> 副标题："MCP 带来了应用与工具分层研发的新范式" > > 前言：最近大家都在聊 MCP，发现有个最重要的点被忽略了 **『通过标准化协议，将工具提供方与应用研发者解耦』** ，这一点带来的将是 **AI Agent 应用研发范式的转移**（类似 Web 应用研发的前后端分离）。 > > 本文以开发 [Agent TARS](https://agent-tars.com/) 应用为例，尽可能详细地介绍 MCP 在『开发范式』、『工具生态扩展』上起到的作用。 # 名词解释 | 名词 | 解释 | | :--------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | ***AI Agent*** | 在 LLM 语境下，AI Agent 是某种能自主理解意图、规划决策、执行复杂任务的智能体。Agent 并非 ChatGPT 升级版，它不仅告诉你“如何做”，更会帮你去做。如果 Copilot 是副驾驶，那么 Agent 就是主驾驶。类似人类“做事情”的过程，Agent 的核心功能，可以归纳为三个步骤的循环：感知（Perception）、规划（Planning）和行动（Action）。 | | ***Copilot*** | Copilot 是指一种基于人工智能的辅助工具，通常与特定的软件或应用程序集成，旨在帮助用户提高工作效率。Copilot 系统通过分析用户的行为、输入、数据和历史记录，提供实时建议、自动化任务或增强功能，帮助用户做出决策或简化操作。 | | ***MCP*** | Model Context Protocol（模型上下文协议）是一个开放协议，它规范了应用程序如何为 LLMs 提供上下文。可以将 MCP 想象为 AI 应用的 USB-C 端口。就像 USB-C 提供了一种标准方式，让你的设备连接到各种外设和配件，MCP 也提供了一种标准方式，让你的 AI 模型连接到不同的数据源和工具。 | | ***Agent*** ***TARS*** | 一个开源的多模态人工智能代理，提供与各种真实世界工具的无缝集成。 | | ***RESTful API*** | RESTful 是一种软件架构风格、设计风格，而不是标准，只是提供了一组设计原则和约束条件。它主要用于客户端和服务器交互类的软件。 | # 背景 AI 从最初只能对话的 Chatbot，辅助人类决策的 Copilot，再到能自主感知和行动的 Agent，AI 在任务中的参与度不断提升。这要求 AI 拥有更丰富的任务上下文 **（Context）**，并拥有执行行动所需的工具集 **（Tools）**。 ## 痛点缺少标准化的上下文和工具集导致开发者的三大痛点： 1. **开发耦合度高**：工具开发者需要深入了解 Agent 的内部实现细节，并在 Agent 层编写工具代码。这导致在工具的开发与调试困难。 2. **工具复用性差**：因每个工具实现都耦合在 Agent 应用代码内，即使是通过 API 实现适配层在给到 LLM 的出入参上也有区别。从编程语言角度来讲，没办法做到跨编程语言进行复用。 3. **生态碎片化**：工具提供方能提供的只有 OpenAPI，由于缺乏标准使得不同 Agent 生态中的工具 Tool 互不兼容。 ![没有 MCP 时的 Function Call](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/dc1dab31d68948d8bb76dfa5ec3ab665~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=8bc2OlPsKIsda5c8bscArfijFB8%3D) ## 目标 > "All problems in computer science can be solved by another level of indirection" -- Butler Lampson > 在计算机科学中，任何问题都可以通过一个抽象层解决。将工具从 Agent 层解耦出来，单独变成一层 MCP Server 层，并对开发、调用进行标准化。 MCP Server 为上层 Agent 提供上下文、工具的标准化调用方式。 ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/ca2bd20857484ef0bbb3fa7c2d2d76c7~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=yuYDW7gwu8N5EbmsRmaChvZWBrQ%3D) # 演示从几个例子中看 MCP 在 AI Agent 应用中发挥的作用： | 指令 | 回放 | 使用的 MCP Servers | 备注 | | :----------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------------------------------- | :-------------------- | | 从技术面**分析**下股票，然后以市价**买入 3 股**股票 | [Replay](https://lf3-static.bytednsdoc.com/obj/eden-cn/100upeupq/report_1742741107345.html) ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/92ea3a424e0c4676800b69e07b7e027a~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=9QuHekXWhLN0mlXIXcgLkeWKES8%3D) | [券商 MCP](https://github.com/longportapp/openapi/tree/main/mcp)、[文件系统 MCP](https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem) | 不构成投资建议，使用的是券商模拟账户下单。 | | 我的机器中的 CPU、内存和网络速度分别是多少？ | [Replay](https://lf3-static.bytednsdoc.com/obj/eden-cn/100upeupq/report_1742745014696.html) ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/8d70f4b8269c40548273fcd075cf3c1a~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=2d0zbIYjW7aayhvYcEiLhLeRzQ0%3D) | [命令行 MCP](https://github.com/g0t4/mcp-server-commands)、[代码执行 MCP](https://github.com/formulahendry/mcp-server-code-runner) | | | 在 ProductHunt 上找到点赞数最高的前5款产品 | [Replay](https://lf3-static.bytednsdoc.com/obj/eden-cn/100upeupq/report_1742745636585.html) ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/e8da53c661614d869da38cb9d48d0759~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=cZ%2BTNVjL6nY931%2FI5hUDWS0vP14%3D) | [浏览器操作 MCP](https://github.com/bytedance/UI-TARS-desktop/tree/fb2932afbdd54da757b9fae61e888fc8804e648f/packages/agent-infra/mcp-servers/browser) | | | 根据这篇文章调研下各个 Agent 框架的各维度对比，并生成一个报告 markdown | [Replay](https://lf3-static.bytednsdoc.com/obj/eden-cn/100upeupq/report_1744964826641.html) ![578c341b-a0a7-425a-bf30-1fc4f361a563.png](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/d989a3d66342487a9a9ca2b0faaa299e~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=5wa5FTg2ozgrGYelRfs1PqhUByI%3D) | Link Reader | 相比 fetch 具备更强的链接抓取能力 | > 已支持自定义 MCP Servers [!415](https://github.com/bytedance/UI-TARS-desktop/pull/415) [!489](https://github.com/bytedance/UI-TARS-desktop/pull/489)，可以添加 Stdio、Streamable HTTP、SSE 类型的 MCP Server。 > > 更多： # 介绍 ## 什么是 MCP？ Model Context Protocol（模型上下文协议）是 Anthropic 在推出的用于 LLM 应用和**外部**数据源（Resources）或工具（Tools）通信的**标准协议**，遵循 [JSON-RPC 2.0](https://www.jsonrpc.org/specification) 的基础消息格式。可以把 MCP 想象成 AI 应用程序的 **USB-C 接口**，**规范**了应用程序如何为 LLMs 提供**上下文**。 ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/9ef7a01c389e48b58c47585ee4c71c0e~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=uOJGBrUbnhP9AMSc5Ims99ohK%2FI%3D) 架构图如下： ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/667430e54e2143b7822d34e6f200a69e~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=bBH6iVallseKzfBMrt288uLXyNo%3D) * **MCP** **Client**：通过 MCP 协议与 Servers 通信，并保持 1:1 连接 * **MCP** **Servers**：上下文提供方，暴露外部数据源（Resources）、工具（Tools）、提示词（Prompts）等由 Client 进行调用。 * **语言支持层面**：TypeScript 和 Python、Java、Kotlin、C#
## 流程图一句话解释就是 MCP 提供给 LLM 所需的上下文：Resources 资源、Prompts 提示词、Tools 工具。 ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/73de9db99eaa4aaf9793c27d163d6075~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=UZwrv8JuYLPh73LFZ3gDzGqU86Q%3D) ## MCP 和 Function Call 区别？ | | [MCP](https://modelcontextprotocol.io/introduction) | [Function Call](https://platform.openai.com/docs/guides/function-calling) | | :----- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 定义 | 模型和其它设备集成的标准接口，包含：工具 Tools、资源 Resources、提示词 Prompts | 将模型连接到外部数据和系统，平铺式的罗列 Tools 工具。和 MCP Tool 不同的在于：MCP Tool 的函数约定了输入输出的协议规范。 | | 协议 | JSON-RPC，支持双向通信（但目前使用不多）、可发现性、更新通知能力。![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/1f4216765ded42998f286951982b0ea3~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=1uyQBF7WnKELp9dDAUIy4UpMQr0%3D) | JSON-Schema，静态函数调用。![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/496441ee255a43bfa51d1d6c970b125b~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=cw4gEgzymmLKtyl5D4OxBT4gyZc%3D) | | 调用方式 | Stdio / SSE / Streamable HTTP / 同进程调用（见下文） | 同进程调用 / 编程语言对应的函数 | | 适用场景 | 更适合动态、复杂的交互场景 | 单一特定工具、静态函数执行调用 | | 系统集成难度 | 高 | 简单 | | 工程化程度 | 高 | 低 | ## 从前后端分离看 MCP 早期 Web 开发在 JSP、PHP 盛行时，前端交互页面都是耦合在后端逻辑里的，造成开发复杂度高、代码维护困难、前后端协作不便，难以适应现代 Web 应用对用户体验和性能的更高要求。
AJAX、Node.js、RESTful API 推动前后端分离，对应 MCP 也正在实现 AI 开发的“工具分层”： * **前后端分离**：前端专注界面，后端专注 API 接口； * **MCP** **分层**：让工具开发者和 Agent 开发者各司其职，工具质量和功能的迭代不需要 Agent 开发者感知。这种分层让 AI Agent 开发者能像搭积木一样组合工具，快速构建复杂 AI 应用。 ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/3776681f29514e90acdbe39849a843b3~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=Dk%2BlIbW6VRPlnkFq9lKbBZd2rY0%3D) # 实践 > TLDR; 直接开箱即用 MCP > > * MCP Client：[@agent-infra/mcp-client](https://npmjs.com/package/@agent-infra/mcp-client) > * MCP Servers： > * Browser 浏览器：[@agent-infra/mcp-server-browser](https://npmjs.com/package/@agent-infra/mcp-server-browser) > * 命令行执行：[@agent-infra/mcp-server-commands](https://npmjs.com/package/@agent-infra/mcp-server-commands) > * 文件系统：[@agent-infra/mcp-server-filesystem](https://npmjs.com/package/@agent-infra/mcp-server-filesystem) > * 搜索：[@agent-infra/mcp-server-search](https://npmjs.com/package/@agent-infra/mcp-server-search) ## 整体设计以 [MCP Browser 浏览器工具](https://github.com/bytedance/UI-TARS-desktop/tree/main/packages/agent-infra/mcp-servers/browser) 开发和接入为例，逐步解析具体实现。暂时无法在飞书文档外展示此内容在设计 Browser MCP Server 时，并没有采用官方的 stdio call 方式（即通过 `npx` 方式跨进程调用）。原因是为了降低使用门槛，**避免用户在首次使用时先安装 Npm、Node.js 或 UV**，从而影响 Agent 开箱即用的体验（相关 [issue#64](https://github.com/modelcontextprotocol/servers/issues/64)）。因此，Agent 工具的设计分为两类： * **内置 MCP Servers**：完全遵循 MCP 规范，同时支持 Stdio 和函数调用。（换句话说用『MCP 标准开发 Function Call 』） * **用户自定义 MCP Servers**：针对需要扩展功能的用户，默认他们已经具备 Npm 或 UV 环境，因此可以支持更灵活的扩展方式。 > 两者的区别： > > 1. 内置 MCP Servers 是完成当前 Agent 功能的必备工具 > 2. 调用方式：内置方式不需要 Agent 用户安装 Node.js / npm，这对于小白用户比较友好。 ## MCP Server 开发以 mcp-server-browser 为例，其实就是一个 npm 包，直接使用 [create-new-mcp](https://www.npmjs.com/package/create-new-mcp) 创建脚手架： ```bash npm create new-mcp@latest -y > npx > create-new-mcp │ ◇ Project name: │ mcp-server-browser │ ◇ Scaffolding mcp-server in /Users/jcl/github/mcp-server-browser... │ └ Done. Now run: cd mcp-server-browser npm install npm run dev ``` ### 开发（dev）实践下来，通过 [Inspector](https://modelcontextprotocol.io/docs/tools/inspector) 来开发调试 MCP Server 是比较好，Agent 与工具解耦，可以单独调试和开发工具。直接运行 `npm run dev`启动一个 Playground，里面包含 MCP Server 可调试的功能（Prompts、Resources、Tools 等） ```bash $ npx -y @modelcontextprotocol/inspector tsx src/index.ts Starting MCP inspector... New SSE connection Spawned stdio transport Connected MCP client to backing server transport Created web app transport Set up MCP proxy 🔍 MCP Inspector is up and running at http://localhost:5173 🚀 ``` ![image.png](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/1ee3fed5eba7474787d78d76e7f168e2~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=i4NfFKQZBSbePuYY1mRrPMGrdJQ%3D) > 注：用 Inspector 调试开发 Server 时，console.log 是无法显示的，这点 debug 确实有点麻烦。 ### 实现（Implement） #### 启动入口（Entry）为了内置 MCP Server 可以当 **Function call 同进程调用**，这里在入口文件 `src/server.ts` 中导出一个方法：`createServer` 创建 MCP Server，导出这个 server 有助于将 MCP 核心实现转换成任意 Transport 进行调用。 ```TypeScript // src/server.ts export function createServer(): McpServer { const server = new McpServer({ name: 'Browser', version: '0.1.0', }); server.tool('name', 'description', { ...zod_schema }, async (args) => { // your tool implements }) } ``` 同时支持 **Streamable HTTP、SSE 、Stdio** 调用，直接在 `src/index.ts` 导入模块即可使用。 ```TypeScript #!/usr/bin/env node // src/index.ts import { startSseAndStreamableHttpMcpServer } from 'mcp-http-server'; import { program } from 'commander'; import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js'; import { McpServer } from '@modelcontextprotocol/sdk/server/mcp.js'; import { createServer } from './server.js'; program .name('mcp-server-') .description('MCP server for ') .version('0.0.1') .option( '--host ', 'host to bind server to. Default is localhost. Use 0.0.0.0 to bind to all interfaces.', ) .option('--port ', 'port to listen on for SSE and HTTP transport.') .action(async (options) => { try { const server: McpServer = createServer(); if (options.port || options.host) { await startSseAndStreamableHttpMcpServer({ host: options.host, port: options.port, createServer: async () => server as any, }); } else { const transport = new StdioServerTransport(); await server.connect(transport); console.debug('MCP Server running on stdio'); } } catch (error) { console.error('Error: ', error); process.exit(1); } }); program.parse(); ``` #### 工具定义（Definition） MCP 协议要求用 JSON Schema 约束工具的入参、出参，这里实践下来：推荐用 [zod](https://github.com/colinhacks/zod) 来定义一套 Zod Schema，导出到 MCP 时再将 zod 转成 JSON Schema。 ```TypeScript import { z } from 'zod'; const toolsMap = { browser_navigate: { description: 'Navigate to a URL', inputSchema: z.object({ url: z.string(), }), handle: async (args) => { // Implements const clickableElements = ['...'] return { content: [ { type: 'text', text: `Navigated to ${args.url}\nclickable elements: ${clickableElements}`, }, ], isError: false, } } }, browser_scroll: { name: 'browser_scroll', description: 'Scroll the page', inputSchema: z.object({ amount: z .number() .describe('Pixels to scroll (positive for down, negative for up)'), }), handle: async (args) => { return { content: [ { type: 'text', text: `Scrolled ${actualScroll} pixels. ${ isAtBottom ? 'Reached the bottom of the page.' : 'Did not reach the bottom of the page.' }`, }, ], isError: false, }; } }, // more }; const callTool = async ({ name, arguments: toolArgs }) => { return handlers[name].handle(toolArgs); } ``` > **技巧 Tips**：与 OpenAPI 返回结构化数据不同，MCP 的返回值专为 LLM 模型设计。为了更好地连接模型与工具，返回的文本和工具的描述 `description` 应更具语义化，从而提升模型的理解能力，提高工具调用的成功率。 > 例如，`browser_scroll（浏览器滚动）`在每次执行工具后，应返回页面的滚动状态（如距底部剩余像素、是否已到底等）。这样模型在下次调用工具时即可精准提供合适的参数。 ## Benchmark 基准为了在生产环境中更好地使用 MCP Server，这里做了一个基准测试，比较在不同 Transport、不同 HTTP Server 下的 MCP Server 的性能表现（[Benchmark Code](https://github.com/bytedance/UI-TARS-desktop/tree/f9ddab2684d7fc27976875177fee16727c0e7caf/packages/agent-infra/mcp-benchmark)）。 ![image.png](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/8b7fc9b8bb52452397355b928dfe95b7~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=YiEUc7lL2Tnyql9tLWt605YuEO8%3D) 结论是： * In Memory 同进程调用 * 比 Stdio 快 \~500 倍 * 比 SSE / HTTP 快 6\~7 倍 * mcp-http-proxy SSE 快于 Python 版 mcp-proxy 3\~4 倍 ## Agent 集成开发完 MCP Server 后，需要在 Agent 应用中进行集成。原则上，Agent 无需关注 MCP Servers 提供的工具、入参和出参的具体细节。 ### MCP Servers 配置在 MCP Servers 配置中分为『内置 Server』和『用户扩展 Server』，内置 Server 通过同进程 Function Call 调用，保证 Agent 应用对小白用户开箱即用，扩展 Server 则提供给高级用户扩展 Agent 上限功能。 ```TypeScript { // Internal MCP Servers(in-process call) fileSystem: { name: 'fileSystem', localClient: mcpFsClient, }, commands: { name: 'commands', localClient: mcpCommandClient, }, browser: { name: 'browser', localClient: mcpBrowserClient, }, // External MCP Servers(remote call) fetch: { command: 'uvx', args: ['mcp-server-fetch'], }, longbridge: { command: 'longport-mcp', args: [], env: {} } } ``` ### MCP Client MCP Client 的核心任务是集成不同调用方式（Stdio / SSE / Streamable HTTP / Function Call）的 MCP Server。Stdio 和 SSE 方式直接复用了 [官方示例](https://modelcontextprotocol.io/quickstart/client)，这里主要介绍下我们对 Function Call 调用是怎样在 Client 中支持的。 #### Function Call 调用 ```diff export type MCPServer = { name: ServerNames; status: 'activate' | 'error'; description?: string; env?: Record; + /** in-process call, same as function call */ + localClient?: Pick; /** Stdio server */ command?: string; args?: string[]; }; ``` MCP Client 调用方式如下： ```TypeScript import { MCPClient } from '@agent-infra/mcp-client'; import { client as mcpBrowserClient } from '@agent-infra/mcp-server-browser'; const client = new MCPClient([ { name: 'browser', description: 'web browser tools', localClient: mcpBrowserClient, } ]); const mcpTools = await client.listTools(); const response = await openai.chat.completions.create({ model, messages, // Different model vendors need to convert to the corresponding tools data format. tools: convertToTools(tools), tool_choice: 'auto', }); ``` 至此，MCP 的整体流程已全部实现，涵盖了从 Server 配置、Client 集成到与 Agent 的衔接等各个环节。更多 MCP 细节/代码已开源到 Github：[Agent 集成](https://github.com/bytedance/UI-TARS-desktop/blob/fb2932afbdd54da757b9fae61e888fc8804e648f/apps/agent-tars/src/main/llmProvider/index.ts#L89-L91)、[mcp-client](https://github.com/bytedance/UI-TARS-desktop/tree/main/packages/agent-infra/mcp-client)、[mcp-servers](https://github.com/bytedance/UI-TARS-desktop/tree/main/packages/agent-infra/mcp-servers)。
### Remote 远程调用如果是 Web 应用（无法使用 Stdio MCP Server），可以用 FaaS 将 Stdio 转成 SSE MCP Server，从而在 Function Call 的基础上无缝支持 MCP 类型的 Tools，这个过程换句话讲是『MCP Servers 云化』。 ![image.png](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/83761f793a1047fd98e91fb1468f6211~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=Y%2F%2FzIkKqoR7OhhtBaQ%2BlS4aoq6A%3D) 调用代码示例： import asyncio import openai import json from agents.mcp import MCPUtil from agents.mcp import MCPServerSse from agents import set_tracing_disabled set_tracing_disabled(True) async def chat(): client = openai.AzureOpenAI( azure_endpoint=base_url, api_version=api_version, api_key=ak, ) + async with MCPServerSse( + name="fetch", params={"url": "https://{mcp_faas_id}.your_gateway/sse"} + ) as mcp_server: + tools = await MCPUtil.get_function_tools( + mcp_server, convert_schemas_to_strict=False + ) prompt = "请求下 https://agent-tars.com/，主要是做什么的？" completion = client.chat.completions.create( model=model_name, messages=[{"role": "user", "content": prompt}], max_tokens=max_tokens, + tools=[ + { + "type": "function", + "function": { + "name": tool.name, + "description": tool.description, + "parameters": tool.params_json_schema, + }, + } + for tool in tools + ], ) for choice in completion.choices: if isinstance(choice.message.tool_calls, list): for tool_call in choice.message.tool_calls: if tool_call.function: + tool_result = await mcp_server.call_tool( + tool_name=tool_call.function.name, + arguments=json.loads( + tool_call.function.arguments + ), # or jsonrepair + ) + print("tool_result", tool_result.content) if __name__ == '__main__': asyncio.run(chat()) # 思考 ## 生态 MCP 生态不断发展壮大，越来越多的应用支持 MCP，同时开放平台也提供 MCP Server。同时也有像 [Cloudflare](https://blog.cloudflare.com/remote-model-context-protocol-servers-mcp/)、[Composio](https://mcp.composio.dev/)、[Zapier](https://zapier.com/mcp) 使用 SSE 方式将 MCP 进行托管（即接入一个 MCP Endpoint 即接入一批 MCP Servers），通过 Stdio 方式最理想场景是 MCP Servers 和 Agent 系统跑在同一 Docker 容器中（类似 Sidecar 模式）。 ![](https://p9-xtjj-sign.byteimg.com/tos-cn-i-73owjymdk6/2a834be6051f40c199ddb49b297ed7b3~tplv-73owjymdk6-jj-mark-v1:0:0:0:0:5o6Y6YeR5oqA5pyv56S-5Yy6IEAg5L-h6ZGr:q75.awebp?rk3s=f64ab15b&x-expires=1766359282&x-signature=wWVS9MxpguM3F5Qf9jlZnFMG9AI%3D) * 举个例子：接入地图厂商的 MCP Server 后，Agent 具备生活服务工具能力，远远优于单纯依赖搜索的方式。 ## 未来 * 目前的 MCP 开发非常初级，在工程化上缺少一套完善的框架来约束和规范。 * 根据 [MCP Roadmap](https://modelcontextprotocol.io/development/roadmap)，未来主要三件事： * Remote MCP Support：鉴权、服务发现、无状态服务，很明显奔着 K8S 架构去的，这样才能构建一个生产级、可扩展的 MCP 服务。根据最近的 [RFC Replace HTTP+SSE with new "Streamable HTTP" transport](https://github.com/modelcontextprotocol/specification/pull/206)，支持 Streamable HTTP，可以低延迟、双向传输。 * Agent Support：提升不同领域复杂的 Agent 工作流，并可以处理更好的人机交互。 * Developer Ecosystem：更多的开发者和大厂商参与进来，才能扩展 AI Agent 的能力边界。 * 实践下来，MCP Server SSE 并不是理想的方案，因为需要保持连接和 session 状态，而云服务（如 FaaS）更倾向于无状态架构（[issue#273](https://github.com/modelcontextprotocol/typescript-sdk/issues/273#issuecomment-2789489317)），所以最近提出了更适配云场景的 Streamable HTTP Transport。 * **MCP 模型调用与 RL 强化学习**：如果 MCP 成为未来的规范，那么 Agent 应用能否准确调用各个 MCP，将成为模型 RL 未来需要支持的关键功能。与 Function Call 模型不同，MCP 是一个动态的工具库，模型需要具备对新增 MCP 的泛化理解能力。 * **Agent K8S**：虽然目前 LLM 和上下文之间建立了标准化的通信协议，但 Agent 之间的交互协议尚未形成统一标准，Agent 服务发现、恢复、监控等一系列生产级问题等解决。目前Microsoft 的 [NLWeb](https://github.com/microsoft/NLWeb)（Natural Language Web）、Google 的 [A2A](https://developers.googleblog.com/zh-hans/a2a-a-new-era-of-agent-interoperability/)（Agent2Agent）和社区的 [ANP](https://agent-network-protocol.com/)（Agent Network Protocol）在做这方面的探索与尝试。 # 参考 * [a16z 详解 MCP，以及 AI 工具的未来](https://mp.weixin.qq.com/s/3d7uf0aEpkkZVgdHk0ri7A) * [How to Build an MCP Server Fast: A Step-by-Step Tutorial](https://medium.com/@eugenesh4work/how-to-build-an-mcp-server-fast-a-step-by-step-tutorial-e09faa5f7e3b) * [智能体互联网的三大趋势：连接范式正在彻底重构](https://zhuanlan.zhihu.com/p/31870979392) * [有了 MCP，AI 才完整](https://www.youtube.com/watch?v=ElX5HO0wXyo) * [硅谷 101：AI Agent 爆发前的黎明：Manus 不够好，但天快亮了](https://www.youtube.com/watch?v=2PSCnOFkR3U) * [MCP 终极指南](https://guangzhengli.com/blog/zh/model-context-protocol/) * [OpenAI 支持 MCP](https://x.com/sama/status/1904957253456941061) * [Microsoft Build 2025 支持 MCP](https://www.youtube.com/live/SVkv-AtRBDY?si=x4h6R5ykoF64v_Ob)