什么是模型上下文协议 (MCP)？与 API 相比，它如何简化 AI 集成？

已于 2025-03-22 14:47:39 修改
阅读量688 收藏 13
点赞数 13
分类专栏： AI测试：从入门到进阶 文章标签： 人工智能 MCP 模型上下文协议 AI
于 2025-03-21 11:18:48 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48321392/article/details/146415041
版权

在这里插入图片描述
模型上下文协议（Model Context Protocol，简称MCP） 是一种新的开放协议，用于标准化应用程序向大型语言模型 (LLMs) 提供上下文的方式。

将 MCP 视为适用于 AI 代理的 USB-C 端口：它提供了一种将 AI 系统连接到各种工具和数据源的统一方法。

本文将清晰地解释MCP的价值、工作原理，以及它与传统API的关键区别。

什么是 MCP？

模型上下文协议 (MCP) 是一种标准化协议，可将 AI 代理连接到各种外部工具和数据源。可以将其想象为 USB-C 端口 - 但适用于 AI 应用程序。

在这里插入图片描述

模型上下文协议 (MCP) 是一种将 AI 代理连接到各种外部工具和数据源的标准化协议

正如 USB-C 简化了您将不同设备连接到计算机的方式一样，MCP 简化了 AI 模型与您的数据、工具和服务交互的方式。

为什么要使用 MCP 而不是传统 API？

传统上，将 AI 系统连接到外部工具需要集成多个 API。每个 API 集成都意味着单独的代码、文档、身份验证方法、错误处理和维护。

为什么传统 API 就像每扇门都有单独的钥匙

打个比方： API 就像是单独的门 - 每扇门都有自己的钥匙和规则：
在这里插入图片描述传统 API 要求开发人员为每个服务或数据源编写自定义集成

MCP 背后是谁？

MCP（模型上下文协议）最初是Anthropic的一个项目，目的在于让 AI 模型（如 Claude）更容易与工具和数据源进行交互。

但这已不再只是人类的事情。MCP 是开放的，越来越多的公司和开发人员正在加入其中。

它开始看起来很像人工智能工具交互的新标准。

想深入了解吗？官方 MCP 规范和正在进行的开发可以在modelcontextprotocol.io找到。

MCP 与 API：快速比较

特征MCP传统 API
整合工作单一、标准化的集成每个 API 单独集成
实时通信✅ 是的❌ 没有
动态发现✅ 是的❌ 没有
可扩展性简单（即插即用）需要额外的集成
安全与控制跨工具保持一致因 API 而异

MCP 与传统 API 之间的主要区别：

  • 单一协议： MCP 充当标准化的“连接器”，因此集成一个 MCP 意味着可以访问多种工具和服务，而不仅仅是一种
  • 动态发现： MCP 允许 AI 模型动态发现并与可用工具交互，而无需对每个集成进行硬编码
  • 双向通信： MCP 支持持久、实时的双向通信 - 类似于 WebSockets。AI 模型既可以检索信息，也可以动态触发操作

为什么要双向沟通？
MCP 提供实时、双向通信：

  • 拉取数据： LLM 向服务器查询上下文 → 例如检查日历
  • 触发操作： LLM指示服务器采取行动 → 例如重新安排会议、发送电子邮件

MCP 的工作原理：架构

MCP 遵循简单的客户端-服务器架构：
在这里插入图片描述

  • MCP 主机：这些是需要访问外部数据或工具的应用程序（如 Claude Desktop 或 AI 驱动的 IDE）
  • MCP 客户端：它们与 MCP 服务器保持专用的一对一连接
  • MCP 服务器：轻量级服务器，通过 MCP 公开特定功能，连接到本地或远程数据源
  • 本地数据源： MCP 服务器安全访问的文件、数据库或服务
  • 远程服务：基于互联网的外部 API 或 MCP 服务器访问的服务

将 MCP 视为一座桥梁可以清楚地表明： MCP 本身并不处理繁重的逻辑；它只是协调 AI 模型和工具之间的数据和指令流。

提示
正如 USB-C 简化了你将不同设备连接到计算机的方式一样，MCP 简化了 AI 模型与数据、工具和服务交互的方式

实践中的 MCP 客户端

实际上，MCP 客户端（例如client.py中的 Python 脚本）与 MCP 服务器进行通信，后者管理与Gmail、Slack 或日历应用等特定工具的交互。

这种标准化消除了复杂性，使开发人员能够快速实现复杂的交互。

MCP 示例：何时使用 MCP？

请考虑以下情形：

1. 旅行计划助理

  • 使用 API：您需要为 Google 日历、电子邮件、航空公司预订 API 编写单独的代码，每个代码都有用于身份验证、上下文传递和错误处理的自定义逻辑
  • 使用 MCP：您的 AI 助手可以顺利检查您的日历是否有空档、预订航班和发送确认电子邮件- 全部通过 MCP 服务器完成，无需每个工具进行自定义集成

2. 高级 IDE（智能代码编辑器）

  • 使用 API：你可以手动将 IDE 与文件系统、版本控制、包管理器和文档集成
  • 使用 MCP：您的 IDE 通过单个 MCP 协议连接到这些，从而实现更丰富的情境感知和更强大的建议

3. 复杂数据分析

  • 使用 API：手动管理与每个数据库和数据可视化工具的连接
  • 使用 MCP：您的 AI 分析平台通过统一的 MCP 层自主发现并与多个数据库、可视化和模拟进行交互

实施 MCP 的好处

  • 简化开发：一次编写，多次集成，无需为每次集成重写自定义代码
  • 灵活性：无需复杂的重新配置即可切换 AI 模型或工具
  • 实时响应： MCP 连接保持活跃，实现实时上下文更新和交互
  • 安全性和合规性：内置访问控制和标准化安全实践
  • 可扩展性：随着 AI 生态系统的发展，轻松添加新功能 - 只需连接另一个 MCP 服务器即可

传统 API 何时更好？

如果您的用例需要精确、可预测且具有严格限制的交互，那么传统 API 可能是更好的选择。MCP 提供广泛的动态功能，非常适合需要灵活性和情境感知的场景，但可能不太适合高度受控的确定性应用程序。

在以下情况下，请坚持使用细粒度 API：

  • 需要细粒度的控制和高度特定、受限的功能
  • 您更喜欢紧密耦合以实现性能优化
  • 您希望以最小的上下文自主性实现最大的可预测性

MCP 入门：高级步骤

MCP 集成：

  1. 定义功能：明确概述您的 MCP 服务器将提供哪些功能
  2. 实现MCP层：遵循标准化的MCP协议规范
  3. 选择传输：在本地（stdio）或远程（服务器发送事件/WebSockets）之间选择
  4. 创建资源/工具：开发或连接您的 MCP 将公开的特定数据源和服务
  5. 设置客户端：在 MCP 服务器和客户端之间建立安全稳定的连接

概括

什么是 MCP？

  • MCP： AI代理与外部数据/工具动态交互的统一接口
  • API：传统方法，需要个性化集成和更多人工监督
    在这里插入图片描述
    MCP 提供了一种统一、标准化的方法，将 AI 代理和模型与外部数据和工具进行集成

结论

MCP 提供了一种统一且标准化的方式，可将 AI 代理和模型与外部数据和工具集成在一起。它不仅仅是另一个 API，而是一个强大的连接框架，可实现智能、动态且情境丰富的 AI 应用程序。

原文链接：https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/

MCP与传统API：谁更胜一筹？
加入“Super Entity”，与全能开发团队共探AI智能体与数字人项目，开启前沿技术之旅。
03-29 1122
在开发基于大型语言模型（LLM）的应用程序时，我们常常需要与各种外部工具和服务进行交互。传统API（应用程序编程接口）一直是实现这种交互的主流方式，但随着MCP（Model Context Protocol）的出现，我们有了一个新的选择。那么，MCP和传统API相比，到底谁更胜一筹呢？本文将从多个角度进行对比分析，帮助你更好地理解它们的优缺点。MCP（Model Context Protocol）是一种强大的协议，它为LLM与外部工具的交互提供了一种全新的解决方案。
MCP——模型上下文协议Model Context Protocol
weixin_41483169的博客
03-26 904
模型上下文协议（Model Context Protocol, MCP），从对话系统需要理解用户的历史语境，到跨模态任务要求无缝整合文本、图像等多源数据，AI 的发展正呼唤一种全新的协作范式。Model Context Protocol (MCP)是一种标准化协议,用于将AI代理连接到各种外部工具和数据源。可以将其想象为一个USB-C瑞口一一但用于AI应用程序。
【智能体】MCP技术解析：重塑AI协作新范式
后端研发工程师Marion的博客
03-13 1692
MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
释放大模型潜力：Model Context Protocol 引领 API 开发新纪元
马超的博客
11-26 5297
Model Context Protocol（简称MCP）是由人工智能公司Anthropic提出的一种API开发标准，旨在实现AI助手与数据源的无缝连接。MCP的核心价值在于统一数据访问、多功能支持和提升大型语言模型（LLM）的实用性。它允许AI模型从各种数据源（如本地内容存储库、业务工具、开发环境）中提取信息以完成任务，从而生成更相关、更准确的响应。MCP协议的核心是将一般的AI AGENT函数调用的工程架构抽象为了客户端、服务器结构，可以理解为是对函数调用AGENT在工程层面实现了一个更好的抽象。
什么是模型上下文协议（MCP）？它如何比传统API更简单地集成AI？
强化学习曾小健
03-11 2661
2025 年本就被很多人视为 Agent 之年，最近又因为 Manus，Agent 的概念彻底火了，更多人开始关注背后的实现原理，其中的一个关键就是 Anthropic 去年发布的 MCP（不过 Manus 并没使用 MCP），这篇文章做了比较清晰易懂的介绍：作者Norah Sakal什么是模型上下文协议（MCP）？它如何比传统API更简单地集成AI？模型上下文协议（Model Context Protocol，简称MCP）
一文读懂AI 智能体中MCP、API与Function Call
2401_85375186的博客
04-09 1436
如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！
mcp和API区别
最新发布
bvip911的博客
04-16 398
1. 核心目标与设计理念- MCP： 旨在为AI模型提供动态上下文感知的统一交互协议，通过标准化方式传递数据及其语义背景，强调数据的动态交互与上下文关联性。— 2. 集成复杂度- MCP： - 统一协议：一次集成即可连接多个工具，减少重复开发。— 3. 适用场景- MCP： 适用于动态、上下文敏感的场景，如AI助手、智能IDE、复杂数据分析等，需实时交互和多工具协同的场景。- API： 更适合静态、规则明确的场景，如传统系统集成、高度受控的功能调用，需精确控制交互逻辑的场景。
MCP协议与传统的AI API有什么区别？MCP协议的创新点和优势是什么？
热门推荐
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：CSDNWF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
03-22 1万+
MCP协议与传统的AI API有什么区别？MCP协议的创新点和优势是什么？作者简介猫头虎是谁？作者名片 ✍️加入我们AI共创团队 🌐加入猫头虎的AI共创变现圈，一起探索编程世界的无限可能！🚀正文一、与现有 AI API 的对比OpenAI API / 插件Hugging Face 等开放平台LangChain 等 Agent 框架二、MCP 协议的创新点和优势1. **开源与供应商无关**2. **双向持续交互**3. **跨平台兼容性**4. **扩展模型能力**5. **标准化与简化开发**三、总结
人工智能MCP（模型上下文协议）在AI时代的应用与技术解析：从概念到实践的全面探讨
04-11
内容概要：本文详细介绍了 MCP（Model Context Protocol，模型上下文协议）作为 AI 领域新兴力量的技术背景、概念原理、技术架构及其发展历程。MCP 是 Anthropic 推出的一项开放标准协议，旨在解决 AI 模型与外部...
MCP 架构概述：什么是模型上下文协议（MCP）？
AI天才研究院
04-04 1118
模型上下文协议（MCP）遵循客户端-主机-服务器架构，其中每个主机可以运行多个客户端实例。这种架构使用户能够在保持清晰的边界和隔离关注点的同时，将 AI 能力集成到各个应用程序中。基于 JSON-RPC 构建的 MCP 提供了一种面向上下文交换和客户端与服务器之间采样协调的会话状态协议。核心组件主机客户端主应用程序创建并管理多个客户端，每个客户端与特定的服务器保持一对一的关系。服务器设计原则MCP 基于几个关键设计原则，这些原则指导了其架构和实现能力协商。
大模型上下文协议MCP详解（1）—技术架构与核心机制
谷哥的小弟
04-11 1196
MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年11月推出的开放标准协议。它旨在解决AI大模型与外部工具、数据源及API之间的标准化交互问题，为AI智能体提供类似“万能插头”的统一接口，简化复杂集成流程，推动AI生态的互操作性和可扩展性。具体而言，其目标是打破AI系统与数据之间的孤岛状态，让模型能够更高效、更安全地获取上下文信息，从而生成更准确、更相关的回答。
『大模型笔记』什么是MCP？将AI智能体与数据库和API集成
AI新视界
03-14 1106
主题内容概述MCP 概述 (Model Context Protocol)由 Anthropic（Claude）主导的一个开放协议，旨在让 AI 模型与不同 API、数据源无缝对接。它填补了功能碎片化、缺少统一标准的空白，为复杂、多步骤任务提供更高效的上下文处理能力。一种通用标准协议，旨在整合 AI 能力、服务与上下文，替代零散的 Agent 方案。通过 MCP，可以快速接入各种服务并实现多轮对话、复杂任务的执行，不必针对每个服务单独开发集成逻辑，从而提高可维护性和可扩展性。
一分钟，让你的 API 文档支持 MCP 使用，Apifox 新功能上线！！！
03-26 951
Apifox 的 API 文档现已全面支持 MCP，这意味着 AI 助手可以直接访问你发布的 API 在线文档，帮助你的团队完成编写代码的工作。
MCP全解析：从入门到精通，第三方MCP Server开发API
gdjnrc_com的博客
03-27 897
MCP协议标志着AI工具生态系统的重大转变——从封闭孤立的系统向开放互联的协作网络迈进。
图解「模型上下文协议（MCP）」：从与传统 API 的比较入手
Baihai_IDP的博客
03-26 2021
文章详细介绍了 MCP 的核心架构，包括 Host（提供 AI 交互环境的应用程序）、Client（实现与 MCP Servers 通信）和 Server（提供特定能力和数据访问）三大组件。我们今天带来的这篇文章，作者的核心观点是：MCP 通过标准化通信协议，让 AI 应用与外部工具、数据的交互如同 USB-C 接口一般高效且灵活，彻底改变传统 API 架构的僵化限制。MCP 的核心遵循客户端-服务器（client-server）架构，Host 应用程序可以连接到多个 Server。
爆火 | API 终将淘汰，MCP+LLM+向量数据库才是 Agent 开发新范式
musicml的博客
03-19 989
我和我的团队在过去两年里一直专注于大模型应用技术的研究，我想强调的是：大模型的应用价值巨大，AI Agent 智能体的潜力无限！去年11月，硅谷 AI 巨头 Anthropic 正式发布了MCP——模型上下文协议，使得开发者只需编写一次代码，就能让大模型对接不同的 API、数据库与文件系统，极大简化了模型的配置过程。，我们正在经历一场重大技术变革，还不像当年的互联网的兴起，这是一场颠覆性的变革，掉队就等于淘汰，因为未来所有应用都将被 AI Agent 智能体重写一遍；
正式推出 Spring AI MCP：用于 MCP（模型上下文协议）的 Java SDK
03-22
### Spring AI MCP Java SDK 概述 Spring AI MCP 是一种基于 Model Context Protocol (MCP) 的 Java 实现，旨在简化模型上下文协议的应用开发过程。通过该 SDK，开发者可以轻松构建支持 MCP 协议的服务端和客户端应用程序[^1]。 #### 核心功能 - **多传输选项**：支持多种通信方式，便于灵活集成到不同的技术栈中。 - **三层架构设计**： - **MCP 客户端**：负责向服务端发送请求并处理响应。 - **MCP 服务器**：提供 API 接口供客户端调用，并管理模型的上下文数据。 - **工具回调接口（ToolCallbackProvider）**：允许扩展自定义行为以适应特定需求[^2]。 --- ### 使用方法 以下是关于如何使用 Spring AI MCP Java SDK 构建服务端和客户端的具体指导： #### 1. 引入 Maven 依赖 在项目的 `pom.xml` 文件中添加以下依赖项来引入 Spring AI MCP SDK: ```xml <dependency> <groupId>org.springframework.ai</groupId> <artifactId>spring-ai-mcp</artifactId> <version>1.0.0-M6</version> </dependency> ``` #### 2. 配置 YML 文件 创建或修改项目中的 `application.yml` 或 `application.properties` 文件，设置必要的参数。例如： ```yaml spring: ai: mcp: server-url: http://localhost:8080/mcp-server client-id: my-client-id secret-key: my-secret-key ``` #### 3. 编写服务端代码 服务端需要实现 ToolCallbackProvider 并将其注册到容器中。示例代码如下： ```java import org.springframework.ai.mcp.ToolCallbackProvider; import org.springframework.stereotype.Component; @Component public class MyToolCallbackProvider implements ToolCallbackProvider { @Override public String handleRequest(String requestPayload) { // 自定义逻辑处理接收到的数据 return "Response from tool callback provider"; } } ``` 同时，在控制器类中暴露 RESTful API 来接收来自客户端的请求： ```java import org.springframework.web.bind.annotation.*; @RestController @RequestMapping("/mcp-server") public class McpServerController { private final ToolCallbackProvider toolCallbackProvider; public McpServerController(ToolCallbackProvider toolCallbackProvider) { this.toolCallbackProvider = toolCallbackProvider; } @PostMapping("/process") public String process(@RequestBody String payload) { return toolCallbackProvider.handleRequest(payload); } } ``` #### 4. 编写客户端代码 客户端可以通过简单的 HTTP 请求与服务端交互。下面展示了一个基本的 Controller 示例： ```java import org.springframework.beans.factory.annotation.Value; import org.springframework.http.ResponseEntity; import org.springframework.web.bind.annotation.*; import org.springframework.web.client.RestTemplate; @RestController @RequestMapping("/mcp-client") public class McpClientController { private final RestTemplate restTemplate; @Value("${spring.ai.mcp.server-url}") private String serverUrl; public McpClientController(RestTemplate restTemplate) { this.restTemplate = restTemplate; } @GetMapping("/send-request") public ResponseEntity<String> sendRequest() { String url = serverUrl + "/process"; String requestBody = "{\"key\":\"value\"}"; return restTemplate.postForEntity(url, requestBody, String.class); } } ``` --- ### 总结 Spring AI MCP 提供了一套完整的解决方案，帮助开发者快速搭建基于 MCP 协议的应用程序。无论是作为服务提供商还是消费者角色，都可以借助其强大的功能模块完成复杂的业务场景需求。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

blues_C

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值