MCP

MCP常见的含义是模型上下文协议（Model Context Protocol） ，由Anthropic公司于2024年11月推出，被誉为 “AI 应用程序的USB-C”，是一种开放标准协议，旨在让AI模型能够方便、安全地连接到各种外部数据源和工具，为AI模型与外部世界的交互提供标准化解决方案。

• 核心目标：

  • 通用访问接口：提供单一开放协议，让AI助手能从任意数据库查询或检索上下文信息，无论数据位于文件系统、数据库还是第三方API，AI大模型都可通过统一方式访问。
  • 安全标准的连接：用标准协议取代临时API连接或自定义封装，实现身份认证、权限控制和数据格式标准化，内置对认证和使用策略的支持，确保数据访问安全规范。
  • 推动可持续的生态：推动可重用连接器（MCP服务器）的生态体系，使开发者 “开发一次，通用于多个LLM模型和客户端”，减少集成维护工作。

• 架构与组件：采用经典的客户端-服务器架构，包括三个核心组件：

  • MCP主机（Host）  ：运行LLM应用的宿主程序，如Claude Desktop应用、本地IDE插件或者自定义AI助手等，是用户直接交互对象，负责从各种数据源获取信息为模型提供上下文。
  • MCP客户端（Client）  ：运行在主机内部，与每个MCP服务器保持一对一连接，负责协议握手、能力发现和具体通信，将服务器提供的数据或功能转交给LLM使用。
  • MCP服务器（Server）  ：独立运行的轻量程序，通过标准化协议对外提供某种特定能力或数据，通常封装一种数据源或工具，对外暴露统一格式接口供客户端调用。

• 应用场景：

  • 代码开发与协作：官方MCP服务器支持完整GitHub工作流、Git操作，IDE集成可进行代码编写、分析和调试，还能结合编辑器支持智能代码审查和重构建议。
  • 数据查询与可视化：支持多种数据库的操作和结果分析，可进行数据可视化面板创建以及本地文件处理。
  • 第三方API集成：可集成企业服务（如Slack、Atlassian、Stripe ）和云服务（如AWS 、Kubernetes）。
  • 个人效率工具：实现Google云盘文件访问和搜索、Google地图获取地理位置和导航信息以及与社交媒体平台交互等功能。
  • 智能助手应用：如在浏览器中自动获取控制台日志，结合多个MCP服务器构建复杂工作流。

• 使用方法：使用MCP构建智能应用，一般步骤如下：

  • 选择MCP主机：确定使用的运行LLM的应用程序，如Claude Desktop或Cursor等。
  • 部署MCP服务器：针对要连接的外部数据源或工具，开发相应的MCP服务器。可参考现有的开源实现，使用Python或Node.js等语言进行开发。
  • 集成MCP客户端：在主机应用中集成MCP客户端，配置与MCP服务器的连接信息，进行协议握手和能力发现等操作。
  • 调用工具和资源：通过主机应用向LLM输入请求，LLM根据需求通过MCP客户端调用MCP服务器提供的工具和资源，完成相应任务。

此外，MCP还有内容整合商（Master Content Provider） 、多组件提示（Multi-Component Prompting）等含义。在不同领域可能有不同指代，如果你想了解的是其他含义，可以补充更多背景信息，以便我更准确作答。