有了MCP，AI才完整

如果你关注AI、关注Agent，那么你一定要关注MCP，一定好好理解它，一定要多用它。

AI的发展有两条非常明确的路线，我之前在社群里说过：一是掌握更多信息，二是控制更多工具。

两年前的大模型，它的信息来源只有训练时的数据，以及推理时我们告诉它的东西。

后来，我们给它加上联网搜索，让它能获得更广阔、更及时的信息；我们给它加上RAG技术、加上知识库，让它能获得垂直领域那些不外传的信息。

这些还不够，因为都是文字信息。于是我们又上了多模态，现在连图片它都能理解了。

你看，所有这些发展都符合第一条路线——掌握更多信息。

光有信息还不够，要改变世界，你手里还得有工具。这个就是第二条路线。我认为，MCP是第二条路线的关键。

有了MCP，你手里的AI就从功能机进化到智能机。

老规矩，我先演示，再解释。

屏幕左边是Obsidian，一个笔记应用。为了演示，我新建了一个库，放了三篇之前的视频脚本作为笔记。

屏幕右边是Cline。它是一个AI插件，编程能力非常强。如果你的主力是VS Code，那一定要用它。

那么，我想给大家看的是，通过Obsidian MCP——你可以简单理解为就是一个接口，像Cline这类AI工具可以直接读取和修改Obsidian里的笔记。

咱们先从最简单的开始。我问Cline：库里都有哪些笔记？

接到请求后，Cline看了一圈环境，发现Obsidian跟一个MCP服务器连在一起。于是，它决定通过MCP服务器，调用list notes这个工具，去查询都有哪些笔记。

在RESPONSE里边，MCP服务器把查询到的信息返回给了Cline，然后它给出最终答案。

跟查询库里都有哪些笔记一样的原理，Cline还可以通过MCP服务器读取笔记的具体内容。

我问它，这篇笔记的主要内容是什么？

这时，Cline会使用read note工具去读取笔记。把一千多字的内容全部提取之后，它对内容进行总结，然后给出最终答案。

大家如果有印象的话，应该记得我之前出过两期视频，都是关于Cursor对Obsidian笔记的修改。这个做法的前提是，Cursor打开了Obsidian存放在本地的笔记仓库。

但是，并不是所有AI工具都有这样的条件和能力去调用整个笔记仓库。这时候就需要MCP服务器，它作为一个通用接口连接两端。

我刚才演示的，只连接了一个MCP服务器。其实，为了完成一项任务，AI可以连接多个MCP服务器，调用多个工具。我再演示一个例子。

这是OpenAI官网的文章，关于GPT-4.5。我把链接给到Cline，希望它能把文章的内容给扒下来。

这时，Cline发现，还有Tavily MCP可以连接。Tavily是一个专门为大模型优化过的搜索引擎。它的MCP里边有一个提取网页内容的工具。

使用这个工具，Cline顺利把网页内容给扒了下来。然后，它重新整理和总结所有信息，最终给出很清晰的回答。

接着，我给出第二条指令：把这份Summary作为新笔记，存进Obsidian里边。

你看，它调用Obsidian MCP里的create note工具，开始创建笔记。中间遇到了一个格式上的问题，主要是特殊字符导致解析错误。我猜是中文标点的问题。好在Cline很聪明，在第二次尝试的时候，主动规避了特殊字符，最后完成了笔记创建。

通过刚才的演示可以看到，像Cline、Claude之类的AI应用，能够调用各种工具，完成更进阶的任务。这个就是MCP的价值。

这么说吧：MCP就是AI的USB-C接口。

在MCP出来之前，AI都是怎么调用工具的？通过API接口对吧？但是，API有很大的局限性，不适合AI。

第一，不同工具的API都有各自的规范。

举个例子。如果要调用一个天气预报工具，我就得按它的格式要求告诉它城市名称和日期，比如单词“Beijing”、“0315”（也就是3月15日）。如果要调用一个计算器工具，我就得按它的格式要求告诉它数值和符号，比如“1”、“+”、“2”。

市面上有海量的工具。AI要知道、要去满足每一个工具的要求，这是不现实的。这就好比有的设备是USB-A接口，有的设备是micro USB，有的设备是mini USB。作为用户，看到这一堆接口，头都大了好吗！

所以，AI需要一套统一的规范，去统一所有的工具接口。就好比今天的USB-C，手机也好、电脑也好，全都用这个接口。而且，现在新的显示器还支持用USB-C接MacBook，既能充电，还能传输信号，连HDMI都省了。一根线走天下是大势所趋。

第二，API关注的是数据的传输，而非数据的含义。

就像刚才的例子，我如果问：下周一北京天气怎么样？或者，一加二等于几？像这样的数据，API没法接受，因为它不理解、也不需要理解这是什么意思。它的职责就是把数据拿过来、传过去。

但是MCP能搞定。它会把一切都打包好，给到大模型去理解。MCP把用户的查询、工具的描述和参数，以结构化的方式传递给大模型，由大模型决定如何处理。

目前市面上对MCP支持最好的工具，一个是Claude桌面版——毕竟MCP就是他们家提出的，另一个是Cline。

我刚才演示里的两个MCP，Tavily那个是现成的，可以在Cline Marketplace里搜到。然后Cline会下载代码仓库，并且自动部署，非常方便。

而Obsidian那个，是我让Cline自动生成。过程中我没写一行代码，就是一路点“同意”，几分钟就搞定了。如果需要增加或者修改某个工具，也可以交给Cline去完成。

MCP本身并不复杂。在AI编程工具的帮助下，你也可以开发自己的MCP工具，然后部署在本地或者云端，比如Cloudflare。最核心的index文档，你完全可以在AI的帮助下理解清楚。

或者，你就用现成的。市面上已经出现好多个MCP导航网站，比如Smithery。

在商业化方面，我看到市场上也出现了第一款收费的MCP，可以帮忙设计UI。

MCP的价值得到越来越多人的认可。一切都在快速推进中。就像前边说的，如果AI只能调用有限的、预先设置好的工具的话，那不就是以前的功能机吗？通过MCP，AI可以自由接入海量工具。从这一刻开始，AI才从功能机时代迈入智能机时代。

如何学习AI大模型？

大模型的发展是当前人工智能时代科技进步的必然趋势，我们只有主动拥抱这种变化，紧跟数字化、智能化潮流，才能确保我们在激烈的竞争中立于不败之地。

那么，我们应该如何学习AI大模型?

对于零基础或者是自学者来说，学习AI大模型确实可能会感到无从下手，这时候一份完整的、系统的大模型学习路线图显得尤为重要。

它可以极大地帮助你规划学习过程、明确学习目标和步骤，从而更高效地掌握所需的知识和技能。

这里就给大家免费分享一份 2025最新版全套大模型学习路线图，路线图包括了四个等级，带大家快速高效的从基础到高级！

如果大家想领取完整的学习路线及大模型学习资料包，可以扫下方二维码获取