链载Ai

标题: 火爆 AI 编程圈的 MCP 到底是个什么东西？ [打印本页]

作者: 链载Ai 时间: 昨天 12:40
标题: 火爆 AI 编程圈的 MCP 到底是个什么东西？

‍‍

‍‍最近，如果你经常使用 AI 编程的话，肯定听到过 MCP 这个概念？

那到底什么是 MCP 呢？

我今天试图给大家讲明白。

先从专业角度讲，MCP 就是 Anthropic (Claude) 主导发布的一个开放的、通用的、有共识的协议标准。

Model Context Protocol (MCP)

MCP 是一个标准协议，就像给 AI 大模型装了一个 “万能接口”，让 AI 模型能够与不同的数据源和工具进行无缝交互。它就像 USB-C 接口一样，提供了一种标准化的方法，将 AI 模型连接到各种数据源和工具。
MCP 旨在替换碎片化的 Agent 代码集成，从而使 AI 系统更可靠，更有效。通过建立通用标准，服务商可以基于协议来推出它们自己服务的 AI 能力，从而支持开发者更快的构建更强大的 AI 应用。开发者也不需要重复造轮子，通过开源项目可以建立强大的 AI Agent 生态。
MCP 可以在不同的应用 / 服务之间保持上下文，从而增强整体自主执行任务的能力。

MCP 遵循客户端 - 服务器架构，包含以下几个核心部分：

MCP 主机（MCP Hosts）：发起请求的 AI 应用程序，比如聊天机器人、AI 驱动的 IDE 等。
MCP 客户端（MCP Clients）：在主机程序内部，与 MCP 服务器保持 1:1 的连接。
MCP 服务器（MCP Servers）：为 MCP 客户端提供上下文、工具和提示信息。
本地资源（Local Resources）：本地计算机中可供 MCP 服务器安全访问的资源，如文件、数据库。
远程资源（Remote Resources）：MCP 服务器可以连接到的远程资源，如通过 API 提供的数据。

MCP 架构图

MCP 的工作流程可以简单概括为以下几个步骤：

连接：MCP 主机连接到一个或多个 MCP 服务器。
请求：主机发送请求以获取数据或执行工具。
处理：服务器处理请求，访问相关数据源或外部服务。
返回：服务器将结果返回给主机。
生成响应：主机将信息提供给 AI 模型，用于生成用户响应。

为什么需要 MCP 呢？

举个例子，例如我们目前还不能同时通过某个 AI 应用来做到联网搜索、发送邮件、发布自己的博客等等，这些功能单个实现都不是很难，但是如果要全部集成到一个系统里面，就会变得遥不可及。

如果你还没有具体的感受，我们可以思考一下日常开发中，想象一下在 IDE 中，我们可以通过 IDE 的 AI 来完成下面这些工作。

询问 AI 来查询本地数据库已有的数据来辅助开发
询问 AI 搜索 Github Issue 来判断某问题是不是已知的 bug
通过 AI 将某个 PR 的意见发送给同事的即时通讯软件 (例如 Slack) 来 Code Review
通过 AI 查询甚至修改当前 AWS、Azure 的配置来完成部署

那有了 MCP 呢？其他服务都遵循 MCP 标准的话，就像万能接口一样，让我们开发更高效了。

举个通俗易懂的例子

假设你正在使用一个 AI 编程助手来帮助你写代码。这个 AI 助手就是一个 MCP 主机。它需要访问一些外部资源，比如代码库、文档或者调试工具。MCP 服务器就像是一个中介，它连接了这些资源和 AI 助手。

当你需要查找某个函数的用法时，AI 助手通过 MCP 客户端向 MCP 服务器发送请求。
MCP 服务器接收到请求后，去代码库或文档中查找相关信息。
找到信息后，MCP 服务器将结果返回给 AI 助手。
AI 助手根据返回的信息，生成一段代码或解释，展示给你。

MCP 的优势

标准化：MCP 提供了一种统一的通信协议，使得不同的 AI 应用可以更容易地集成和扩展。
灵活性：通过 MCP，AI 应用可以连接到各种数据源和工具，增强了其功能和适用性。
安全性：MCP 确保了数据传输的安全性，保护了用户的隐私和数据安全。

举个生活化的例子：假设你是一个班长，每天要处理很多班级事务：查班级成绩表（Excel 文件存在电脑里），收集同学反馈（微信群里聊天记录），安排值日表（在线文档）。

传统方式：你需要自己打开 Excel、翻微信记录、编辑在线文档，手动整理信息，耗时费力。

使用 MCP 后，你直接对 AI 说：“帮我查一下最近数学考试的平均分，把不及格的同学名单整理到值日表里，并在微信群提醒他们补考。”AI 会自动完成：用“万能插头”MCP 连接你的电脑，读取 Excel 成绩。用 MCP 连接微信，找到相关聊天记录。用 MCP 修改在线文档，更新值日表。整个过程不需要你手动操作，数据也不会离开你的设备，安全又高效。

所以，MCP 厉害的地方在于，不用重复造轮子。过去每个软件（比如微信、Excel）都要单独给 AI 做接口，现在 MCP 统一了标准，就像所有电器都用 USB-C 充电口，AI 一个接口就能连接所有工具。

而且，数据不用上传到云端，AI 直接在本地处理。比如你的成绩单只存在自己电脑里，AI 通过 MCP 读取分析，但数据不会外泄。

MCP 会让 AI 更“懂”上下文，比如你让 AI “总结上周班会的重点”，它能自动调取会议录音、聊天记录、笔记文档，综合这些信息给你答案，而不是凭空编造。

所以，MCP 为 AI 应用提供了一个强大的工具，使其能够更灵活、更安全地与外部世界交互。

‍

欢迎光临链载Ai (https://www.lianzai.com/)