最近以 Manus 為代表的 AI 代理（Agent）突然流行了起來，而跟著火爆的還有個一關鍵的技術就是 MCP。

MCP 是領先的 AI 模型提供商 Anthropic 提出了一種協議和架構，為語言模型提供從外部系統獲取的必要上下文。顧名思義，Model Context Protocol (模型上下文協議) 定義了如何將現有數據源 (如文件系統、關系數據庫、代碼庫等幾乎所有內容) 連接到 LLM 和代理。

Anthropic 的 MCP 在 AI 集成領域取得了重大進展，提供了一種通用標準，簡化了 AI 系統與各種數據源之間的連接。這個開源協議解決了數據訪問碎片化的挑戰，使 AI 應用更高效且具有上下文感知能力。通過簡化與不同數據源的無障礙交互，MCP 提高了 AI 生成響應的相關性和準確性，這是 AI 能力發展的重大突破。

▍什么是 MCP？

模型上下文協議 (MCP) 是一種標準化協議，將 AI 代理連接到各種外部工具和數據源?？梢詫⑺胂蟪梢粋€ USB-C 接口：它為 AI 系統連接各種工具和數據源提供了統一方法。

就像 USB-C 簡化了不同設備與計算機的連接方式，MCP 簡化了 AI 模型與你的數據、工具和服務的交互方式。

圖：模型上下文協議 (MCP) 是一種標準化協議，將 AI 代理連接到各種外部工具和數據源

▍MCP 工作原理：架構

MCP 采用簡單的客戶端-服務器架構：

-MCP 主機： 需要訪問外部數據或工具的應用程序 (如 Claude Desktop 或 AI 驅動的 IDE)

-MCP 客戶端： 與這些 MCP 服務器交互的 AI 驅動工具 ，與 MCP 服務器維持專用一對一連接

-MCP 服務器： 通過 MCP 暴露特定功能的輕量級服務器， 作為數據網關，向 AI 應用公開資源、工具和提示

-本地數據源： MCP 服務器安全訪問的文件、數據庫或服務

-遠程服務： MCP 服務器訪問的基于互聯網的外部 API 或服務

將 MCP 視為橋梁可以更清晰地理解： MCP 本身不處理復雜邏輯，它只是協調 AI 模型與工具之間的數據和指令流。

TIP:就像 USB-C 簡化了不同設備與計算機的連接方式，MCP 簡化了 AI 模型與你的數據、工具和服務的交互方式

Anthropic MCP 允許數據在 AI 模型和外部數據源間雙向流動，使 AI 應用更具交互性和環境感知能力。該協議作為將 AI 模型與各種工具集成的基礎層，對開發更精細和實用的 AI 應用至關重要。

通過提供開源框架，MCP 簡化了開發人員的工具集成過程，減少了為每個新數據源進行自定義實現的需求。MCP 設計用于適應各種環境，包括低代碼平臺和云服務，提供了多功能性和適應性。

▍為什么使用 MCP 而非傳統 API？

傳統上，將 AI 系統連接到外部工具需要集成多個 API。每個 API 集成都意味著需要單獨的代碼、文檔、認證方法、錯誤處理和維護。

為什么傳統 API 就像為每扇門都配備單獨鑰匙

打個比方：API 就像單獨的門——每扇門都有自己的鑰匙和規則：

圖：傳統 API 要求開發者為每個服務或數據源編寫自定義集成

▍MCP vs. API: 快速比較

-單一協議： MCP 充當標準化"連接器"，集成一個 MCP 就意味著可能接入多種工具和服務，而非僅限一種

-動態發現：MCP 允許 AI 模型動態發現并與可用工具交互，無需預先硬編碼每個集成的細節

-雙向通信：MCP 支持持久、實時的雙向通信（類似 WebSockets），AI 模型既能檢索信息，又能動態觸發行動

為什么需要雙向通信？

MCP 提供實時雙向通信能力：

-獲取數據：LLM 向服務器查詢上下文 → 例如查看你的 日歷

-觸發行動：LLM 指示服務器執行操作 → 例如 重新安排會議、發送郵件

▍MCP 在 AI 代理發展中的作用

盡管有許多框架可用于構建 AI 代理，但幾乎所有框架都依賴于利用 LLM 函數調用能力的工具。雖然這是正確的方法，但這種機制限制了 LLM 可以映射到提示或查詢的工具和函數數量。

Anthropic 的 MCP 通過實現 AI 代理與外部系統的直接雙向通信，顯著增強了其功能。這一進步使 AI 代理能夠訪問外部數據庫的實時信息，管理文件系統，并與 GitHub 等平臺無縫交互。因此，AI 代理可以自主執行復雜任務，如簡化軟件開發工作流，從而提高效率并減少手動干預需求。

通過促進這些交互，MCP 使 AI 代理能夠在各領域執行復雜操作，標志著 AI 代理工作流發展的重大進步。

▍MCP 應用場景：何時使用 MCP？

考慮以下場景：

1. 行程規劃助手

- 使用 API：你需要為 Google Calendar、電子郵件、航空公司預訂 API 分別編寫代碼，每個都需要自定義認證、上下文傳遞和錯誤處理邏輯

- 使用 MCP：你的 AI 助手可以無縫檢查你的日歷可用時間、預訂航班并發送確認郵件——全部通過 MCP 服務器完成，無需為每個工具創建自定義集成

2. 高級 IDE（智能代碼編輯器）

- 使用 API：你需要手動將 IDE 與文件系統、版本控制、包管理器和文檔集成

- 使用 MCP：IDE 通過單一 MCP 協議連接這些工具，實現更豐富的上下文感知和更強大的建議

3. 復雜數據分析

- 使用 API：你需要手動管理與每個數據庫和數據可視化工具的連接

- 使用 MCP：你的 AI 分析平臺能通過統一的 MCP 層自主發現并與多個數據庫、可視化和模擬工具交互

▍參考信息

• https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/

• https://www.forbes.com/sites/janakirammsv/2024/11/30/why-anthropics-model-context-protocol-is-a-big-step-in-the-evolution-of-ai-agents/

? AI范兒

要進“交流群”，請關注公眾號獲取進群方式

投稿、需求合作或報道請添加公眾號獲取聯系方式

點這里關注我，記得標星哦～