这几天，Agent 的相关概念沸沸扬扬。
不做词义追源，仅从大众角度，这个事儿是前年初开始的，也就是 2023 年 2-3 月。标志性事件包括：
AutoGPT 等开源项目的发布：这是第一批基于自然语言的 AI 自动化实践：你告诉它一个任务，它就会通过自然语言的自我对话，将这个任务进行拆分、规划并实现。你可以认为这是 Manus 的前辈：成功率极很低，能干的事儿很少
斯坦福小镇一类的项目实践：给予不同的 Bot 以不同的人格，搭配记忆窗口，让它们之间相互对话。
发表于 2 月的论文《Toolformer: 大模型可以教自己使用工具》，以及 OpenAI 在 3 月底发布的插件计划：这意味着，大模型从原来的“思想家”，通过对外部工具的使用，变成了实干家。
《AI 学会使用工具了》
2023年2月14日，报道自赛博禅心
由于语言泛化，今天出现了很有趣的现象：「Agent 是什么」，这个问题没有了标准的定义。
一个常见的观点是：Agent 是一种让 AI 以类似人的工作和思考方式，来完成一系列的任务。一个 Agent 可以是一个 Bot，也可以是多个 Bot 的协同。就像是职场里，简单的工作独立完成，复杂的工作协作完成一样。
对于每个 Bot 来说，可能会包括：
一个大脑：判断和规划行为，这里通常需要 GPT-4或更高水平的 LLM；
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。
什么是MCP？
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。
为什么要用MCP，而不是传统的API？
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。
为什么说传统API就像每扇门都有一把不同的钥匙？
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背后是谁？
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]。
MCP与API快速对比
| 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 |
MCP与传统API关键区别：
• 单一协议： MCP像一个统一接口，只要一次整合，就能连接多个服务。 • 动态发现： AI模型能自动识别并使用可用的工具，不用提前写死每个接口。 • 双向通信： MCP支持类似WebSockets的实时双向通信，模型不仅能查询数据，还能主动触发操作。
为什么要有双向通信？
MCP提供实时互动，模型能：
• 拉取数据： 模型实时查询数据，如查看你的日历。 • 触发操作： 模型主动向服务器发出指令，如重新安排会议或发送邮件。
MCP如何工作：架构原理
MCP采用简单的客户端-服务器架构：
• MCP主机（Host）： 如Claude桌面应用或智能开发环境（IDE），需要访问外部数据或工具。 • MCP客户端（Client）： 与MCP服务器建立一对一的稳定连接。 • MCP服务器（Server）： 提供特定功能，连接本地或远程的数据源。 • 本地数据源： 文件、数据库或服务。 • 远程服务： 外部API或互联网服务。
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。
实际中的MCP客户端案例
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。
MCP应用案例：什么时候用它？
设想下面几个场景：
1. 旅行规划助手
• 使用 API 时： 分别为谷歌日历、邮件、机票预订写代码，繁琐而复杂。 • 使用 MCP 时： AI助手直接通过MCP统一协议，查看日历、订机票、发邮件确认，无须单独整合每个工具。
2. 智能IDE（代码编辑器）
• 使用 API 时： 手动连接文件系统、版本管理、包管理和文档，耗时费力。 • 使用 MCP 时： IDE 通过 MCP 一次连接所有功能，带来更丰富的上下文支持，更强大的智能建议。
3. 复杂的数据分析
• 使用 API 时： 人工管理与每个数据库、数据可视化工具的连接。 • 使用 MCP 时： AI自动发现并连接多个数据库和可视化工具，通过统一的MCP接口轻松完成分析任务。
MCP 的好处
• 简化开发： 一次整合，多次复用，不再重复开发。 • 灵活性强： 轻松切换AI模型或工具，无需复杂的重新配置。 • 实时互动： 长连接保证数据实时更新。 • 安全可靠： 内置标准化安全和权限控制。 • 扩展性强： AI系统扩展时，只需连接新的MCP服务器。
什么时候传统 API 更适合？
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。
传统API更合适的场景：
• 需要细粒度控制、功能严格限制； • 更偏好紧耦合以提升性能； • 希望最大化交互的可预测性。
如何开始使用MCP？
快速集成MCP的步骤：
1. 定义能力： 明确你的MCP服务器提供哪些功能。 2. 实现MCP层： 按照协议标准进行开发。 3. 选择通信方式： 本地连接（标准输入输出）或远程连接（如WebSockets）。 4. 创建资源/工具： 开发或连接你的数据源和服务。 5. 建立客户端连接： 与MCP服务器建立安全稳定的连接。
总结
再次回顾什么是MCP：
• MCP： 为AI模型统一连接数据与工具的标准接口。 • API： 传统的方式，每个服务单独连接，开发更复杂。
MCP让AI与外部数据、工具的连接变得更加标准化和高效。
