文章详细介绍了MCP(Model Context Protocol)协议架构、核心概念及工作原理。MCP包含Host、Servers和Protocol三部分，使用JSON-RPC 2.0通信协议，核心概念包括Resources(数据)、Prompts(模板)和Tools(函数)。文章解释了MCP交互流程：握手、资源发现和操作执行。MCP作为应用和模型间的桥梁，弥补了模型无法获取最新和私有数据的缺点，为AI应用开发提供了清晰工作流，是企业标准化AI能力的有效工具。
本文较长，建议点赞收藏。更多AI大模型应用开发学习视频及资料，在智泊AI。
今天再聊一聊MCP（Model Context Protocol），相比《一文了解MCP服务》 更深入一些。
首先通过下图了解 MCP 全貌：
很明显 Host 协调 AI 工作流，并不关心数据细节；Servers 暴露自身能力，并不感知模型；Protocol 处理通信，和互联网协议并无两样。
MCP 流行的原因之一在于其通信协议 JSON-RPC 2.0 很早就存在了，支持两种传输机制：
- • stdio：适合在同一台机器上运行 MCP Server，MCP Client 通过本地进程调用它。
- • HTTP：通过 HTTP 协议传输，支持 SSE Stream。
MCP 有三个核心概念，从而提供灵活性，仔细理解下图内容：
Resources 代表模型可以读取的数据，每种资源采用 URL 来区别不同的数据，比如 file:// 表示文件系统、postgres:// 表示数据库。Server 通过 resources/list 列出可用资源，而 Host 通过 resources/read 获取数据。
Prompts 为常见任务提供可复用的模板，包含了特定领域知识，采取最合适的指令。比如数据库 MCP 服务提供慢查询调试、数据迁移等 Prompt，每个 Prompt 都包含任务的上下文信息。
Tools 是模型可调用的函数，用于执行特定计算，它会修改状态，通过 Tools 模型能够主动执行，每个 Tool 通过 JSON 定义参数、类型、约束，模型发送符合特定模式 JSON 对象，Server 验证执行后返回结果。
比如 GitHub MCP 包含 create_issue、merge_pull_request、add_comment 等 Tools，每个 Tool 有明确的规范。
请注意，这三个概念中，不管是 Client 还是 Server 两个维度都有 Resources、Prompts、Tools，需要仔细理解。
最后理解 MCP 协议交互细节，具体见下图：
首先 Host 上的 MCP Client 和 MCP Sserver 完成握手，交换协议信息，这和传统通信协议是一样的。
其次是最关键的发现，Host 通过 resources/list 获取 MCP Server 的 Respurces 信息、通过 prompts/list 获取可用的 Prompt 和参数、通过 tools/list 获取 Tools以及对应的 JSON 模式。
通过发现机制，MCP Server 能够自我描述，而且发现机制也是动态的。
第三步就是执行操作，比如 Client 通过 resources/read 请求获取 Resource。
对于 Tools，首先 Model 通过内在能力构建了一个包含 Tools 名称和参数的 JSON 对象，然后 Client 发送 tools/call 请求，Server 验证后返回给 Host。
Prompt 稍微有点不同，Host 要检索一个 Prompt，Client 使用 Prompt 名称和参数调用 prompts/get，Server 返回处理过的 Prompt，包含了参数和上下文，最后 Host 将处理过的 Prompt 传递给 Model 执行。
最后 MCP 的作用是全方面的，它是应用和模型之间的工具，弥补了模型的一些先天缺点，比如无法获取最新和私有数据。其次对于开发者来说，MCP 为构建AI应用提供了清晰的工作流；对于企业来说，通过MCP标准化形式暴露企业能力，避免受制于特定厂商指定的标准。
更多AI大模型应用开发学习视频及资料，在智泊AI。
