|
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？ 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： 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： - 能不能能统一不同Tools的调用协议，让模型快速接入？
- 有了MCP，我会怎么做 现在有了MCP，一切都好起来了： - 再多的Tools，我用"list_tools"+"call_tool"就解决了。
- 我可以分享自己的Tools，也可以快速接入别人的Tools了。
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： - MCP Hosts: 相当于上文提到的“主控程序”，比如Claude Desktop、IDE等。
- MCP Clients: 服务调用的客户端，通常会被集成到Host中执行list_tools、call_tool等操作。
- MCP Servers: 服务调用的服务端，通常在此定义tools、prompts、resources等。
- Local Data Sources: 本地数据。
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)
1.1 注册AI搜索平台[1]，获取api-key[2]
API Provider选择 OpenAI Compatible Base URL设为：
https://dashscope.aliyuncs.com/compatible-mode/v1 
curl -LsSfhttps://astral.sh/uv/install.sh| sh或者pip install uv
2.1 下载alibabacloud-opensearch-mcp-server[3]{"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>"}}}}此处为语雀视频卡片，点击链接查看：aisearch_mcp_demo.mp4 - 降低接入成本，提升用户体验：支持用户通过标准化方式快速集成AI搜索平台的服务，降低了开发门槛和接入成本，同时提升了用户体验。
- 提高系统灵活性：用户可根据业务需求灵活配置AI服务，适应多样化的业务需求。
- 支持自然语言交互与智能化操作：用户可通过简单的自然语言指令进行智能化任务编排，完成复杂的任务执行。
- 促进创新和业务增长：可通过MCP的标准化集成，进行快速试错与迭代，加速产品上线周期。
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 2.1 下载alibabacloud-opensearch-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>"}}}}4. 业务价值 - 扩展AI应用场景：增强Agent向量检索能力，支持动态扩展和无缝集成。
- 优化用户体验：提供更精准的向量搜索服务，降低使用成本。
（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 2.1 参考elasticsearch-mcp-server[6]{"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>"}}}}- 提升数据搜索和分析能力：支持高效的全文搜索、实时分析和复杂查询。
|
