MCP 深度解析：AI 的USB接口

hongkid

已于 2025-03-29 20:25:01 修改

阅读量960

点赞数 26

文章标签：人工智能 microsoft

于 2025-03-24 14:00:25 首次发布

本文链接：https://blog.csdn.net/hongkid/article/details/146474603

版权

MCP 的定义

MCP（Model Context Protocol），即模型上下文协议，是由 Anthropic 公司于 2024 年 11 月推出并开源的一种通信协议。它旨在为大型语言模型（LLM）与外部数据源及工具之间的集成提供标准化的接口，从而实现无缝的交互体验。

MCP官网介绍

MCP 与 function call 的关系

MCP 与 function call都是拓展大模型的能力，第一次接触MCP的时候，第一反应就是这个跟function call有什么区别，如何还不知道function call的看我另外一篇文章如何用Function Calling解锁OpenAI的「真实世界」交互能力？（附Node.js 实战）
，经深入了解，其实MCP最终也是以function call的形式给到大模型，本质还是function call。那有function call为啥还要整出个MCP。写过
function call的人都知道，这个一般都是把代码逻辑和函数跟大模型的调用代码写一起，不对外开放，别人或其他项目也用不了，为了让这些
扩展的能力能让所有的大模型都能无缝对接，就需要设计一套大家都通用的协议，就是MCP协议，大家都按这套协议开发出来的服务器，我们叫他
MCP服务器，任何的大模型，通过MCP客户端就可以无缝添加任何的MCP服务器来扩展大模型的能力。

MCP 的组成部分及工作原理

完整的一套MCP需要服务端，客户端，和大模型3部分组成，MCP的客户端负责跟MCP服务器通讯，并把执行结果给回大模型

第一步：MCP客户端先跟MCP服务器获取tools，就是给到大模型的function call定义，通知大模型MCP服务器有哪些工具能用

第二步：当大模型识别到输入需要使用到某个个工具的时候，就会通知到MCP客户端，MCP客户端再调用MCP服务端对应的函数，并将结果给回大模型，大模型根据返回结果和上下文，给出答案。

nodejs实现一个MCP服务器和客户端的例子

假设我们想给大模型扩展个客户管理能力，让用户跟大模型对话的时候，可以添加客户，删除客户，查询客户，那么MCP服务器可以这么做。

import { McpServer, ResourceTemplate } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { CallToolRequestSchema, ListToolsRequestSchema, } from "@modelcontextprotocol/sdk/types.js";
import { z } from "zod";

// Create an MCP server
const server = new McpServer({
  name: "crm",
  version: "1.0.0"
});



server.tool("addCustom",
  "添加客户",
  {
    name: z.string().nonempty().describe("客户名字"),
    phone: z.string().nonempty().describe("客户电话或手机号码"),
  },
  async ({ name, phone }) => ({
    content: [{ type: "text", text: "客户:" + name + " 电话:" + phone + " 已添加" }],
  })
);
server.tool("delCustom",
  "删除客户",
  {
    name: z.string().nonempty().describe("客户名字"),
  },
  async ({ name }) => ({
    content: [{ type: "text", text: "客户:" + name + " 已删除" }],
  })
);
server.tool("getCustom",
  "查询客户",
  {
    name: z.string().nonempty().describe("客户名字"),
  },
  async ({ name }) => ({
    content: [{ type: "text", text: "客户:" + name + " 电话：12345678901" }],
  })
);



// Start receiving messages on stdin and sending messages on stdout
const transport = new StdioServerTransport();
await server.connect(transport);

这里补充一下MCP服务器跟MCP客户端有2种通讯方式

1.StdioClientTransport 是通过本地命令行标准输入输出的方式通讯，这种需要本地具备运行服务端程序的环境才行。（上述的例子就是这种通讯方式），客户端的配置类似：

{
  command: "node",
  args: ["server.js"]
}

2.SSEServerTransport 是通过http请求的方式通讯，这种对客户端的环境要求就比较低，通过配置url即可，客户端的配置类似：

url:"http://localhost:3001/sse"

回到上述例子的客户端这么写

import { createReactAgent } from "@langchain/langgraph/prebuilt";
import { ChatOpenAI } from "@langchain/openai";
import {
    convertMcpToLangchainTools
  } from "@h1deya/langchain-mcp-tools";

const mcpServers = {
    crm: {
      command: "node",
      args: ["s.mjs"],
    },
  };

  const { tools, cleanup } = await convertMcpToLangchainTools(mcpServers);
const llm = new ChatOpenAI({
    model: "qwen-turbo",
    configuration: {
      apiKey: "",
      baseURL: "https://dashscope.aliyuncs.com/compatible-mode/v1",
    },
  });

  const agent = createReactAgent({
    llm,
    tools
  });

  const output = await agent.streamEvents(
    {
      messages: [
        {
          role: "user",
          // content: "记录下客户，名字是张三，电话是123456789",
          content: "删除客户小龙，查询张三，李四的电话号码",
        }
      ],
    }, {version: "v2"}
  );
  console.log("\x1b[36m"); // color to cyan
  for await (const { event, data } of output) {
    if (event === "on_chat_model_stream") {
      const msg = data.chunk;
      if (msg.content) {
        console.log(msg.content);
      }
    }
  }
  console.log("\x1b[0m"); // reset the color

执行效果

可以看到，当我们跟大模型说“删除客户小龙，查询张三，李四的电话号码”，之后，大模型就主动找我们给大模型的删除客户接口，查询客户接口，并且会同时使用。

MCP的客户端也可以脱离大模型，单独运行，这在开发MCP服务端，测试就很有用，可以直接通过MCP客户端调用服务端直接对接口进行测试。

例如：

import { Client } from "@modelcontextprotocol/sdk/client/index.js";
import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js";
import { SSEClientTransport } from '@modelcontextprotocol/sdk/client/sse.js';

const transport = new StdioClientTransport({
  command: "node",
  args: ["s.mjs"]
});
const url='http://localhost:3001/sse';
const transport2 = new SSEClientTransport(new URL(url));;

const client = new Client(
  {
    name: "example-client",
    version: "1.0.0"
  },
  {
    capabilities: {
      prompts: {},
      resources: {},
      tools: {}
    }
  }
);

const client2 = new Client(
  {
    name: "example-client1",
    version: "1.0.0"
  },
  {
    capabilities: {
      prompts: {},
      resources: {},
      tools: {}
    }
  }
);
console.log(1)
await client.connect(transport);
await client2.connect(transport2);
console.log(2)
// List prompts
//const prompts = await client.listPrompts();

// Get a prompt
/*
const prompt = await client.getPrompt("example-prompt", {
  arg1: "value"
});*/

// List resources
//const resources = await client.listResources();

// Read a resource
//const resource = await client.readResource("file:///example.txt");

// Call a tool
const result = await client.callTool({
  name: "add",
  arguments: {
    a: 1,
	b:2
  }
});
console.log(result)

const result2 = await client2.callTool({
  name: "add2",
  arguments: {
    a: 1,
	b:2
  }
});
console.log(result2)