用MCP打造agentic AI

MCP

Anthropic:Introducing the Model Context Protocol

增强型大语言模型（the argumented llm）

The argumented llm 指通过外部工具、数据或协议（如 MCP）增强大语言模型的能力，现在经常使用的联网搜索、知识库、workflow都属于增强llm的范畴，使得user能够访问实时信息、执行复杂任务或调用特定功能。

联系

MCP 通过开放协议实现 LLM 能力的动态扩展，其设计目标与 Augmented LLM 高度一致。

MCP 是 AI 应用的 USB-C 端口，而 Augmented LLM 是插上这些端口后功能强大的设备。
拾象科技万字详解MCP：Agentic AI中间层最优解
MCP协议详解：一文读懂跨时代的模型上下文协议

如何实现？

1. 标准化工具集成：
   MCP 定义了一套统一的接口规范（类似 USB-C），允许 LLM 通过 MCP Server 动态发现和调用外部工具（如数据库、API、爬虫等），无需为每个工具定制开发适配器。
   示例：LLM 通过 MCP 调用 poe2_server 的爬虫工具获取游戏实时补丁信息。

2. 动态上下文增强：
   MCP Server 将异构数据源（如 PDF、数据库）转化为标准化格式，供 LLM 直接使用，解决了传统 LLM 依赖静态训练数据的局限性15。

3. 模块化扩展：
   一个 LLM 可同时连接多个 MCP Server（如 API Server + Data Server），实现多领域能力组合，打造“万能应用”。

MCP 和 langchain

特性	传统方法（如 LangChain）	MCP 方案
协议标准化	无统一协议，依赖开发者自定义	统一接口（类似 HTTP/USB-C）
工具发现	需硬编码工具列表	动态发现（/tools/list）
生态扩展性	封闭生态（如 GPTs 仅限 OpenAI）	开放协议，社区共建工具库
安全性	API 密钥暴露风险	所有者通过 MCP Server 控权

希望这对您有帮助！

打造Agentic AI

参考官方文档mcp通用架构，设计自己的agentic AI

连接以下核心组件：
工具 Server：负责执行外部任务，如数据爬取、API 调用等。
数据 Server：存储和管理结构化数据，如日志、文档等。
Model Server：托管和管理模型的训练与推理，包括加载最新模型版本和动态调整模型配置。
本地数据：访问本地文件系统，获取静态数据。

通过 MCP 协议，AI 能够高效地连接这些组件，实现复杂任务的自主执行和智能化处理。