大家好，我准备开启一个全新的系列，来聊聊——大模型背后的协议与接口设计。
你可能在用 ChatGPT、Claude，也可能在部署 LLaMA、Mistral，甚至在试试各种 LoRA 模型。看起来大家都在“卷模型”、“卷推理速度”、“卷上下文长度”，但你有没有想过——这些模型之间到底怎么对接？前端怎么调模型？模型和显卡之间怎么沟通？不同框架之间的模型格式为啥总是不兼容？
这一切，其实都绕不开一个词：协议。
本系列分以下内容进行讲解：
- 大模型背后的协议与接口设计（一）- MCP
- 大模型背后的协议与接口设计（二）- Safetensors GGML ONNX
- 大模型背后的协议与接口设计（三）- OpenAI API vLLM OpenRouter
- 大模型背后的协议与接口设计（四）- FastAPI、TGI、gRPC
- 大模型背后的协议与接口设计（五）- Router 设计
- 大模型背后的协议与接口设计（五）- 分布式协议底层原理剖析
另外 ，大模型基础知识、实战教程及面试问题均整理放置在Github：LLMHub 这篇文章是本系列的第一篇。
最近MCP讨论热度逐渐攀升，每天都有很多的MCP工具产生，MCP是AI产业的又一大变革，未来还会有更加丰富通过MCP实现的AI产品来解放人类的双手。那么，MCP到底是个什么呢？
下面我分三个部分介绍一下MCP
- 什么是MCP
- MCP的核心架构
- MCP的工作流程
后续还会出MCP的具体使用部分
一、什么是MCP
MCP，即Model Context Protocal（模型上下文协议），Anthropic（也就是开发Claude的公司） 2024年11月25日发布于Introducing the Model Context Protocol 一文中。
MCP是AI领域的一种开放协议，他标准化了应用程序如何为LLM提供上下文，就像USB提供了一种将各种外围设备比如键盘、鼠标连接在电脑上一样，MCP提供了将不同数据源和工具连接到AI模型的标准化方式。在没有MCP之前，我们平时在使用chatgpt等大模型的时候，如果数据来自我们电脑中的网页，数据库，文件等内部工具时，我们要通过复制或者截图等方式和大模型进行交互。MCP的出现则解决了这个问题，MCP可以作为一个中介，完成上面的工作，用户只需要发出命令即可，大大提高了工作效率。
想象这样一个场景：当你对AI说"我上周看的论文大概有哪些创新点"，它往往只能“动嘴”而不能“动手”，需要你亲手上传你读过的论文，才能得到AI的回答。MCP 的出现，正是为了让 AI 从“智能回答者”变成“智能执行者”，它不再只是回复操作步骤，而是直接调取你的文件系统，完成分类归档、生成摘要——这就是MCP带来的变革。
下面这张图就非常形象的解释了MCP的作用。
二、MCP的核心架构
MCP模型区别于传统模式的最大不同就是MCP集中处理AI和其他的各种数据来源，不需要用户频繁进行交互，使得工作过程对用户更加透明。
MCP的核心遵循客户端-服务器架构，其中host主机可以连接多个服务器
MCP Host：希望通过MCP协议访问数据的ChatGPT、Claude等AI工具MCP Client：与服务器保持一对一连接的客户端MCP Server：轻量级的程序，每个程序都通过标准化的Model Context Protocol公开特定功能Local Data Source：MCP服务器可以安全访问的计算机文件、数据库和服务Remote Service：MCP服务器可以连接到的Internet上的可用的外部系统
三、MCP的工作流程
MCP的工作流程类似HTTP，但是其中还是有些许不同，下面的图片非常形象的描述了MCP的工作流程
可以看到上述步骤中Agent（即客户端）提出请求后，MCP之后的所有步骤对用户都是透明的，最后得到AI工具的回答。
上述内容部分参考cloud.tencent.com/developer/a…和blog.csdn.net/atbigapp/ar…，非常感谢，如有侵权请联系删除.
