大语言模型

MCP到底是什么？统一Function calling规范，工作量锐减至1/6，人人都能手搓Manus？

2025 年 3 月 17 日

探索MCP如何简化Agent开发，降低技术门槛，实现智能体功能飞跃。核心内容： 1. MCP的定义与起源，技术协议的重要意义 2. MCP如何解决Agent开发中的技术痛点 3. Function calling技术方案及其在MCP中的应用

MCP到底是什么？？

伴随着Agent技术爆火，MCP成了技术人口耳相传的热词。但MCP到底是什么，很多小伙伴一开始就被一大堆MCP复杂的技术名词劝退了。

什么叫做技术协议？什么叫做通信标准？主机、客户端、服务器有啥区别？工具、资源又是什么？

看着技术大佬用MCP创建了一个个酷炫的Agent，只能干着急。

MCP，全称是Model Context Protocol，模型上下文协议，由Claude母公司Anthropic于去年11月正式提出。

MCP更新：https://www.anthropic.com/news/model-context-protocol

MCP刚发布的时候不温不火，直到今年Agent大爆发才被广泛关注。而在今年2月，Cursor正式宣布加入MCP功能支持，一举将MCP推到了全体开发人员面前。

那到底什么是MCP，MCP又有什么用呢？

从本质上来说，MCP是一种技术协议，一种智能体Agent开发过程中共同约定的一种规范。这就好比秦始皇的“书同文、车同轨”，在统一的规范下，大家的协作效率就能大幅提高，最终提升智能体Agent的开发效率。截至目前，已上千种MCP工具诞生，在强悍的MCP生态加持下，人人手搓Manus的时代即将到来。

在初步了解了MCP的核心技术价值后，我们再来深入聊聊，MCP具体解决了Agent开发中的什么痛点？以及如何接入MCP呢？

总的来说，MCP解决的最大痛点，就是Agent开发中调用外部工具的技术门槛过高的问题。

我们都知道，能调用外部工具，是大模型进化为智能体Agent的关键，如果不能使用外部工具，大模型就只能是个简单的聊天机器人，甚至连查询天气都做不到。

而要构建一个简单的天气预报Agent，就必须让大模型能调用类似OpenWeather这种天气查询工具。

这要怎么实现呢？目前通用解决方案是借助Function calling方法，也被称作tools方法来实现外部工具调用。

Function calling是OpenAI于2023年6月首次提出的技术方案。

由于底层技术限制啊，大模型本身是无法和外部工具直接通信的，因此Function calling的思路，就是创建一个外部函数（function）作为中介，一边传递大模型的请求，另一边调用外部工具，最终让大模型能够间接的调用外部工具。

例如，当我们要查询当前天气时，让大模型调用外部工具的function calling的过程就如图所示：

Function calling是个非常不错的技术设计，自诞生以来，一直被业内奉为圭臬。但唯一的问题就是，编写这个外部函数的工作量太大了，一个简单的外部函数往往就得上百行代码，而且，为了让大模型“认识”这些外部函数，我们还要额外为每个外部函数编写一个JSON Schema格式的功能说明，此外，我们还需要精心设计一个提示词模版，才能提高Function calling响应的准确率。一套下来，开发难度着实不低。

之前我们团队在开发交互式编程Agent MateGen的时候，为了顺利调用6个外部函数，足足写了3000多行代码。

而伴随着技术发展，现在Agent开发需求难度更是指数级提升，例如此前火遍全网的Manus，处理每一个任务，都至少需要调用网页搜索、网页访问、网页信息获取、本地（沙盒环境）文件创建与管理、代码解释器等几十个外部工具，而为了要调用这些工具，就必须得编写几十个对应的外部函数（function），

此时大模型调用外部工具的架构就非常复杂了，编写这些外部函数的工作量可想而知。

而MCP的目标，就是能在Agent开发过程中，让大模型更加便捷的调用外部工具。为此，MCP提出了两个方案，

其一，“车同轨、书同文”，统一Function calling的运行规范。

首先是先统一名称，MCP把大模型运行环境称作 MCP Client，也就是MCP客户端，同时，把外部函数运行环境称作MCP Server，也就是MCP服务器，对应关系如图所示。

然后，统一MCP客户端和服务器的运行规范，并且要求MCP客户端和服务器之间，也统一按照某个既定的提示词模板进行通信。

“车同轨、书同文”最大的好处就在于，可以避免MCP服务器的重复开发，也就是避免外部函数重复编写。例如，像查询天气、网页爬取、查询本地MySQL数据库这种通用的需求，大家有一个人开发了一个服务器就好，开发完大家都能复制到自己的项目里来使用，不用每个人每次都单独写一套。

这可是促进全球AI开发者共同协作的好事儿，很快，GitHub上就出现了海量的已经开发好的MCP 服务器，从SQL数据库检索、到网页浏览信息爬取，从命令行操作电脑、到数据分析机器学习建模，等等等等，不一而足。

MCP服务器集锦：https://github.com/punkpeye/awesome-mcp-servers

现在，只要你本地运行的大模型支持MCP协议，也就是只要安装了相关的库，仅需几行代码即可接入这些海量的外部工具，是不是感觉Agent开发门槛瞬间降低了呢。

这种“车同轨、书同文”的规范，在技术领域就被称作协议，例如http就是网络信息交换的技术协议。各类技术协议的目标，都是希望通过提高协作效率来提升开发效率，而MCP，Model Context Protocol，就是一种旨在提高大模型Agent开发效率的技术协议。

那既然是协议，必然是使用的人越多才越有用。因此，为了进一普及MCP协议，Anthropic还提供了一整套MCP客户端、服务器开发的SDK，也就是开发工具，并且支持Python、TS和Java等多种语言，

借助SDK，仅需几行代码，就可以快速开发一个MCP服务器，

然后，你就可以把它接入任意一个MCP客户端来构建智能体，如果愿意，还可以把MCP服务器分享到社区，给有需求的开发者使用，甚至你还可以把你的MCP服务器放到线上运行，让用户付费使用。

而MCP的客户端，不仅支持Claude模型，也支持任意本地模型或者在线大模型，或者是一些IDE。例如，现在Cursor正式接入MCP，代表着Cursor正式成为MCP客户端，在Cursor中，我们不仅能快速编写MCP服务器（外部函数），更能借助Cursor一键连接上成百上千的开源MCP服务器，让大模型快速接入海量工具，从而大幅加快Agent开发进度。

我们也在自己的MateGen项目进行尝试，在MCP加持下，构建同样功能的智能体，手写代码的数量由原先的3000多行锐减到500行。可以说MCP技术为智能体开发效率带来了质的飞跃。2025注定是智能体爆发的一年，而MCP技术，则必然会大幅加快这个进程。

好了，以上就是本期全部内容。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务，帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们

MCP到底是什么？统一Function calling规范，工作量锐减至1/6，人人都能手搓Manus？

立即咨询 JOTO

想把这些做法用到你的业务里?

开启企业级 AI 落地

填写需求单