前言
前一阵，AI领域又出现一件令人兴奋的事件，不是某个新模型的发布，也不是某个应用的创新，而是一个 Anthropic 在2024年11月推出的开放协议——MCP。
这个协议热起来有一段时间了，但是由于个人前期使用不多，一直没有分享，最近学习了下，尝试和大家聊聊。
缘起
首先，我们需要了解下，为什么会出现 MCP？
大模型最初的时候，只能进行对话，不管是文本，还是多模态的图片、视频，但是本质都是问答。
这距离我们想要的 AI，差距有点大，最起码，它得可以帮我我们“做”事才行。
后来，有了 function call，我们可以通过自行调用外部 API 来实现大模型与外部能力的打通。
当时，大模型和外部能力的关系如下图：
这种情况下，整个大模型生态的复杂度会指数级上升。
并且，实际工作中，我们经常会在大模型中集成了某个外部能力，比如Gitee代码仓库操作，但大模型A中集成的代码在大模型B中往往不能直接使用，这会造成整体工作的大量重复和浪费。
因此，MCP 就诞生了。
介绍
MCP 全称 Model Context Protocol，模型上下文协议，旨在通过统一标准约定 大模型 与 外部数据（资源） 和 外部能力（工具） 的通信。
MCP 核心组件如下：
Host：宿主程序，即当前使用的大模型的载体应用，比如 Claude Desktop、Cursor、字节Trae等等。
Client：MCP 客户端，即负责与 MCP Server 进行通信的组件，内置在 Host 中，比如 Cursor 就已经内置了，直接录入 MCP Server 后即可实现调用。
Server：MCP 服务器，即实际提供外部数据和外部能力的组件，一般在 Host 外部，可以是本地文件的封装，也可以是远程 REST 接口的封装。
其它概念：
Resources：各类大模型外部的资源，可以是文本类型（源码、日志等），也可以是二进制类型（PDF、图片等），包括： 文件内容 数据库记录 API 响应 实时系统数据 截图/图片 日志文件 Tools：各类大模型外部的工具，可以是已经存在的接口改造而来，也可以是全新开发，包括： 文件系统接口 数据库访问（SQL） API接口 各类应用（企业微信） 等。
刚看到的资讯，MCP 最初的响应协议采用的 SSE 方案，前几天升级为 Streamable HTTP，更快，更方便。
应用场景
简单列举几个场景，方便大家了解 MCP 的应用。
代码开发：将自有组件或者非常用组件的文档集成进来，提供更加准确的AI辅助编码；集成浏览器 MCP，自动获取网页错误日志，加速调试工作。 数据分析：直接接入数据库、Excel等数据源，借助大模型能力分析各类指标。 企业办公：常用的邮箱、企业微信等应用，借助 MCP，不仅可以一步获取相关数据，还能代替人工进行邮件回复、企业微信消息发送。
总结
本次分享主要介绍了 MCP 的理论知识，让大家对其有个直观了解。
