什么是 MCP？
前段时间 MCP 大火，本来想乘着这个热度出几篇相关的文章来着，但由于种种原因被耽搁了，热度没蹭上?。
不过也有好处，现在再来看 MCP，至少不会被热度牵着走。
去年十一月底 Anthropic （就是 Claude 那家 AI 公司）开源了 MCP 协议（Model Context Protocol），它是：
一个开放协议，像 AI 应用的 USB 接口一样，规范了应用程序向 LLM 提供上下文的方式。 标准化的连接 AI 应用和不同数据源、工具之间的桥梁； 使开发者能够在其数据源和 AI 驱动的工具之间建立安全的双向连接； 目标是帮助前沿模型生成更好、更精准的响应。
简单来说，我们可以将其理解成一个转接头，上面可以插网线、外接显示器、电源线、支持 USB 的其他设备等等。
电脑就是 Host 主机，对应支持 MCP 的 AI 应用，比如 Cursor、Claude Desktop； 转接头就是 MCP，而转接头上的接口就是 MCP Client，和 MCP Server 保持一一对应的关系； 外接的移动硬盘、显示器、网线等等，就是 MCP Server。
为什么需要 MCP？
需要知道的是，每个模型的训练数据是有差异的，而模型自身也无法自主去更新内部数据。
这就导致即使是最复杂的模型也因与数据隔绝而受到限制，最终被困在信息孤岛和遗留系统之中。
每个新的数据源都需要单独定制实现，这使得真正互联的系统难以扩展。
直到 MCP 的出现，以上问题被迎刃而解～
其实之前 OpenAI 曾推出 Function call 的概念，利用 Function call 我们可以打破 AI 模型与外界数据之间的壁垒，从而实现 AI 联网、访问天气等功能。
这也使得在 MCP 刚出来的时候，让我觉得 Function call 也能做到的事情为什么又要搞一个“相同”的东西出来？
等到 OpenAI 也使用这套协议并让它真正出圈时，才发现它并没有那么简单。
首先，我们已经说过，MCP 提供了一个通用的开放标准，用于连接 AI 系统和数据源，用单一协议取代分散的集成。
在 MCP 的架构设计中，主机（MCP 客户端的宿主机）应用可以连接到多个服务器：
这里解释几个概念： - 主机是发起连接的 LLM 应用程序（如 Claude Desktop 或者 Cursor）； - 客户端在主机内部和 MCP 服务器保持1-1连接； - 服务器向客户端提供上下文、工具和提示；
其次，在 MCP 未出来之前，如果一个 AI 应用要接入一些工具，可能需要应用内部去做单独的适配，这会导致业务的复杂性和耦合性。
而在 MCP 出来之后，它通过统一的规范收敛了这种复杂性和耦合性：
工具方提供 MCP Server AI 应用内部使用 MCP Client 对接 Server
最后，也是最重要的一点，MCP 是一个协议，而不是 API。由它的全称就可以看出：Model Context Protocol——模型上下文协议。
它是以一个规范化、标准化的东西，而 API 则偏向客制化，如果发生变更很容易会导致对接方的功能失效。
MCP 还有三个核心类型的功能：Tools、**Resources 和 Prompts，**这里不过多赘述，感兴趣可以访问它们的文档进行学习～
