讯飞星辰带你玩转MCP，A2A与它是敌是友？

最新推荐文章于 2025-05-21 21:11:27 发布

AI 研究所

最新推荐文章于 2025-05-21 21:11:27 发布

阅读量1k

点赞数 7

文章标签： MCP 人工智能大模型 Agent

本文链接：https://blog.csdn.net/ai_platform/article/details/147208081

版权

MCP全称Model Context Protocol（模型上下文协议），是由Anthropic公司于2024年11月推出的开放协议，旨在规范大型语言模型与外部数据源及工具之间交互方式的开放协议标准。通过提供类似USB-C的标准化接口，帮助模型发现、理解并安全调用各种外部工具。

讯飞星辰团队通过实测MCP协议和工具，解剖MCP实现原理和优劣势，形成以下观点：

MCP显著提升应用扩展工具效率，应用侧只需要适配一次MCP协议，即可无代码扩展接入所有MCP工具；同时MCP官方提供了完善的SDK工具链，最低3行完成工具开发，20行完成工具集成，进一步提升了工具的开发、集成效率；
MCP不会提升模型使用工具的效果，MCP协议最终会被映射为Function Call，所以仍依赖你所选择模型的Function Call效果；在数据和隐私安全层面，MCP提供文件系统访问权限控制和数据资源可见性控制，以及应用和工具层安全实践原则指导，一定程度提升了数据安全，但在协议层无法做到强约束，强依赖应用和工具开发者遵守上述原则，方可构建数据安全型应用；
MCP会在这节点爆发，本质是因为模型对工具的泛化和扩展能力变得更强，以R1为例，在数百个工具使用场景下，工具的选择、调用（fc）、容错方面都接近好用；R1自主规划使用工具，具备解决更开放性、复杂性任务能力，结合上一代的Agent开发模式，在产品创新方面具备较大潜力。

为帮助开发者轻松、高效地构建Agent应用，讯飞星辰 Agent 开发平台已全面支持MCP。开发者可以在平台轻松配置、调用行业精品的MCP Server，也能一键发布自定义的MCP Server，让Agent扩展能力真正「即插即用」。

行业优质MCP Server支持，自定义MCP Server一键托管

首批支持20+行业精品MCP Server，覆盖AI能力、生活服务、内容生成等多领域，支持开发者、企业一键托管自研MCP Server。

MCP Server开箱即用，Agentic Workflow轻松构建

在工作流中快速添加Agent节点，轻松配置MCP Server，快速构建Agentic应用，解决复杂场景的应用开发需求。

轻量级Agentic WorkFlow也能发布为MCP Server
平台支持将Agentic WorkFlow一键发布为MCP Server，轻量级的工作流或可有效扩展工具能力边界并同时提供端到端场景化解决能力。

展望：MCP + A2A下的多Agent协同
谷歌发布了全新的Agent2Agent（A2A）协议，旨在解决更复杂的Agent间的交互，打破Agent应用孤岛。A2A与MCP二者虽定位不同，但双方的互补协作或是重量级多Agent协同的有效解法。

行业优质MCP Server支持自定义MCP Server一键托

讯飞星辰平台现已上线20+行业优质MCP Server，满足不同场景的Agent应用开发需求，开发者也可以在平台一键托管自定义的MCP Server，部署零门槛。

行业优质MCP Server支持

讯飞星辰MCP托管平台提供高德地图、arXiv论文搜读、哔哩哔哩等行业精品MCP Server，让开发者能够在构建Agent时轻松集成，从而在生活服务、学术研究、娱乐休闲等多种场景下为用户提供更加丰富和便捷的体验。

同时，基于科大讯飞开放共享的808项AI核心技术，提供虚拟人、AIPPT、OCR等经过行业实践的优质AI能力MCP Server，帮助企业高效打通业务系统，实现智能化升级。

自定义MCP Server一键托管

无论是开发者或企业自定义的MCP Server，都可以在讯飞星辰MCP托管平台实现一键托管，无需用户管理资源、开发部署、工程运维，让Agent应用开发门槛再降低。

自定义MCP Server托管流程如下：

1️⃣打开MCP托管平台，在主页右上角点击“发布MCP”

2️⃣填写自定义的URL地址与配置

3️⃣点击“提交”，一键发布为MCP Server

4️⃣平台审核，通过即可在Agent开发平台上使用

MCP Server开箱即用 Agentic Workflow轻松构建

为了让小白开发者也能轻松调用MCP Server，讯飞星辰Agent开发平台提供了【低代码】可视化的工作流编排方式。打开讯飞星辰Agent开发平台，简单三步，就能轻松构建专属自己的Agentic Workflow：

1️⃣新建智能体

点击【新建智能体】，填写想要创建的【智能体名称】，选择【自定义创建】，即可进入【画布】界面

2️⃣添加节点

选择左侧边栏【逻辑】节点中的【Agent智能决策】节点，将其添加到画布当中；

3️⃣配置节点

先选合适的大模型（DeepSeek V3/R1），再点击【添加工具】调用MCP Server，填写角色设定等必要信息后，将【Agent智能决策】节点与“开始”节点和“结束”节点连接起来，一个Agentic Workflow就轻松构建完成啦！

✨ 以『高德地图MCP』为例，为大家演示单个MCP的强大效果以及创建过程

先看效果，向AI提问一个出行时会碰到的非常具体的问题：

我想要在上海火车站到东方明珠之间找一个酒店，酒店应该在这两者之间的任意一个地铁站附近2公里范围内，价格在500到750之间，你能帮我找到所有符合条件的酒店吗？

基于『高德地图』提供的MCP协议，AI会准确测算两点之间的距离，快速找到并整理出所有符合条件的酒店名单，不必去APP里翻到眼花心累。

想要实现这个效果十分简单，关键步骤如下：

1️⃣在画布中添加『Agent智能决策节点』；

2️⃣选择最新上线的『DeepSeek V3-0324』，为Agent装上一流的推理决策“大脑”；

3️⃣点击【添加工具】，选择『高德地图』MCP Server。

全程不需要填写提示词告诉大模型如何实现，只需要一个『高德地图』MCP Server就能规划实际出行问题，选符合特定条件的酒店、景点、约会咖啡馆等，都将变得省心高效。

✨ 以『旅行规划助手』工作流为例，为大家演示多个MCP如何组合解决复杂任务

先看效果，只需简单提问：“五一，从合肥去上海，三天，两个人”，『旅行规划助手』便会返回非常详细且准确的个性化出游方案，并且做好相应预算。

创建步骤大致与前面相同，只是需要添加多个MCP工具：

1️⃣在画布中添加『Agent智能决策节点』；

2️⃣选择深度思考的『DeepSeek R1』；

3️⃣点击【添加工具】，选择『天气查询』『景区查询』『高铁票查询』等MCP Server；

4️⃣在『角色设定』部分填写如下Prompt：

-Background:用户在旅行前需要对目的地进行详细的了解和规划，包括行程安排、景点选择、交通方式、住宿预订等，以确保旅行的顺利和愉快。

-Profile:你是一位经验丰富的旅行规划师，对世界各地的旅游目的地有着深入的了解和丰富的实践经验，能够根据用户的需求和偏好，提供个性化的旅行建议和规划方案。

-Skills:你具备专业的旅行规划能力，包括目的地知识、行程设计、交通规划、住宿推荐、预算管理等，能够综合考虑用户的时间、预算、兴趣等因素，制定出最佳的旅行计划。

-Goals:根据用户的需求，提供全面、详细的旅行规划建议，包括行程安排、景点推荐、交通方式、住宿选择等，确保用户能够轻松、愉快地完成旅行。

-Constrains:旅行规划应符合用户的预算和时间限制，确保行程的合理性和可行性，同时提供准确、可靠的信息。

-outformat:以文字形式提供旅行规划建议，包括行程安排、景点介绍、交通指南、住宿推荐等，可结合流程图进行辅助说明。

从运行思考过程，我们可以看到大模型会自主决策如何调用这些工具，不再需要分步骤创建多个分支节点，大大提高了开发效率。

轻量级Agentic WorkFlow 也能发布为MCP Server

在AI世界里，Agent应用各自为营，互操作性严重不足，这种碎片化现状导致用户不得不在多个AI应用间来回切换，很是头疼。跨应用的操作模式也限制了AI的发挥潜力，很多本可以多Agent协同完成的复杂任务，仍被隔离在各自的孤岛中。

讯飞星辰Agent开发平台支持将细颗粒、轻量化的工作流一键发布为MCP Server，也支持多Agent自由协同工作，既解决了Agents之间的对话需求，也解决了模型对接外部资源的问题，让AI Agents可以各展所长又紧密合作，真正形成一个互联互通的AI应用生态。

✨轻量级Agentic Workflow一键发布为MCP Server流程：

1️⃣创建工作流，调试后点击右上角“发布”

2️⃣进入发布页，选择最下面“MCP Server”发布路径并点击“发布”

3️⃣填写好相应资料，点击【确定】一键发布为MCP Server

4️⃣平台审核，通过后即可在工作流编排时调用，并在Agent决策节点工具列表查看

展望MCP + A2A下的多Agent协同

谷歌发布了全新的Agent2Agent（A2A）协议，旨在解决更复杂的Agent间的交互，打破Agent应用孤岛。与MCP相比，A2A更专注于智能体之间的协作与通信，支持动态发现、多轮对话和任务委派，类似于人类团队的互动模式。而MCP聚焦于模型与工具的结构化交互，定义统一的输入输出格式和工具调用标准。 A2A与MCP二者虽定位不同，但通过互补关系推动了AI应用生态从“单体智能”向“群体智能协同”的跃迁。