求404上下文不存在409上下文冲突500服务器错误。
    MCP协议详解：大模型时代的模型上下文协议.pdf
    04-11
    MCP协议（Model Context Protocol，模型上下文协议）是Anthropic公司推出的一项开源协议，专门用于实现大型语言模型（LLM）与外部数据源及工具之间的无缝集成。MCP的核心目的在于创建一个安全、双向链接的通道，使...
    【人工智能领域】模型上下文协议(MCP)详解：面向大模型应用开发工程师的标准化集成方案模型上下文协议
    05-08
    内容概要：模型上下文协议（MCP）是由Anthropic于2024年底推出的一种开放标准，旨在标准化大型语言模型（LLM）与外部数据源、工具和系统的连接。MCP采用客户端-服务器架构，包含宿主、客户端、服务器、工具、资源、...
    AIGC 中 MCP 模型上下文协议的代码实现示例
    AI天才研究院
    04-05 260
    MCP(模型上下文协议)是AIGC领域中用于管理和维护生成过程中上下文信息的关键协议。解释MCP协议的基本原理和设计思想提供可操作的Python实现示例分析协议在实际应用中的性能表现探讨优化策略和未来发展方向本文涵盖范围包括协议设计、核心算法、代码实现和应用场景，但不涉及特定AIGC模型的内部实现细节。文章首先介绍MCP协议的基本概念，然后深入解析其核心算法和数学模型。接着提供完整的Python实现示例，并讨论实际应用场景。最后总结未来发展趋势和挑战。AIGC。
    yolo模型精度提升策略
    qq_47798402的博客
    06-09 590
    结合起来，才能最大程度地提升那6种相似BGA的区分能力，从而显著提高整体mAP。持续进行基于难例分析的主动学习是突破瓶颈的可持续方法。使用自适应优化器、学习率热身与余弦退火，进行充分长周期的训练（配合早停）。持续收集模型在相似BGA上的错误样本，优先标注并加入训练集进行迭代。设计模拟BGA实际成像挑战（反光、模糊、视角变化）的增强方案。尝试引入注意力机制，将分类损失替换为。训练数据（2倍以上是合理起点）。（Focal Loss）以及。显著增加6种相似BGA的。（特别是注意力机制）、
    原始的 P-Tuning 和 P-Tuning v2 在实现细节上有哪些不同
    ZJQ的博客
    06-10 500
    P-Tuning v2（2022） - **改进点**： - 在模型的每一层都添加软提示（类似 Prefix Tuning 的思路），而不只是输入层。 - **引入轻量级 MLP 层**：在预训练模型的输出后添加一个小型的多层感知机，增强分类能力。 - **结构特点**： ``` 输入文本 + 软提示 → 预训练LM → MLP层 → 分类输出 ``` MLP 通常由 1-2 层线性层组成，参数量远小于全量微调。
    二维张量dim=1
    GHL_17768588743的博客
    06-11 260
    在PyTorch中处理二维张量（矩阵）时，‌dim=1‌，也就是逐行处理每一行的所有列元素。
    简繁体智能翻译软件
    weixin_62784879的博客
    06-09 368
    以常见物品为例：内地称\"创口贴\"，香港称\"胶布\"，台湾称\"OK绷\"；汽车品牌\"奔驰\"在香港译作\"平治\"、台湾译作\"宾士\"，这类词汇差异需要额外认知成本。该工具内置智能词库系统，能自动识别并转换具有地区特色的用词表达，实现内地、香港、台湾三地语言习惯的精准转换。针对台湾地区使用的注音符号（如ㄅㄆㄇㄈ）及网络流行的火星文等特殊文字形式，提供对应的转换方案。这款工具还有许多功能，我就不一一介绍啦。
    扣子开发汽车行业智能客服示例
    最新发布
    brucexia的专栏
    06-11 783
    在本节中，我们想要创建一个AI客服，用于介绍汽车领域的行业知识，因此需要利用知识库的能力。首先，梳理汽车行业知识，形成FAQ（常见问题解答）。然后，将其上传到知识库中。最后，将知识库配置到AI Agent智能体中，使其能够调用知识库的内容作为回复。完成以上步骤之后，当用户咨询Agent有关汽车领域知识的问题时，Agent将根据FAQ的内容进行回答。传统的机器人客服只能生硬地套用FAQ，缺乏灵活性。
    mcp模型上下文协议，代码示例
    03-30
    <think>嗯，用户想了解MCP模型的上下文协议，还希望有代码示例。首先，我需要确认MCP模型具体指什么，因为不同的领域可能有不同的缩写。比如，在计算机科学中，MCP可能指Multi-layer Communication Protocol，或者Message Context Protocol？或者是不是某个特定框架或系统里的术语？ 不过考虑到用户提到的是“上下文协议”，可能涉及到通信协议中的上下文管理，比如在分布式系统中维护会话状态或上下文信息。也有可能是指某种设计模式中的上下文处理机制。我需要先回忆一下常见的协议模型，或者是否有知名的MCP模型。 再想想，可能是Message Channel Protocol？或者是某个论文中的特定模型？如果找不到确切的信息，可能需要根据常见的上下文管理协议来推测。比如，在Web服务中，上下文可能通过HTTP头部传递，或者在RPC框架中维护调用链的上下文。 另外，用户提到“代码示例”，所以可能需要构造一个简化的示例来说明上下文如何在协议中传递。比如，客户端在请求时携带上下文信息，服务器处理时读取并传递到下一个服务。这样的例子可能用HTTP和中间件来实现。 假设MCP模型中的上下文协议是指一种维护和传递上下文信息的机制，例如在微服务架构中，通过协议头传递跟踪ID、认证令牌等信息。这种情况下，代码示例可能涉及如何设置和读取HTTP头，或者使用类似OpenTracing的标准。 需要确保解释结构清晰，分步骤说明协议的工作原理，然后给出示例代码。可能的步骤包括：上下文的创建、封装、传输、解析和处理。代码可以用Python的Flask框架展示服务器如何读取上下文，或者使用requests库展示客户端如何发送上下文。 另外，要检查是否有拼写错误，可能用户指的是MCCP（一种压缩协议）或者MCPE（游戏相关），但结合“上下文协议”，更可能是指自定义的协议模型。因此，可能需要做一个合理的假设，并明确说明这是基于常见模式的一个解释，因为MCP模型可能有不同的定义。 总结，回答的结构应该先解释上下文协议的基本概念，然后说明MCP模型中的具体实现方式，最后给出代码示例。需要确保术语使用正确，如果MCP是特定领域的术语，可能需要用户进一步澄清，但根据问题无法确认，所以基于一般知识进行回答，并适当说明假设。</think>关于MCP模型上下文协议（Message Context Protocol），目前公开资料中未找到标准定义。根据命名推测，其可能是一种面向消息传递的协议框架，核心目标是在分布式系统中实现跨组件的上下文信息传递。以下是基于常见上下文管理模式的逻辑推演说明： --- ### 核心概念 1. **上下文封装** 将请求链路中的状态信息（如事务ID、用户身份、追踪标记等）封装为独立对象。 2. **协议层透传** 通过协议头（如HTTP Header）或消息元数据传递上下文，确保跨服务边界的数据完整性。 3. **线程级绑定** 在服务内部通过ThreadLocal或协程上下文实现隐式传递，避免显式参数污染。 --- ### 典型实现逻辑（伪代码模型） ```python # 上下文对象定义 class RequestContext: def __init__(self, trace_id, user_id): self.trace_id = trace_id self.user_id = user_id # 上下文管理器（ThreadLocal存储） class ContextManager: _local = threading.local() @classmethod def set_context(cls, context): cls._local.current_context = context @classmethod def get_context(cls): return getattr(cls._local, 'current_context', None) # HTTP中间件示例（Flask） from flask import request, Response import json @app.before_request def inject_context(): # 从HTTP Header提取上下文 trace_id = request.headers.get('X-Trace-ID') user_id = request.headers.get('X-User-ID') # 构建并存储上下文 ctx = RequestContext(trace_id, user_id) ContextManager.set_context(ctx) # 业务代码隐式使用上下文 def business_logic(): ctx = ContextManager.get_context() print(f"Processing request {ctx.trace_id} from user {ctx.user_id}") # 客户端发送请求示例（携带上下文） import requests headers = { 'X-Trace-ID': 'uuid4_here', 'X-User-ID': 'user123' } response = requests.post('http://service/api', headers=headers) ``` --- ### 关键设计点 1. **传输标准化** 使用`X-Context-*`类Header传递结构化数据（如JSON Base64编码）。 2. **生命周期管理** - 入口服务创建初始上下文 - 中间件自动透传至下游服务 - 出口服务清理上下文 3. **兼容性策略** 对非MCP协议的服务采用兼容模式（如数据库注释字段追加TraceID）。 --- ### 应用场景 - 分布式追踪（APM系统） - 跨服务事务管理 - 请求链路的权限/配额控制 注：具体实现需参考实际系统文档，以上为通用设计模式的抽象示例。
    评论
    添加红包

    请填写红包祝福语或标题

    个

    红包个数最小为10个

    元

    红包金额最低5元

    当前余额3.43元 前往充值 >
    需支付：10.00元
    成就一亿技术人!
    领取后你会自动成为博主和红包主的粉丝 规则
    hope_wisdom
    发出的红包
    实付元
    使用余额支付
    点击重新获取
    扫码支付
    钱包余额 0

    抵扣说明：

    1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
    2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

    余额充值