这才是MCP 爆火的原因！

hm673c38238a021

发布于 2025-4-28 23:17

浏览

0收藏

这才是MCP 爆火的原因！-AI.x社区

现在很多人让大模型调用外部工具，最常见的做法就是 Function Calling。

乍一看，能调起来没问题。但真要接多个服务、跑一个完整流程，Function Calling 就显得太粗糙了——定义繁琐、结构不统一、模型换一个就得重写一遍。

本质上，它解决的只是“能不能调用”，但没解决“怎么标准、高效地调用”。

而 MCP 出现，就是为了解决这个“工程化不成体系”的问题。

我认为 Function Calling 更像是“你教模型怎么用某个函数”；而 MCP，是“你把这些函数变成服务，模型自然知道怎么用”。

MCP像是给你写的工具函数装了一个“USB标准口”，以后不管哪个模型来，都能直接插上用。

一、什么是 MCP？

MCP（Model Context Protocol）是一套协议，专门让大模型更稳、更方便地调用外部服务。

它不是工具、不是框架，而是像 HTTP、SQL 一样的“语言规范”，

让大模型在面对不同的工具时，说话有标准，调用有格式，接入有规矩。

我们先明确一点：MCP 不会帮你写代码，你该写服务还是得写服务。

这才是MCP 爆火的原因！-AI.x社区

那 MCP 到底解决了啥？

很多人一听 MCP 就头大，总觉得它是某种框架或者平台，但其实本质非常简单。

场景设定：调用一个“查天气”的工具

我们希望：大模型收到一句自然语言，比如“请帮我查一下北京今天的天气”，就能触发一个查天气的工具，返回结果。

写法一：传统 Function Calling 写法（OpenAI 风格）

你得自己写一个函数，并且注册到模型里，同时描述这个函数：

{
  "name": "get_weather",
  "description": "获取指定城市的天气",
  "parameters": {
    "type": "object",
    "properties": {
      "city": {
        "type": "string",
        "description": "查询天气的城市名"
      }
    },
    "required": ["city"]
  }
}

然后你在代码里写这个函数：

def get_weather(city):
    # 调用真实的天气 API
    return f"{city} 今天多云，最高温 26°C"

整个流程：

你注册函数描述

用户问话 → 模型判断要用这个函数 → 填参 → 调用 → 返回

这样的问题：

函数定义和调用分开写，靠自己绑定；
函数描述得自己写一遍；
多个服务无法统一管理；
不能“自动注册、自动识别”，全部靠人工维护；
接入多种服务，写法冗余、难复用。

写法二：使用 MCP 协议 + MCP SDK 实现

第一步：你写一个“天气服务”的 MCP Server（可以用 Flask）

from flask import Flask, request, jsonify


app = Flask(__name__)


@app.route("/invoke", methods=["POST"])
def handle():
    req = request.get_json()
    city = req["params"]["city"]
    result = f"{city} 今天多云，最高温 26°C"
    return jsonify({
        "status": "ok",
        "result": result
    })

注意，这个服务只要实现了 /invoke 接口，格式遵循 MCP 协议，就可以被任意支持 MCP 的模型接入。

第二步：模型那边（Client）用 MCP SDK 发请求

from mcp import MCPClient


client = MCPClient("http://your-mcp-server-url")


response = client.invoke(
    tool="weather",  # 工具名
    params={"city": "北京"}
)


print(response["result"])

关键点在这儿：