- 什么是 MCP ?
MCP 协议的定义和发布，改变了我们使用 AI 的形态。
LLM 大模型第一次以 chatgpt 问世时，就足以震撼到我们。它具备各行各业的知识储备，可以识别人类语言，可以完成逻辑关系推理。在很长一段时间里，我们都是把问题抛给大模型，大模型回答后，我们在根据它的回复，复制粘贴到具体的场景进行处理。
但大模型不能无中生有，不能根据你的提问，直接帮你完成最终的处理。如；帮我查询最近一天内数据库账户表写入的数据量，这是做不到的，因为大模型并不能直接连接到我们的数据库或者其他任何服务。
在 2023 年前，如果想让大模型和程序代码互动，我们经常做的方式是写提示词，告诉大模型我的程序具备什么样的能力，有什么样的接口格式，你需要分析我的问题，并按照最终的执行给出结构化参数。json 格式为{"function":"query_user_account","arguments":{"sc":"渠道值"}}之后再根据大模型的结果调用对应的程序方法。不过以上方式执行起来的误差较大，经常是需要慢慢微调提示词。
到了 2023年6月，OpenAI 发布 gpt-3.5-turbo-0613 模型，给 API 的调用提供了 Function Calling 的能力，只需要在请求 API 的时候传入 functions 参数，告知大模型本地有哪些函数方法可以被调用使用即可。到了 2023年11月，gpt-3.5-turbo-1106 发布，这回开始支持 tools 函数，我们可以在提问的时候，进行网络检索，天气对接。但是这些功能代码， 都被嵌入到大模型调用中，编写起来耦合在一块，维护起来很麻烦。
直至到2024年11月，Anthropic 发布了 MCP 协议，将 tools 的封装单独抽离到独立的服务，这种服务称之为 MCP 服务，然后通过远程协议的模式提供给大模型调用。而 MCP 协议的主要作用是将服务转换为可以被大模型识别的格式结构（后面章节会细分析 MCP 协议）。
MCP 的作用
- MCP 在构建或与 AI 应用程序或代理集成时减少了开发时间和复杂性。
- MCP 提供对数据源、工具和应用程序生态系统的访问，这将增强功能并改善最终用户体验。
- MCP 可产生功能更强大的 AI 应用程序或代理，它们可以在必要时访问您的数据并代表您采取行动。
自从有了 MCP 协议以后，市面上开始出现各类的 AI Agent 智能体服务，如被大家熟知的 Dify、Corz、Trae.ai/Cursor 等。这些都是通用的智能体服务，可以解决市面上大部分通用场景问题。
到这以后，各个公司开启了自己的 AI Agent 智能体实现，对公司里自身业务场景进行提效。如账户服务、交易订单、计息计罚、还款计划等，做成智能客户和AI运营工具，都可以为企业提效。那么这里就有一个问题，这些接口想被大模型识别，就要开发为 MCP 协议服务，只有 MCP 协议才能被大模型识别的协议，公司里的各项服务要想被大模型调用，就要编写为一个个的 MCP Server 服务端，这个工作量是非常大的。
