如何使用 MCP（Model Context Protocol）

最新推荐文章于 2025-04-19 01:33:43 发布

WangchukMind

最新推荐文章于 2025-04-19 01:33:43 发布

阅读量1.2k

点赞数 6

文章标签： chatgpt 语言模型 python AIGC

本文链接：https://blog.csdn.net/weixin_52295505/article/details/146435965

版权

用户如何使用 MCP（Model Context Protocol）

本文将为你详细介绍如何通过 模型上下文协议（Model Context Protocol，简称 MCP） 快速实现语言模型与外部工具或资源的连接。

📌 什么是 MCP？

MCP（Model Context Protocol）是由 Anthropic 公司提出的一项开源标准协议，旨在实现大型语言模型（如Claude、GPT）与外部数据源或工具之间标准化、高效、安全地连接，进一步拓展语言模型的使用场景。

简单来说，使用 MCP 后，语言模型将不再局限于自身的训练数据，而是可以实时访问外部工具或资源来满足更复杂的交互需求。

🖥️ MCP的架构图示：

以下图示展示了 MCP 的核心流程和架构，帮助你快速理解 MCP 工作原理。

MCP架构

架构的核心组件：

LLM应用（如Claude、GPT）：提出请求的主体。
MCP客户端：向服务器转发请求并返回数据。
MCP服务器：连接外部工具或资源，处理请求。

🚀 用户如何使用 MCP（详细步骤）：

接下来，以一个实际的简单示例教你快速上手 MCP：

1. 环境准备（安装依赖）

在命令行中运行如下指令：

pip install jsonrpcserver jsonrpcclient requests

2. 创建 MCP 服务器端（`mcp_server.py`）

服务器端提供数据或工具服务。

from jsonrpcserver import method, serve

# 创建服务器资源方法
@method
def query_resource(resource_name):
    resources = {
        "book_info": {"title": "深入理解人工智能", "author": "李明", "year": 2023},
        "user_profile": {"username": "Alice", "email": "alice@example.com"},
    }
    return resources.get(resource_name, "未找到资源")

if __name__ == "__main__":
    print("MCP服务器启动：http://localhost:5000")
    serve(port=5000)

3. 创建 MCP 客户端（`mcp_client.py`）

客户端调用服务器接口，并与语言模型配合工作：

from jsonrpcclient import request
import requests

def mcp_get(resource_name):
    response = requests.post(
        "http://localhost:5000/",
        json=request("query_resource", resource_name)
    ).json()

    if "result" in response:
        return response["result"]
    else:
        return f"错误：{response['error']}"

if __name__ == "__main__":
    # 请求资源
    print("请求书籍信息：", mcp_get("book_info"))
    print("请求用户信息：", mcp_get("user_profile"))
    print("请求不存在资源：", mcp_get("unknown"))

4. 运行示例

首先启动服务器端：

python mcp_server.py

然后打开另一个终端，运行客户端：

python mcp_client.py

运行后你将看到：

请求书籍信息： {'title': '深入理解人工智能', 'author': '李明', 'year': 2023}
请求用户信息： {'username': 'Alice', 'email': 'alice@example.com'}
请求不存在资源： 未找到资源

🌟 MCP能带来哪些价值？

实时获取最新数据
语言模型可实时访问外部数据，无需重新训练模型。
灵活调用外部工具
可集成各种外部工具，扩展AI的应用场景。
提升 AI 的实用性
让语言模型真正走进实际的生产环境。

🚧 常见问题 FAQ：

Q1：MCP 适合哪些语言模型？
适合主流语言模型，包括 GPT 系列、Claude 系列等。

Q2：MCP 协议的通信方式有哪些？
支持本地通信（标准输入输出）、远程通信（HTTP服务器发送事件，SSE）两种模式。

Q3：实现 MCP 协议需要哪些基础？
了解基本的 JSON-RPC 协议即可轻松实现。

📚 参考资料：

🎯 总结：

MCP 为语言模型与外部资源的高效沟通提供了一套标准的解决方案，有了 MCP，AI 助手、知识管理系统、智能内容创作工具的实现将变得更加便捷。

赶快亲自尝试一下吧！

注意：
以上代码、图片等资源仅作教学使用，如有进一步需求可自行拓展。

🎉 现在开始你的 MCP 实践之旅吧！