LLM的MCP协议：初识MCP，搭建第一个MCP Server

最新推荐文章于 2025-04-08 21:39:30 发布
最新推荐文章于 2025-04-08 21:39:30 发布
阅读量1.3w 收藏 14
点赞数 4
分类专栏： AI系统的测试入门与实践 文章标签： LLM 软件测试
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/crisschan/article/details/144914533
版权

MCP（Model Context Protocol），是一个开发的协议，标准化了应用程序如何为大模型提供上下文。MCP提供了一个标准的为LLM提供数据、工具的方式，使用MCP会更容易的构建Agent或者是基于LLM的复杂工作流。

架构

MCP是CS结构，一个MCP host应用可以链接多个MCP servers。

  • MCP Host：需要通过MCP获得数据的程序，例如Claude Desktop, IDEs或者一些AI工具等
  • MCP Client: MCP协议客户端，和MCP Server是一对一支持的。
  • MCP Server：需要通过MCP暴露一些特殊的能力的轻应用。
  • Local Data Resources：MCP Server可以安全访问的本地的文件、数据库、服务等。
  • Remote Service：MCP Server可通过网络（如 API）连接的外部系统。

MCP的服务示意图：

了解本专栏 订阅专栏 解锁全文 超级会员免费看
Python的MCP Server开发实战
Criss@陈磊
03-03 3215
这是一个入门级的教程主要讲解一下MCP Server的开发，主要是用官网的例子以及MCP Python SDK。
AI Agent开发大全第二十课-如何开发一个MCP(从0开发一个MCP Server）
打造全国最全的AI Agent开发知识领域的博客
04-05 525
大模型的MCP火了，可是无论是Claude官网本身自带Sample还是全网任何一本教程没有一个可以真正应用在生产环境中的。要么就是只能在本地以文件IO流的方式运行要么干脆连编译都出错，真正的mcp server和client是怎么编写的？如何运行在分布式环境？本教程就带大家真正从0开始以“AI计算食物热量“为例带大家真正学习mcp开发的全过程。
自己搭建mcp服务操纵dify工作流
weixin_45038397的博客
03-25 2429
自己搭建mcp服务操纵dify工作流，实现更多样性的工作需求
MCP Server、Function Call与Agent：一文为你揭秘它们的核心区别！
m0_65555479的博客
03-06 2404
MCP Server、Function Call和Agent在AI生态中扮演着不同角色，分别对应“工具箱”、“瑞士军刀”和“智能工人”。三者各有优劣，开发者应根据任务复杂度、团队协作需求和安全隔离性综合选择。通过合理搭配，可以构建出高效、灵活的AI系统，释放大模型的最大潜力。
实操干货！MCP全解析，一步步教你借助第三方MCP Server开发Agent
2401_85375151的博客
03-20 2563
随着最近Manus带动Agent应用的火热，MCP（模型上下文协议）成为很多社区热议的话题。今天为带大家带来深度的MCP解析与实操应用指南，相信看完这篇你应该可以立刻上手MCP。本文目录：MCP概念与架构全解析让我们从一个实际的开发样例开始。假如你开发了一个AI应用，无论是ChatBot还是复杂的Agent，都不会再局限于简单的LLM对话，很多时候你需要与外部世界连接，以访问数据源或使用工具。比如：操控浏览器实现自动化；访问本地文件访问数据库结构，以更好的让AI做编程。
Cline 如何快速构建一个 MCP Server 应用
roamingcode的博客
03-05 1545
开发一个 MCP Server 应用（dify-workflows-mcp ），用于实现在 vscode cline 的 MCP Client 中调用 dify 里面的指定工作流。
从0手撕代码搭建MCP Client与Server！详解DeepSeek、ollama、vLLM接入MCP实战！
fufan_LLM的博客
03-25 1万+
本期内容详解学习MCP必备技术基础，讲解MCP客户端、服务器开发方法及二者接入流程等等。
MCP协议
weixin_36378508的博客
03-12 2400
MCP（Model Context Protocol，模型上下文协议） 是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
MCP 协议（Model Context Protocol）
aiqlcom的博客
12-15 2439
MCP 是一种开放协议，即模型上下文协议，用于标准化应用程序向大型语言模型（LLM）提供上下文。
创建一个MCP服务器，并在Cline中使用，增强自定义功能。
weixin_55010563的博客
03-03 539
正如 USB-C 提供了一种标准化的方法来将您的设备连接到各种外围设备和配件一样，MCP 提供了一种标准化的方法来将 AI 模型连接到不同的数据源和工具。可以把Cline当成是一个MCP客户端，现在我们只要构建了一个MCP服务就可以在Cline中使用。就是这么简单，一个使用duckduckgo获取网络信息的MCP服务器就创建好了。我想创建一个使用duckduckgo搜索的MCP服务器，可以这样做。创建一个MCP服务器，并在Cline中使用，增强自定义功能。在您的基础设施内保护数据的最佳实践。
服务端创建实战 - MCP协议（大模型上下文协议）快速入门
同学小张的博客
03-05 1411
在本文中，我们将从零到一构建一个简单的MCP天气服务器，从实践过程中，熟悉MCP协议的使用。
0基础如何使用python快速搭建mcp server
一个爱摸鱼的程序员
03-21 2026
MCP，全称为“模型上下文协议”（Model Context Protocol），是Anthropic开源的一项标准协议。打个比方，它就好比AI世界里的“USB-C”接口。大家都知道USB-C吧？一根线就能轻松连接手机、电脑、充电器等设备，十分方便。MCP的作用也类似，它能让AI模型（比如Anthropic的Claude）轻松与外部的数据源和工具连接起来，像数据库、文件系统、API等都不在话下。以前若要让AI访问你的数据库或者调用某个工具，得专门编写一大堆代码，很麻烦。
【人工智能时代】-什么是MCP？本地如何开发MCP Server
最新发布
xiaoli8748的专栏
04-08 858
MCP（Model Context Protocol）全称模型上下文协议，是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。掌握更多的信息控制更多的工具在没有联网搜索之前，大模型的数据来源只有训练数据的时候以及推理我们告诉他的东西。所以后来的rag、知识库都是让AI掌握更多的信息，而MCP的出现是为了让大模型控制更多的工具，赋予更多能力。在本篇文章中，基于 Python 完成了一个简单的 MCP Server 的开发。
MCP Server开发的入门教程（python和pip）
Criss@陈磊
01-14 6196
使用python技术栈开发的简单mcp server。
让AI再次伟大-MCP-Server开发指南
爱吃知识的土豆倪的博客
04-03 1419
MCP 是什么。
MCP（Model Context Protocol） 协议介绍
热门推荐
weixin_38358700的博客
11-27 1万+
模型上下文协议 (MCP) 是一种开放协议，可实现 LLM 应用程序与外部数据源和工具之间的无缝集成，无论是构建智能 IDE、扩展接口，还是创建 AI 工作流程，MCP 都提供了一种标准化方法，将 LLMs 与其所需的上下文连接起来。MCP Hosts: 通过 MCP 访问资源的程序，例如 Claude Desktop、IDE 或 AI 工具。: 与服务器保持 1:1 连接的协议客户端。: 每个轻量级程序都通过标准化模型上下文协议公开特定功能。
DIFY工作流中调用其他MCP服务
03-10
<think>好的，用户的问题是如何在Dify工作流中集成和调用其他MCP服务。首先，我需要回顾一下用户提供的引用内容，特别是引用[1]和引用[3]，因为它们提到了Dify工作流和MCP服务的关系。 根据引用[1]，用户开发了一个MCP Server应用，目的是让VS Code客户端的MCP Client能够调用Dify中的指定工作流，而Dify的配置文件在config.yaml中。这说明Dify工作流可能需要通过某种接口或配置来与MCP服务通信。引用[3]提到虽然有很多生成式AI框架，但缺乏调试工具，但用户的问题是关于集成方法，可能需要配置服务调用或API端点。 接下来，我需要确定Dify工作流如何调用外部服务。通常，工作流系统会提供HTTP请求节点或自定义代码节点来连接外部服务。查看引用[2]，其中提到使用Prompt模板和LLMs结合CoT思维链来执行步骤，最后通过Action: Finish结束。这可能意味着在Dify中可以通过自定义动作（Action）来触发外部服务调用。 因此，可能的步骤是：1. 在Dify中配置MCP服务的API端点；2. 使用HTTP请求节点或自定义代码节点调用MCP服务；3. 处理响应并继续工作流。需要检查Dify的文档是否有相关节点支持，或者是否允许编写自定义代码。 用户可能需要示例，比如在config.yaml中定义MCP服务的配置，然后在工作流中添加HTTP请求节点，指向MCP的API，并处理返回的数据。另外，引用[1]中的Python代码示例可能提示用户熟悉Python，所以用Python编写自定义函数来调用MCP服务也是一个方法。 需要确保回答中提到配置文件的修改、API调用方式、以及可能的认证机制，如API密钥。同时，要提醒用户注意错误处理和超时设置，确保工作流的稳定性，如引用[3]提到的质量不佳问题，可能需要调试和优化这些调用。</think>### 如何在Dify工作流中集成和调用其他MCP服务 #### 1. 服务注册与配置 首先需要在Dify的配置文件（如`config.yaml`）中定义目标MCP服务的连接信息。例如： ```yaml mcp_services: search_service: endpoint: "http://mcp-search-service/api/v1" auth_key: "YOUR_API_KEY" data_processing: endpoint: "http://mcp-data-processor/api" timeout: 10 ``` 通过配置文件声明服务地址、认证方式等元数据，为后续调用提供基础[^1]。 #### 2. 工作流节点设计 在Dify工作流编辑器中添加自定义动作节点，支持通过HTTP请求或gRPC调用MCP服务： ```python # 示例：通过Python自定义节点调用MCP服务 import requests def call_mcp_service(service_name, params): config = load_config() # 读取config.yaml配置 endpoint = config['mcp_services'][service_name]['endpoint'] response = requests.post( endpoint, json=params, headers={"Authorization": config['mcp_services'][service_name]['auth_key']} ) return response.json() ``` 此代码演示了如何通过配置动态加载服务地址并实现API调用[^1][^2]。 #### 3. 逻辑编排 结合思维链（CoT）模式编排工作流： 1. **输入解析节点**：接收用户原始请求 2. **意图识别节点**：判断是否需要调用MCP服务 3. **服务调用节点**：通过前述方法调用MCP服务 4. **结果处理节点**：处理返回数据 5. **输出生成节点**：返回最终响应 例如在Prompt模板中定义： ``` Thought: 用户需要查询{{topic}}信息 ===> Action: Search[mcp_search_service] {{search_results}} ===> Action: Finish ``` 这种模式可实现自动化服务调用[^2]。 #### 4. 调试与优化 建议通过以下方式保证服务质量： - 添加服务调用超时机制 - 实现重试策略（指数退避） - 记录服务调用日志 - 设置熔断阈值（如错误率超过30%暂停调用） 这些措施可缓解引用[3]中提到的质量不稳定问题。 #### 5. 安全认证 推荐采用以下认证方式： ```python # JWT认证示例 import jwt def generate_auth_token(service_name): payload = { "service": service_name, "exp": datetime.utcnow() + timedelta(minutes=5) } return jwt.encode(payload, SECRET_KEY, algorithm="HS256") ```
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

打赏作者

CrissChan

开心就好

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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