链载Ai

标题: 从理论到应用：AI搜索MCP的最佳实践案例解析 [打印本页]
作者: 链载Ai    时间: 昨天 21:24
标题: 从理论到应用：AI搜索MCP的最佳实践案例解析
背景

那些LLM不知道的事

开篇先尝试直接问LLM一个问题，“今天天气如何”。

然而，并未能从LLM获得期望回答。原因也很简单，今天是哪天？天气是哪里的天气？这些问题对于LLM来说统统不得而知。

因此，我们很自然地想到，是不是能让LLM自己学会用工具，哪里不会点哪里呢？

当LLM学会用工具

上面这句话中，出现了三个角色，“用户”、“工具”、“LLM”，以及隐藏的第四个角色——将这一切粘合起来的“主控程序”。

关于四者的交互流程，我从百炼找了张图，供以参考：

MCP干嘛来了

按着Agent+FunctionCall的模式，我设计了工具schema，走通了LLM的服务调用，终于让LLM学会了用工具。但随着工具越来越多、工具调用与LLM耦合得越来越深，不管是维护还是迭代，都会消耗大量的精力。

那么，问题来了：

- 有了MCP，我会怎么做

现在有了MCP，一切都好起来了：

近距离看看MCP

MCP is an open protocol that standardizes how applications provide context to LLMs. Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect your devices to various peripherals and accessories, MCP provides a standardized way to connect AI models to different data sources and tools.

MCP架构中的角色主要有以下几种：

ps：写了个mcp demo，就想让LLM告诉我，今天天气到底如何？

mcp = FastMCP("Demo")
@mcp.tool(  name="get_current_time",  description="获取当前时间",)defget_current_time(): """   获取当前时间并进行格式化展示   :return:  """  now = datetime.datetime.now()  formatted_time = now.strftime("%Y-%m-%d %H:%M:%S") returnformatted_time

@mcp.tool(  name="get_location",  description="获取当前地点",)defget_location(): """   获取当前地点   :return:  """ try:    response = requests.get("http://ip-api.com/json/")    data = response.json()
   ifdata["status"] =="success":      location_info = {       "country": data.get("country",""),       "region": data.get("regionName",""),       "city": data.get("city","")      }     returnjson.dumps(location_info, ensure_ascii=False)   else:     returnjson.dumps({"error":"无法获取地理位置"}, ensure_ascii=False) exceptExceptionase:   returnjson.dumps({"error":str(e)}, ensure_ascii=False)

AI搜索怎么玩MCP

场景一：文件解析与总结

1. 前置准备
1.1 注册AI搜索平台[1]，获取api-key[2]
1.2 vscode + cline

1.3 cline配置llm接口

API Provider选择 OpenAI Compatible

Base URL设为：

https://dashscope.aliyuncs.com/compatible-mode/v1

1.4 安装uv，管理python环境

curl -LsSfhttps://astral.sh/uv/install.sh| sh或者pip install uv

2. cline配置mcp server
2.1 下载alibabacloud-opensearch-mcp-server[3]
2.2 配置mcp server
{"mcpServers":{"aisearch-mcp-server":{"command":"uv","args":["--directory","/path/to/aisearch-mcp-server","run","aisearch-mcp-server"],"env":{"AISEARCH_API_KEY":"<AISEARCH_API_KEY>","AISEARCH_ENDPOINT":"<AISEARCH_ENDPOINT>"}}}}
3. 任务演示

此处为语雀视频卡片，点击链接查看：aisearch_mcp_demo.mp4

4. 业务价值

场景二：向量检索及排序

1. 前置准备

（新增）开通opensearch向量检索版[4]，构建一张向量表

（其他）同场景一

2. cline配置mcp server
2.1 下载alibabacloud-opensearch-mcp-server
2.2 配置mcp server
{"mcpServers":{"aisearch-mcp-server":{"command":"uv","args":["--directory","/path/to/aisearch-mcp-server","run","aisearch-mcp-server"],"env":{"AISEARCH_API_KEY":"<AISEARCH_API_KEY>","AISEARCH_ENDPOINT":"<AISEARCH_ENDPOINT>"}},"opensearch-vector-mcp-server":{"command":"uv","args":["--directory","/path/to/opensearch-vector-mcp-server","run","opensearch-vector-mcp-server"],"env":{"OPENSEARCH_VECTOR_ENDPOINT":"http://ha-cn-***.public.ha.aliyuncs.com","OPENSEARCH_VECTOR_USERNAME":"<username>","OPENSEARCH_VECTOR_PASSWORD":"<password>","OPENSEARCH_VECTOR_INSTANCE_ID":"ha-cn-***","OPENSEARCH_VECTOR_INDEX_NAME":"<Optional:indexinvectortable>","AISEARCH_API_KEY":"<Optional:AISEARCH_API_KEYforembedding>","AISEARCH_ENDPOINT":"<Optional:AISEARCH_ENDPOINTforembedding>"}}}}
3. 任务演示

4. 业务价值

场景三：Elasticsearch智能检索

1. 前置准备

（新增）开通Elasticsearch[5]，创建一份索引并写入测试数据

（其他）同场景一

2. cline配置mcp server
2.1 参考elasticsearch-mcp-server[6]
2.2 配置mcp server
{"mcpServers":{"elasticsearch-mcp-server":{"command":"npx","args":["-y","@elastic/mcp-server-elasticsearch"],"env":{"ES_URL":"http://es-cn-***.public.elasticsearch.aliyuncs.com:9200","ES_USERNAME":"<USERNAME>","ES_PASSWORD":"<ASSWORD>"}}}}
3
4. 业务价值






欢迎光临 链载Ai (https://www.lianzai.com/) Powered by Discuz! X3.5