简述MCP(Model Context Protocols)

What’s MCP

MCP，模型上下文协议，是一种开源标准。如果希望让我们的AI Agent能自动使用工具，能与各种数据源建立连接，自动地访问和利用外部信息，那么MCP就是这一过程的中间件。由LLM来决定需要调用哪些工具，但是由于LLM供应商以及各种工具标准并不统一，就MCP标准化指令的执行。即，MCP提供了一种将代理连接到工具的标准化方法。

MCP作为一种“中间协议层”，可以通过下图来更好地理解，具体架构将在后文阐述；

Why’ s MCP

上面也提到了，LLM供应商以及各种工具标准并不统一，并且函数调用本身就具有局限性，再进一步讲述之前，我们先明确函数调用的概念。

函数调用（function calling）负责将自然语言提示转换为结构化函数调用指令，以便面向工具的系统（如 MCP 服务器）能够理解并执行作。此阶段的重点是为工具或 API 生成精确的指令。这就是LLM与具体系统集成的第一阶段；第二阶段才是MCP提供标准化工具执行指令。

LLM供应商大都提供了函数调用的功能，这里以Deepseek为例，简述函数调用的过程和使用方法（不考虑MCP的使用），具体内容可以进一步参考Deepseek API文档；

1. 用户提问：北京今天的天气如何？
2. LLM理解用户提问，返回 function get_weather({location: 'Beijing'})；
3. （用户）手动调用 function get_weather({location: 'Beijing'})，将返回结果传递给LLM；
4. LLM理解结果，并将答案以自然语言形式输出；

示例代码如下：

from openai import OpenAI

def send_messages(messages):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
        tools=tools
    )
    return response.choices[0].message

client = OpenAI(
    api_key="<your api key>",
    base_url="https://api.deepseek.com",
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather of an location, the user shoud supply a location first",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state, e.g. San Francisco, CA",
                    }
                },
                "required": ["location"]
            },
        }
    },
]

messages = [{"role": "user", "content": "How's the weather in Beijing?"}]
message = send_messages(messages)
print(f"User>\t {messages[0]['content']}")

tool = message.tool_calls[0]
messages.append(message)

messages.append({"role": "tool", "tool_call_id": tool.id, "content": "24℃"})
message = send_messages(messages)
print(f"Model>\t {message.content}")

注意上述代码中，我们手动定义了工具的内容，其格式由LLM供应商决定，并且供应商之间标准并不统一。而且，函数调用功能是通过用户手动执行并将结果添加到prompt中实现的。

MCP’s Role in Execution

LLM生成函数调用指令后，必须执行这些指令才能提供结果。这就是 MCP 的用武之地。MCP 提供了一个标准化的框架来管理执行过程，包括工具发现、调用和响应处理；关于其具体的执行过程，我们先介绍它的架构；

MCP Architecture

上图直观展示了MCP的架构，它主要围绕三个组件构成：MCP Server、MCP Host、MCP Client；

• MCP Server：顾名思义，是MCP的服务端，即集成的工具、函数、结构和数据连接所在的位置，同时负责执行代理给出的指令；
• MCP Host：主机，比如聊天应用程序，用户使用包含代理的应用程序；
• MCP Client：MCP的客户端，是主机与服务器之间的接口，负责数据交换；

当引入MCP后，我们通过Agent代理查询天气的过程变成：

1. 用户提问：北京今天的天气如何？
2. 主机连接到LLM，根据问题和服务器提供的工具列表，确定使用哪些MCP Server；
3. 客户端调用所需的MCP Server，执行所选的工具；
4. 服务器将结果回送给LLM，后者生成最终答案并输出给用户；

MCP开发

持续更新中；

官方开发文档可参考：
官方开发文档

Reference

[1]. What is Model Context Protocol? (MCP) Architecture Overview