《AI 学会使用工具了》
2023年2月14日，报道自赛博禅心
眼睛和手：确认信息和使用外部工具，一般是各种插件/action/api；
工作纪要：储存已经发生的事，通常的媒介是上下文窗口，或者一个 todo 文件，也或者数据库；
行为SOP：明确这个 Agent 的身份、任务、目标和机制。这个 SOP 可能是用户给的，也可能是由其它 Bot 给出的。
再具象一点，这里我从 GPTs 里截了个图：
GPTs，通常被认为是由 OpenAI 设计的最简版的 Agent。默认情况下，只能进行单 Bot 交互：
一个大脑：在 ChatGPT GPT Store 里，GPT-4 是唯一可选的 LLM；
眼睛和手：可以在 Capabilities 里勾选由 OpenAI 提供的第一方能力，也可以通过Actions 来拓展更多的外部能力；
工作纪要：一般来说就是对话记录，GPTs 可以回顾之前的对话，；
行为SOP：存放在 Description, Instructions 以及 Knowledge 里。
在这里，大脑链接眼睛和手，需要一种神经信号，代码里叫做协议。
最早的协议是 OpenAI Plugin 协议，发布于 2 年前的差不多这个时候，定向邀请。
之后 Anthropic 在去年发布了 MCP 协议，是公开版的
当时我也做了个短评：
类比来说，可理解为 Claude 桌面版的插件系统（类比 OAI 去年3月的发布），不同点在于：
- Claude 的插件，暂还不能共享
- 只能在「Claude 桌面版」（网页版不行）、「Zed」、「Cody」里面使用
- 没有更新到接口（仍然没有正式的 Function Calling / JSON Mode / Sturctured Output）
- 早期版本，很多东西还是饼，比如 Sampling
从进步角度，一定程度上解决了 Claude 不能输出结构化信息的问题：之前 Claude 想要结构化输出，只能 prompt + prefill + regex
公众号：赛博禅心短评Claude 发布的 MCP 协议
而下面，就让我们一起来看看这个 MCP 协议。
Norah Sakal 写了一篇不错的介绍，宝玉进行了翻译
模型上下文协议（Model Context Protocol，简称MCP）是一种全新的开放协议，专门用于标准化地为大语言模型（LLMs）提供应用场景和数据背景。
你可以把MCP想象成AI领域的“USB-C接口”，它能让不同的AI模型与外部工具和数据源轻松连接。
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。
模型上下文协议（MCP）就像是为AI模型量身定制的“USB-C接口”，可以标准化地连接AI系统与各类外部工具和数据源。
就像USB-C接口让你的电脑更容易连接各种设备一样，MCP让AI模型更简单地获取数据、工具与服务。
通常，AI系统想连接外部工具时，需要单独整合多个不同的API。每个API都有独立的代码、文档、认证方式、错误处理和后续维护，极大地增加了开发复杂度。
打个比方：API就像不同的门，每扇门都需要自己的钥匙和特定的规则。
传统的API要求开发者为每个服务或数据源单独编写代码和整合方案。
MCP最早由Anthropic ↗[1]公司开发，目的是帮助AI模型（如Claude）更容易地连接工具和数据源。
但现在，MCP已经成为一个开放协议，越来越多的企业和开发者开始采用它，这也让它逐渐成为AI与工具互动的新标准。
? 想深入了解？可以访问官方的MCP规格文档 ↗[2]。
| 整合难度 | ||
| 实时双向通信 | ||
| 动态发现工具 | ||
| 扩展性 | ||
| 安全性与控制 |
为什么要有双向通信？
MCP提供实时互动，模型能：
MCP采用简单的客户端-服务器架构：
简单说，MCP像一座桥梁：它本身不处理复杂逻辑，只负责协调AI模型与工具之间的信息流动。
比如，一个Python脚本（client.py）作为MCP客户端，可以轻松连接MCP服务器，以控制Gmail、Slack或日历应用，无需每个工具单独编写代码。
设想下面几个场景：
如果你的应用场景需要精准且严格受控的交互方式，那么传统API可能更合适。MCP提供广泛而灵活的动态能力，更适合需要上下文理解的场景，但不一定适用于严格受控的场合。
快速集成MCP的步骤：
MCP让AI与外部数据、工具的连接变得更加标准化和高效。
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |