扒一扒最近较火的MCP-CSDN博客

本文链接：https://blog.csdn.net/Janexjy/article/details/147701335

----->更多内容，请移步“鲁班秘笈”！！<-----

MCP正在成为一种标准，可帮助开发人员构建AI系统，使这些系统能够与其他外部应用程序进行有效通信。Microsoft最近宣布将MCP集成到其Copilot Studio 中，以简化AI应用程序和代理访问工具的方式。此外，OpenAI还宣布在其产品中支持MCP，例如Agents SDK和ChatGPT的桌面应用程序。

封面的图片很直观的阐述了MCP，它是一种开放协议，MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。MCP由Anthropic公司在2024年底推出，旨在解决大语言模型（LLM）与外部数据源和工具之间的集成问题。

进入2025年它在github的星星也是一路暴涨，可以将MCP想象成AI应用的USB-C端口。正如USB-C提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP也提供了一种AI模型连接到不同数据源和工具的标准化方式。

MCP由三个核心组件构成：Host、Client和Server。

举个栗子解释上图，假设你正在使用某个大模型的桌面端（例如LLMDesktop)进行大模型询问："我桌面上有哪些文档？"

Host：LLMDesktop作为Host，负责接收你的提问并与对应的LLM模型交互。

Client：当LLM模型决定需要访问你的文件系统时，Host中内置的MCPClient会被激活。这个Client负责与适当的MCPServer建立连接。

Server：在这个例子中，文件系统会被MCPServer调用。它负责执行实际的文件扫描操作，访问你的桌面目录，并返回找到的文档列表。

进一步抽象，当用户提出一个问题时：

1）客户端把你的问题发送给LLM。

2） LLM分析可用的工具，并决定使用哪一个（或多个）。

3）客户端通过MCPServer执行所选的工具。

4）工具的执行结果被送回给LLM。

5） LLM结合执行结果构造最终的prompt并生成自然语言的回应。

6）回应最终展示给用户

LLM自动挑选工具

MCPServer是由LLM主动选择并调用的！那么有意思的事情来了，模型如何选择工具呢？

可以通过分析官网的代码得知：模型是通过Prompt Engineering来实现的。也就是说MCPServer将所有它能提供的工具进行结构化描述，包括给一些使用示例加入到提示词，以便让LLM理解且来确定该使用哪些工具。

什么是工具，工具可以是接口调用，也可以是任何的服务。熟悉Agent的同学应该不是很陌生。另一方面，由于MCP是Anthropic最早提出，肯定对Claude做了专门的训练（毕竟是自家协议，Claude更能理解工具的prompt以及输出结构化代码）

system_message=("你是一位小助手，你有权访问下面的这些工具:\n\n"f"{工具描述，包括出入参数}\n""请选择最合适的工具来回答用户的问题.""如果没有任何工具需要，就直接回答.\n\n""重要:若你需要使用工具，你必须按照下面的格式响应"#下面对于工具的使用做出了提示词层面的约束"…………:\n""{\n"'"tool":"tool-name",\n''"arguments":{\n''"argument-name":"value"\n'"}\n""}\n\n""Afterreceivingatool'sresponse:\n""1.Transform the rawdata into a natural,conversational response\n""2.Keep responses concise but informative\n""3.Focus on the most relevant information\n""4.Use appropriate context from the user'squestion\n""5.Avoid simply repeating the rawdata\n\n""Please use only the tools that are explicitly defined above.")