无论是想要学习人工智能当做主业营收，还是像我一样作为开发工程师但依然要运用这个颠覆开发的时代宠儿，都有必要了解、学习一下人工智能。
近期发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，入行门槛低，讲解极为丰富。
目录
Manus使用的MCP协议是什么？人工智能知识分享的“万能插头”
一、MCP协议是什么？
二、为什么我们需要MCP协议？
1、数据孤岛现象
2、安全性与隐私保护
3、灵活性与扩展性
三、MCP协议的用途
1. 企业知识库管理
2. 多模态处理
3. 工具链集成
四、MCP协议的实现原理
1. 定义能力（Capabilities）
2. 实现MCP层
3. 选择通信方式
五、MCP协议的优势
六、结语
作者：watermelo37
涉及领域：Vue、SpingBoot、Docker、LLM、python等
---------------------------------------------------------------------
温柔地对待温柔的人，包容的三观就是最大的温柔。
---------------------------------------------------------------------
Manus使用的MCP协议是什么？人工智能知识分享的“万能插头”
当一个大型语言模型（比如GPT或Claude）需要访问外部数据源时，它是如何完成这个任务的？如果模型需要调用搜索引擎、读取数据库或者解析图片中的文字，这些复杂操作是如何实现的？今天，我们就来聊聊一种专门为这些问题设计的解决方案——**MCP协议（Model Context Protocol，模型上下文协议）**。
一、MCP协议是什么？
简单来说，**MCP协议是一种开放标准协议，它为大型语言模型（LLM）与外部数据源、工具或服务之间的交互提供了统一的接口。**你可以把它想象成一座桥梁，连接了AI模型和外部资源，使得两者能够高效、安全地协作。
举个例子：假设你正在使用一个AI助手帮你分析公司内部文档的内容。如果没有MCP协议，AI助手可能需要直接访问你的文件系统，这不仅复杂而且容易引发安全隐患。而有了MCP协议后，AI助手只需要通过标准化的方式向MCP服务器发送请求，由MCP负责从文件系统中提取信息并返回给AI助手，整个过程更加规范且可控。
二、为什么我们需要MCP协议？
在了解MCP协议的具体用途之前，我们先来看看它解决了哪些问题：
1、数据孤岛现象
很多企业在日常运营中积累了大量的数据，但这些数据往往分散在不同的系统中，形成了所谓的“数据孤岛”。MCP协议可以帮助AI模型打破这种隔阂，将不同来源的数据整合起来，形成统一的知识体系。
2、安全性与隐私保护
随着AI技术的发展，越来越多的企业开始关注数据的安全性和隐私保护。MCP协议支持本地化部署，确保敏感数据无需上传到远程服务器，从而避免了泄露风险。
3、灵活性与扩展性
传统的API集成方式通常需要针对每个具体场景进行定制开发，效率低下且维护成本高。而MCP协议通过标准化接口大大降低了这一门槛，开发者可以轻松添加新的数据源或工具，满足不断变化的需求。
三、MCP协议的用途
那么，MCP协议到底能用来做什么呢？让我们通过几个具体的场景来感受它的强大功能：
1. 企业知识库管理
对于拥有大量内部文档的企业来说，如何快速找到所需信息是一个重要课题。借助MCP协议，AI模型可以直接访问企业的知识库，并根据用户的问题生成精准的答案。
例如，某公司的销售团队经常需要查询产品规格和技术参数。通过MCP协议，他们可以让AI助手实时检索相关文档，并以简洁明了的方式呈现结果，大大提高了工作效率。
2. 多模态处理
还记得多模态大模型吗？这类模型擅长同时处理文本、图像、音频等多种类型的数据，但要实现这一点并不容易。MCP协议在这里扮演了关键角色，它可以帮助模型动态调用OCR工具识别图片中的文字，或者利用语音转文字服务处理音频内容。
3. 工具链集成
除了访问数据源之外，MCP协议还支持调用各种外部工具。例如，当AI模型遇到复杂的数学问题时，它可以借助MCP协议调用计算器执行运算；当需要生成代码时，则可以调用编程环境进行验证。
四、MCP协议的实现原理
接下来，我们深入探讨一下MCP协议是如何工作的。
MCP协议的实现主要分为以下几个步骤：
1. 定义能力（Capabilities）
首先，我们需要明确MCP服务器能够提供哪些功能。例如：
-
访问特定数据库或文件路径；
-
调用外部工具（如搜索引擎、计算器等）。
这些功能被称为“能力”，它们构成了MCP协议的核心基础。
2. 实现MCP层
接下来，我们用简单的代码写一个MCP层演示案例，实际应用中可以直接使用各大厂商提供的非过程化操作模块。
这一步包括：
-
编写客户端和服务器端代码，确保双方能够按照规定的格式交换数据；
-
设计请求和响应的消息结构，例如：
{
"action": "read_file",
"parameters": {"path": "/data/example.txt"},
"response": "文件内容..."
}
- 在请求响应消息结构基础上，设计大模型访问权限、从不同数据源获取数据、数据预处理、结构化数据响应之后，实现MCP层的代码，这里给出一个基于Flask的简单实现
from flask import Flask, request, jsonify
import os
app = Flask(__name__)
# 定义支持的操作
SUPPORTED_ACTIONS = ["read_file"]
@app.route('/mcp', methods=['POST'])
def mcp_handler():
try:
# 解析请求数据
data = request.json
action = data.get("action")
parameters = data.get("parameters", {})
# 检查操作是否支持
if action not in SUPPORTED_ACTIONS:
return jsonify({"status": "error", "message": f"Unsupported action: {action}"}), 400
# 执行具体操作
if action == "read_file":
file_path = parameters.get("path")
if not file_path or not os.path.exists(file_path):
return jsonify({"status": "error", "message": "File not found"}), 404
# 读取文件内容
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
# 返回成功响应
return jsonify({
"status": "success",
"data": content
})
except Exception as e:
# 捕获异常并返回错误信息
return jsonify({"status": "error", "message": str(e)}), 500
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)
3. 选择通信方式
根据应用场景的不同，我们可以选择以下几种通信方式：
-
本地通信 ：通过标准输入输出（stdio）或TCP/UDP端口实现，适合同一台机器上的交互。
-
远程通信 ：使用HTTP、WebSocket或Server-Sent Events（SSE），适用于分布式部署。
最后，我们需要对整个系统进行全面测试，确保MCP服务器与AI模型之间的兼容性。此外，还可以通过缓存机制减少重复请求的开销，进一步提升性能。
五、MCP协议的优势
MCP协议之所以备受关注，主要得益于它带来的显著优势。
首先，MCP协议通过定义一套统一的标准化接口，极大简化了开发者集成不同类型资源的复杂度。无论是访问数据库、调用外部工具还是处理多模态数据，开发者都可以通过一致的方式实现，无需为每种场景单独定制解决方案，从而大幅提升了开发效率。
其次，MCP协议在安全性方面表现出色，支持本地化部署和严格的权限控制，有效保护了敏感数据的隐私，同时减少了因系统间兼容性问题引发的错误，确保了系统的稳定运行。
此外，MCP协议还实现了AI模型与外部资源的解耦，使得两者可以独立更新和扩展。这种灵活性不仅降低了维护成本，还让系统能够更轻松地适应不断变化的需求，为未来的功能扩展和技术升级提供了坚实的基础。
正是这些优势，使得MCP协议成为连接AI模型与外部世界的重要桥梁，推动了人工智能技术在实际应用中的广泛落地。
六、结语
总的来说，MCP协议是人工智能领域的一项重要创新，它为大型语言模型与外部资源之间的交互提供了一个高效、安全且灵活的解决方案。无论是企业知识库管理、多模态处理还是工具链集成，MCP协议都展现出了巨大的潜力，目前已成为了AI Agent获取数据的一种优秀解决方案，manus就使用了MCP协议。
未来，随着AI技术的不断发展，MCP协议有望成为类似“USB-C接口”的基础设施，为更多应用场景提供支持。而对于普通用户来说，这意味着我们将享受到更加智能、便捷的服务体验。
只有锻炼思维才能可持续地解决问题，只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助，麻烦您点个赞支持一下，还可以收藏起来以备不时之需，有疑问和错误欢迎在评论区指出~
如何学习AI大模型？
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。
不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！
想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高
那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
AI大模型学习福利
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
大模型&AI产品经理如何学习
求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。
1.学习路线图
第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；
第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；
第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；
第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；
第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；
第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；
第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
（都打包成一块的了，不能一一展开，总共300多集）
因篇幅有限，仅展示部分资料，需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
扫一扫
415
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
