三分钟带你全面理解MCP

西陵
575 阅读15分钟

首发于公众号 code进化论，欢迎关注。

理论知识

随着大语言模型（LLM, Large Language Model）如 GPT、Claude、DeepSeek 等在自然语言处理任务中取得显著突破，越来越多的系统开始尝试将其作为核心能力集成进各类智能应用中。然而，在实际应用过程中，我们逐渐发现，大语言模型在设计理念和实现方式上存在一些结构性缺陷，这些缺陷直接限制了其在高可靠性、高实时性场景中的表现，也成为推动“增强型语言系统”兴起的重要动因。

缺陷

缺陷一：知识封闭，难以实施更新

大语言模型的训练方式决定了其知识边界是静态的，模型训练往往使用某一时间点前收集的大规模语料，在此基础上通过长时间离线训练获得语言生成能力。一旦训练完成，其内部参数便不再具备学习能力，也无法通过外部交互进行知识更新。就像是一个知识丰富但是被困在屋子里的人，只能依靠自己已有的知识回答问题。

举个例子：GPT-3 是 2020 年训练的，即使你问它 2023 年 NBA 总冠军是谁，它也答不出来——它不知道！

缺陷二：无法调用外部工具

大模型本质上是一个语言生成器，而不是任务执行器，简单来说它就是一个聊天机器人，连最简单的天气查询都做不到，例如当用户说：

“请帮我查一下明天下午北京的天气。”

普通的大语言模型并不会真的去查天气数据，而是可能这样回答：

“明天下午北京可能会是晴天，气温在20度左右。”

这听起来像是个回答，但它完全是模型根据过去训练数据中出现过的天气描述“猜”的，并不来自于任何真实的天气数据源。

而要构建一个简单的天气预报 agent 就需要大模型能够调用类似 OpenWeather 这样的天气查询工具。

方案

RAG的提出：解决知识滞后

检索增强生成（RAG，Retrieval-Augmented Generation） 是一种结合信息检索和生成模型的技术框架。它通过将大语言模型（LLM）的生成能力与外部知识库的检索能力结合，使 AI 应用在回答问题或生成内容时更准确。

简单来理解 RAG 系统所做的事情是帮助大模型临时性地获得他所不具备的外部知识，允许它在回答问题之前先找答案。

Function Calling的提出：赋予模型行动力

解决知识问题只是第一步，如何让大模型具备调用外部工具的能力，才是其向智能体（Agent）演进的关键。为此，Function Calling（函数调用）机制应运而生。

Function Calling 是 Open AI 于 2023 年 6 月份首次提出的方案，可查看原文链接。

由于底层的技术限制，大模型本身是无法和外部工具进行交互的，因此 Function Calling 的思路就是创建一个外部函数作为中介：

这样大模型就能间接的去调用外部工具，下面是 OpenAi 官方给出的一个示例，展示了整个 Function Calling 的执行流程：

  • 当用户输入 query 后，agent 首先会将已有的工具函数及其描述&query送给大模型。

    from openai import OpenAI
import json

client = OpenAI()

tools = [{
    "type": "function",
    "name": "get_weather",
    "description": "Get current temperature for provided coordinates in celsius.",
    "parameters": {
        "type": "object",
        "properties": {
            "latitude": {"type": "number"},
            "longitude": {"type": "number"}
        },
        "required": ["latitude", "longitude"],
        "additionalProperties": False
    },
    "strict": True
}]

input_messages = [{"role": "user", "content": "What's the weather like in Paris today?"}]

response = client.responses.create(
    model="gpt-4o",
    input=input_messages,
    tools=tools,
)

  • 大模型会根据用户 query 的意图分析调用哪一个工具，并将工具函数名及其需要的参数输出。

    [{
    "type": "function_call",
    "id": "fc_12345xyz",
    "call_id": "call_12345xyz",
    "name": "get_weather",
    "arguments": "{\"latitude\":48.8566,\"longitude\":2.3522}"
}]

  • agent 拿到工具函数及其参数后，会执行代码调用函数，拿到工具函数返回的参数。

  • agent 再将之前的信息和工具函数的返回值送给大模型，让大模型进行总结。

  • 大模型返回总结后的结果输出给 agent，最终展示给用户。

Function Calling 这个能力确实是挺好的，给了大模型赋予了更多的能力，目前像 coze 的插件系统、千帆 Appbuilder 里的组件系统都是基于 Function Calling 的思路来封装的。

但是它有一个比较大的缺点，就是实现成本太高了，主要体现在几方面。

  • 编写外部函数的成本高

    一个简单的外部函数往往就要上百行代码，同时为了让大模型能够认识这些外部函数，需要开发者为这些外部函数编写 JSON Schema 格式的功能说明。

  • 微调大模型以支持 Function calling 能力

    通过微调大模型让他能够认识工具函数，并构造出函数所需要的参数。

  • 协议碎片化（重点）

    OPEN AI 最开始提出这项技术的时候，并没有想让它成为一项标准，所以虽然后续很多模型也支持了 Function Call 的调用，但是各自实现的方式都不太一样。

    这也就意味着，如果我们要发开一个 Function Call 工具，需要对不同的模型进行适配，比如参数格式、触发逻辑、返回结构等等，这个成本是非常高的。

    所以对与开发者来说，大部分情况还需要借助像 Dify、coze、Appbuilder 等平台来开发 Ai Agent。

  • 设计一套提示词模板

    为了提高 Function Calling 的准确率，可能还需要开发者去设计一套提示词模板，例如千帆 Appbuilder 提供的角色指令功能。

详细的函数定义说明可查看 OpenAI 文档。

什么是MCP？

MCP（Model Context Protocol，模型上下文协议）是一种由 Anthropic 公司推出的一个开放标准协议，旨在标准化大型语言模型（LLM）与外部数据源和工具的集成，其核心目标是解决“MxN”问题，即将 M 个不同的 LLM 与 N 个不同的工具集成的组合复杂性。通过提供一个通用的开放标准，进而取代了 Function Calling 碎片化的定制集成。

MCP整体架构

MCP组成部分

MCP Host

Host 指的是内置了 MCP Client 的应用程序，例如 Claude Desktop、Cursor，内部包含了对大模型的调用，调用 MCP Client 连接 MCP Server 等。在 MCP 的官方文档中已经列举出了目前支持 MCP 协议的 MCP Host：

MCP Client

Client 位于 Host 内部，负责通过标准的 MCP 协议与 MCP Server 建立连接和交互。

MCP Server

server 是一个轻量级应用程序，负责实现各种和三方资源交互的逻辑，比如访问数据库、浏览器、本地文件，然后通过标准化模型上下文协议公开其功能，client 连接到 server 之后能够访问其公开的功能。MCP Server 主要提供三种能力：

  • 资源（Resources）类似文件的数据，可以被客户端读取（如 API 响应、文件内容）。
  • 工具（Tools）：LLM 可以调用的函数（需要用户授权）。
  • 提示词（Prompts）：预先编写的模板，帮助用户完成特定任务。

这三个组成部分的关系如下图所示：

有了 MCP 协议之后，开发者只需要为每个工具按照 MCP 协议开发一个 MCP Server，不同的大模型只需要通过 MCP Client 和 MCP Server 建立连接就能使用 Server 中提供的功能，进而间接的调用外部工具，这可以大大减少开发者的工作量。

目前大部分第三方工具都提供了对应的 MCP Server，例如百度地图、高德地图、Github等，想查找更多 MCP Server 可以到下面几个网站：

使用案例

现在我们成热打铁，使用一个案例来带大家快速上手 MCP，这里我们选用 VsCode + Cline 来演示。

在这之前需要先保证电脑上已经安装 nodejs环境，因为下面演示的 MCP Server 需要在 node 环境运行。

在 vscode 中安装 Clien

模型配置

这里要配置两部分：

  • 模型提供商选择 OpenRouter，因为它提供了免费的 deepseek v3
  • 选择 deepseek-chat:free 模型

安装MCP Server

在 cline 的 MCP Server 商场中选择 github 对应的 MCP Server 并进行安装。

最终 cline 会提示如果要访问你的 github 仓库需要输入你的 API Key

这里我们只需要按照提示点击链接去生成一个 API Key，并给这个 API Key 赋予相应的操作权限，比如仓库内容的访问权限、仓库的创建、删除权限等：

查看是否连接

在MCP Server 页面选择已安装的 MCP Server，如果显示绿的按钮，就表示已经连接，并可以查看 MCP Server 提供的工具。

调用MCP Server

接下来就可以直接调用 MCP Server 中的工具来操作 github 仓库，比如在输入框中输入查询 query：

我的github名字是xxx，我有哪些仓库

最终大模型会返回 github 下所有的仓库。

MCP流程解析

看到这里其实大家基本对 MCP 有了一个初步的了解，但是大多数人对整个 MCP 运行的流程肯定还存在疑问，比如

  • MCP Clinet 是怎么知道 MCP Server 都提供了哪些工具列表的。
  • 大模型怎么从这些工具中选择出合适的工具。
  • MCP 是如何解决 Function Calling 的弊端。

接下来就会带大家使用上面的案例来一步步解析 MCP 完整的流程，在这个过程中会使用抓包工具 Charles 对 Cline 进行抓包，抓包的信息主要分为两部分：

  • MCP Host 和大模型之间的通信。

  • MCP Client 和 MCP Server 之间的通信。

    由于上面的使用案例使用的是 stdio 的通信方式，我们会在后面的章节通过手动开发一个使用 SSE 作为通信方式的 MCP Server，这样就能进行抓包分析。

配置抓包工具

由于 Charles 并不能直接抓取到 VsCode 的请求，我们需要在 VsCode 下配置请求代理，在 Vscode 的配置页搜索 http.proxy，然后在其中填写 http://127.0.0.1:8888，这样可以将 Vscode 的请求都代理到 Charles 下：

这样后续 openRouter 的请求就能在 charles 看到：

这里要注意的是请求的返回结果都是流式的（sse请求），所以返回的信息都是一段一段的，我们可以直接把这些消息全部复制出来保存到一个 txt 文件，让 chatgpt 帮忙合并一下：

请求分析

从 Charles 的抓包结果看，Cline 调用了两次 LLM API，下面对这两次请求进行分析：

  • 第一次请求

    第一次请求的请求体包含两部分内容，第一部分是一段很长的系统提示词，告诉大模型他的角色信息、可用工具等，第二部分是用户的 query 信息。

    系统提示词主要包含五部分：

    • 角色指定

    • 工具使用介绍

    • MCP Server 信息介绍

    • 约束信息

    • 目标工作流程

    因此只要大模型能读懂系统提示词就能读懂 MCP Server 提供的工具及其使用方式，这也就解决了 Function Calling 中存在的 n * m 的问题。

  • 第一次请求的响应

    这里的返回和系统提示此中要求的是一致的，在 中展示大模型对用户需求的分析及满足客户需求要调用的工具。在 <use_mcp_tool> 标签中展示了调用的工具及其传入的参数。

  • 第二次请求

    第二次请求的请求体内容在第一次请求的基础上加了两条：

    • 第一次请求的返回结果，即大模型思考和需要调用的工具信息。
    • 调用工具后的返回结果

    将这些信息传给大模型进行最终的答案总结。

  • 第二次请求响应

    大模型根据输入的信息产出最终回答给用户的内容，下面是合并 sse 消息之后的结果。

流程总结

MCP Server原理

mcp server 本质上就是一个服务，通过标准化模型上下文协议公开特定功能，MCP Client 与 MCP Server 建立连接之后可以通过特定的方式进行通信，在这个过程涉及了两个问题：

  • 如何以及何时启动 MCP Server。
  • MCP Client 如何和 MCP Server 进行通信。

通信方式

MCP Server 支持两种通信方式：STDIO 和 SSE。

  • STDIO（标准输入输出）

    MCP Client 将 MCP Server 作为一个子进程启动，运行在本地环境，它们通过标准输入/输出流进行通信，消息格式为 JSON-RPC ，整体流程如下：

    例如 Github-MCP-Server、Filesystem-MCP-Server 都是 STDIO 类型的。如果想将 STDIO 的通信方式转成 SSE，可以使用 supergateway 进行转换**。**

  • SSE（服务器推送事件）

    MCP Server 会部署为一个远程服务，MCP Client 通过 HTTP 协议连接远程服务器，服务器可以主动推送数据。

启动 MCP Server

不同通信方式的 MCP Server 启动方式会有所不同，使用 STDIO 的 MCP Server 需要在本地环境启动一个单独的进行运行，而使用 SSE 的 MCP Server 是一个已部署的远程服务，接入简单，下面通过分析两者的配置文件来介绍。

  • STDIO（标准输入输出）

    这里以 Github-MCP-Server 为例：

    {
  "mcpServers": {
    "github.com/modelcontextprotocol/servers/tree/main/src/github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "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"
      },
      "disabled": false,
      "autoApprove": []
    }
  }
}

    • command

      指定如何启动该 MCP Server，这里使用 npx 。npx 是 Node.js 生态系统中的一个命令行工具，它的主要功能就是帮助我们快速运行一些通过 npm 安装的工具，而不需要我们手动去下载安装这些工具到全局环境。

      除了npx 我们也可以通过 node、python 等工具来启动 MCP Server，这个具体要看 MCP Server 的实现。

    • args

      传递给 npx 命令的参数，"-y" 其实就等同于 --yes，其作用是在执行命令时自动同意所有提示信息，可以避免交互式的确认步骤，第二个参数其实就是这个 npm 包的名字。

    • env

      定义了环境变量，用于传递配置或授权信息给 MCP Server。

  • SSE（服务器推送事件）

    {
  "mcpServers": {
    "baidu-maps": {
      "url": "https://mcp.map.baidu.com/sse?ak=您的AK"
    }
  }
}

    基于 SSE 通信的 MCP Server 是一个远程的服务，所以只需要知道这个远程服务的 url 就能连接 MCP Server，MCP Server 所需要的鉴权参数通过 SearchParams 传入。

如何开发一个MCP Server

在官方文档中可以找到 MCP Server 的开发方式，并且官方提供了各个语言的 SDK 的示例代码：

整个开发流程写的非常清晰，跟着官方的流程就能快速开发一个 MCP Server，但是官方文档中只给出了 STDIO 类型的 MCP Server 开发示例，如果想学习 SSE 类型的 MCP Server 开发流程可以到 SDK 的 github 仓库中找到对应的示例：

创建MCP Server实例

使用官方提供的 SDK @modelcontextprotocol/sdk/server/mcp.js ，创建一个 McpServer 实例：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";

/**
 * 创建 MCP 服务器实例
 */
const server = new McpServer({
  name: "calculate", // 服务器名称
  version: "1.0.0", // 服务器版本
});

定义工具

import {z} from "zod";

/** 增加一个计算两数之和的工具 */
server.tool(
    "calculate_sum",
    "计算两个数的和",
    {
        a: z.number().describe('一个数字'),
        b: z.number().describe('一个数字')
    },
    async ({a, b}) => ({
        content: [{type: "text", text: String(a + b)}]
    })
);

/** 增加一个计算两数之积的工具 */
server.tool(
    "calculate_multiply",
    "计算两个数的乘积",
    {
        a: z.number().describe('一个数字'),
        b: z.number().describe('一个数字')
    },
    async ({a, b}) => ({
        content: [{type: "text", text: String(a * b)}]
    })
);

使用 server.tool 定义工具，包括工具方法的名称、工具方法的描述、工具方法的参数、工具方法的具体实现逻辑。

启动 Server

import {StdioServerTransport} from "@modelcontextprotocol/sdk/server/stdio.js";

const startServer = async () => {
    const transport = new StdioServerTransport();
    await server.connect(transport);
    console.error("MCP Server running on stdio");
}
  
startServer().catch((error) => {
    console.error("Fatal error in startServer():", error);
    process.exit(1);
});

启动 Server 时需要传入使用的通信工具，这里使用的 StdioServerTransport 通信协议，启动后等待外部的标准输入，并且把工具的执行结果转化为标准输出反馈到外部。

Cline接入 MCP Server

在 Cline 的 MCP Server 配置中加入刚刚创建的 MCP Server，这里需要注意的是由于我们创建的 MCP Server 是一个 STDIO 的 Server，所以需要在配置中配置他的启动命令，这里使用的是 node ，因为我们的产出就是一个本地的 js 文件，同时将产物的地址作为参数传给 node 命令。这样就能运行这个 js 文件启动服务。

参考资料

【1】Function Calling： openai.com/index/funct… 【2】标准输入输出：en.wikipedia.org/wiki/Standa… 【3】JSON-RPC：en.wikipedia.org/wiki/JSON-R… 【4】supergateway: github.com/coding-alt/… 【5】服务器推送事件: developer.mozilla.org/en-US/docs/… 【6】mcp官方文档: modelcontextprotocol.io/quickstart/…

avatar
文章
阅读
粉丝