扒一扒最近较火的MCP 原创

MCP正在成为一种标准，可帮助开发人员构建AI系统，使这些系统能够与其他外部应用程序进行有效通信。Microsoft最近宣布将MCP集成到其Copilot Studio 中，以简化AI应用程序和代理访问工具的方式。此外，OpenAI还宣布在其产品中支持MCP，例如Agents SDK和ChatGPT的桌面应用程序。

封面的图片很直观的阐述了MCP，它是一种开放协议，MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。MCP由Anthropic公司在2024年底推出，旨在解决大语言模型（LLM）与外部数据源和工具之间的集成问题。

进入2025年它在github的星星也是一路暴涨，可以将MCP想象成AI应用的USB-C端口。正如USB-C提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP也提供了一种AI模型连接到不同数据源和工具的标准化方式。

MCP由三个核心组件构成：Host、Client和Server。

举个栗子解释上图，假设你正在使用某个大模型的桌面端（例如LLMDesktop)进行大模型询问："我桌面上有哪些文档？"

• Host：LLMDesktop作为Host，负责接收你的提问并与对应的LLM模型交互。
• Client：当LLM模型决定需要访问你的文件系统时，Host中内置的MCPClient会被激活。这个Client负责与适当的MCPServer建立连接。
• Server：在这个例子中，文件系统会被MCPServer调用。它负责执行实际的文件扫描操作，访问你的桌面目录，并返回找到的文档列表。

进一步抽象，当用户提出一个问题时：

1） 客户端把你的问题发送给LLM。

2） LLM分析可用的工具，并决定使用哪一个（或多个）。

3）客户端通过MCPServer执行所选的工具。

4） 工具的执行结果被送回给LLM。

5） LLM结合执行结果构造最终的prompt并生成自然语言的回应。

6）回应最终展示给用户

1.LLM自动挑选工具

MCPServer是由LLM主动选择并调用的！那么有意思的事情来了，模型如何选择工具呢？可以通过分析官网的代码得知：模型是通过Prompt Engineering来实现的。也就是说MCPServer将所有它能提供的工具进行结构化描述，包括给一些使用示例加入到提示词，以便让LLM理解且来确定该使用哪些工具。

什么是工具，工具可以是接口调用，也可以是任何的服务。熟悉Agent的同学应该不是很陌生。另一方面，由于MCP是Anthropic最早提出，肯定对Claude做了专门的训练（毕竟是自家协议，Claude更能理解工具的prompt以及输出结构化代码）

system_message=("你是一位小助手，你有权访问下面的这些工具:\n\n"f"{工具描述，包括出入参数}\n""请选择最合适的工具来回答用户的问题.""如果没有任何工具需要，就直接回答.\n\n""重要:若你需要使用工具，你必须按照下面的格式响应"#下面对于工具的使用做出了提示词层面的约束"…………:\n""{\n"'"tool":"tool-name",\n''"arguments":{\n''"argument-name":"value"\n'"}\n""}\n\n""Afterreceivingatool'sresponse:\n""1.Transform the rawdata into a natural,conversational response\n""2.Keep responses concise but informative\n""3.Focus on the most relevant information\n""4.Use appropriate context from the user'squestion\n""5.Avoid simply repeating the rawdata\n\n""Please use only the tools that are explicitly defined above.")

工具文档至关重要由此而言特别重要，模型通过工具描述文本来理解和选择工具，因此精心编写工具的名称、文档和参数说明至关重要。由于MCP的选择是基于prompt的，所以任何模型其实都适配MCP，只要你能提供对应的工具描述。但是当你使用非Claude模型时，MCP使用的效果和体验难以保证（没有做专门的训练）。下面再次展示了一个例子，DB MCP Server提供了Execute SQL的Tool，然暴露出来，但是客户使用的时候，将资源和需求发送给LLM，让LLM决定执行的SQL与调用的工具，最后完成SQL调用和执行。

2.MCP Server

MCP服务是MCP世界与外部系统的特定功能（API、数据库、本地文件等）之间的桥梁/API。它们本质上是根据MCP规范公开这些外部功能的包装器。服务器可以用各种语言（Python、TypeScript、Java、Rust等）构建，只要它们可以通过支持的传输方式进行通信。服务器主要通过两种方法与Client端通信：

• STDIO（标准输入/输出）：当Client和Server在同一台计算机上运行时使用。这对于本地集成（例如，访问本地文件或运行本地脚本）来说既简单又有效。
• 通过SSE的HTTP（服务器发送的事件）：客户端通过HTTP连接到服务器。初始设置后，Server可以使用SSE标准通过持久连接将消息（事件）推送到Client。

除了上述的三个要素，其实还存在另外的两个要素：

• 本地数据源：MCP服务可以安全访问的计算机文件、数据库和服务
• 远程服务：MCP服务可以连接到的互联网（例如，通过API）提供的外部系统

这种架构设计使得LLM大模型可以在不同场景下灵活调用各种工具和数据源，而开发者只需专注于开发对应的MCPServer，无需关心Host和Client的实现细节。

3.热度上升

虽然Anthropic在2024年底宣布了MCP，但其势头在2025年初显著加速。这不仅仅是随机的炒作。几个因素汇聚在一起：

1）MCP是专为满足现代AI Agent的需求而设计的。MCP优化和抽象了Agent的运行模式

工具（模型控制）：AI决定执行的。

资源（应用程序控制）：提供给AI的上下文。

提示（用户控制）：特定的用户调用的交互。

2）MCP的开放标准存在非常好的规范，且提供非常详细的规格说明。

3）Anthropic不是从头开始重新发明一切，而是从语言服务器协议（LSP）改编而来，例如JSON-RPC2.0。

4）Anthropic为它构建了强大的初始生态系统，并发布了一个全面的初始客户：ClaudeDesktop，还包括各种服务（文件系统、git、Slack等）。5. 开发工具包也是齐整。Python、TypeScript、Java、Kotlin、C#。6.Cursor和Windsurf等工具集成了MCP。Composio等公司为数百个集成提供了预构建服务。OpenAI也宣布支持MCP。

本文转载自​​鲁班模锤​​，作者：庞德公