深入解析 Model Context Protocol (MCP)：无缝连接 LLM 与外部世界的开放协议

最新推荐文章于 2025-04-22 19:30:10 发布

古-月

最新推荐文章于 2025-04-22 19:30:10 发布

阅读量5.5k

点赞数 50

文章标签： MCP LLM

本文链接：https://blog.csdn.net/hcx25909/article/details/146205470

版权

什么是 MCP？

Model Context Protocol (MCP) 是一个开放协议，旨在实现 LLM 应用与外部数据源和工具之间的无缝集成。无论您是构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化的方式来连接 LLM 与外部世界。

简单来说，MCP 是一种客户端-服务器架构的协议，允许 LLM 应用程序（如 Claude、各种 IDE 等）通过标准化的接口访问外部数据和功能。这解决了 LLM 在实际应用中常见的一些痛点：

LLM 无法直接访问实时数据（如天气、股票行情等）
LLM 无法执行外部操作（如发送邮件、控制设备等）
LLM 无法访问用户的本地文件或其他私有数据

通过 MCP，这些限制得到了优雅的解决，同时保持了安全性和可扩展性。

MCP 的核心架构

MCP 采用客户端-服务器架构，主要包含以下几个组件：

MCP 主机（Host）：如 Claude Desktop、IDE 或其他 AI 工具，通过 MCP 访问数据
MCP 客户端（Client）：与服务器保持 1:1 连接的协议客户端
MCP 服务器（Server）：轻量级程序，通过标准化的 MCP 协议公开特定功能
本地数据源：计算机上的文件、数据库和服务，MCP 服务器可以安全访问这些内容
远程服务：通过互联网可用的外部系统（例如通过 API），MCP 服务器可以连接这些服务

主机可以同时连接多个服务器，每个服务器提供不同的功能，形成一个生态系统：

主机（Claude、IDE 等）<--MCP 协议--> 服务器 A <--> 本地数据源 A
                     <--MCP 协议--> 服务器 B <--> 本地数据源 B
                     <--MCP 协议--> 服务器 C <--> 远程服务 C

MCP 的核心概念

MCP 服务器可以提供三种主要类型的功能：

资源（Resources）：客户端可以读取的文件类数据（如 API 响应或文件内容）
工具（Tools）：LLM 可以调用的函数（需要用户批准）
提示（Prompts）：帮助用户完成特定任务的预写模板

资源（Resources）

资源是可以被客户端读取的文件类数据。它们可以是文本或二进制形式，并有唯一的 URI 标识。资源可以是：

直接资源：固定内容的资源
资源模板：可以通过参数动态生成的资源

例如，一个文件系统 MCP 服务器可以将本地文件作为资源提供给 LLM，使其能够读取用户的文件。

工具（Tools）

工具是 MCP 中最强大的原语之一，允许服务器向客户端公开可执行的功能。通过工具，LLM 可以与外部系统交互，执行计算，并在现实世界中采取行动。

每个工具都有明确的定义，包括：

名称
描述
输入参数模式（使用 JSON Schema）
输出格式

工具设计为由模型控制，但通常需要人类批准才能执行，这保证了安全性。

提示（Prompts）

提示是预定义的模板，可以帮助用户完成特定任务。它们可以包含动态部分，嵌入资源上下文，并支持多步工作流。

MCP 服务器开发案例：天气服务器

让我们通过一个实际例子来理解 MCP 服务器的开发。我们将构建一个简单的天气服务器，它提供两个工具：获取天气警报和获取天气预报。

步骤 1：设置环境

# 创建项目目录
uv init weather
cd weather

# 创建虚拟环境并激活
uv venv
source .venv/bin/activate  # MacOS/Linux
# 或 .venv\Scripts\activate  # Windows

# 安装依赖
uv add "mcp[cli]" httpx

# 创建服务器文件
touch weather.py

步骤 2：实现天气服务器

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# 初始化 FastMCP 服务器
mcp = FastMCP("weather")

# 常量
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

async def make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发送请求并进行适当的错误处理。"""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """将警报特征格式化为可读字符串。"""
    props = feature["properties"]
    return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""

@mcp.tool()
async def get_alerts(state: str) -> str:
    """获取美国州的天气警报。

    Args:
        state: 美国州的两字母代码（例如 CA, NY）
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "无法获取警报或未找到警报。"

    if not data["features"]:
        return "该州没有活跃警报。"

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """获取某个位置的天气预报。

    Args:
        latitude: 位置的纬度
        longitude: 位置的经度
    """
    # 首先获取预报网格端点
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "无法获取该位置的预报数据。"

    # 从 points 响应获取预报 URL
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "无法获取详细预报。"

    # 将周期格式化为可读的预报
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # 仅显示接下来的 5 个周期
        forecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

if __name__ == "__main__":
    # 初始化并运行服务器
    mcp.run(transport='stdio')

步骤 3：配置 Claude Desktop 连接服务器

要使用 Claude Desktop 连接到我们的服务器，需要编辑配置文件：

{
	"mcpServers": {
		"weather": {
			"command": "uv",
			"args": [
				"--directory",
				"/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
				"run",
				"weather.py"
			]
		}
	}
}

此配置告诉 Claude Desktop 如何启动我们的天气服务器，并使 Claude 能够使用我们实现的工具。