Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

mcp是什么

Answer

模型上下文协议(Model Context Protocol,简称 MCP)是一种全新的开放协议,用于标准化地为大语言模型(LLMs)提供应用场景和数据背景。

它就像 AI 领域的“USB-C 接口”,能让不同的 AI 模型与外部工具和数据源轻松连接。其好处包括:

  1. 简化开发:一次整合,多次复用,不再重复开发。
  2. 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。
  3. 实时互动:长连接保证数据实时更新。
  4. 安全可靠:内置标准化安全和权限控制。
  5. 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。

MCP 最早由 Anthropic 公司开发,现已成为一个开放协议,越来越多的企业和开发者开始采用。

与传统 API 相比,通常 AI 系统连接外部工具时,需要单独整合多个不同的 API,每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护,极大地增加了开发复杂度。而 MCP 让 AI 模型更简单地获取数据、工具与服务。

如果应用场景需要精准且严格受控的交互方式,那么传统 API 可能更合适。例如:

  1. 需要细粒度控制、功能严格限制。
  2. 更偏好紧耦合以提升性能。
  3. 希望最大化交互的可预测性。

快速集成 MCP 的步骤包括:

  1. 定义能力:明确 MCP 服务器提供的功能。
  2. 实现 MCP 层:按照协议标准进行开发。
  3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。
  4. 创建资源/工具:开发或连接数据源和服务。
  5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。

总之,MCP 是为 AI 模型统一连接数据与工具的标准接口,让 AI 与外部数据、工具的连接变得更加标准化和高效。

Content generated by AI large model, please carefully verify (powered by aily)

References

什么是模型上下文协议(MCP)?它如何比传统API更简单地集成AI?

什么是模型上下文协议(MCP)?它如何比传统API更简单地集成AI?模型上下文协议(Model Context Protocol,简称MCP)是一种全新的开放协议,专门用于标准化地为大语言模型(LLMs)提供应用场景和数据背景。你可以把MCP想象成AI领域的“USB-C接口”,它能让不同的AI模型与外部工具和数据源轻松连接。本文将清晰地解释MCP的价值、工作原理,以及它与传统API的关键区别。[heading2]什么是MCP?[content]模型上下文协议(MCP)就像是为AI模型量身定制的“USB-C接口”,可以标准化地连接AI系统与各类外部工具和数据源。什么是MCP?就像USB-C接口让你的电脑更容易连接各种设备一样,MCP让AI模型更简单地获取数据、工具与服务。[heading2]为什么要用MCP,而不是传统的API?[content]通常,AI系统想连接外部工具时,需要单独整合多个不同的API。每个API都有独立的代码、文档、认证方式、错误处理和后续维护,极大地增加了开发复杂度。[heading3]为什么说传统API就像每扇门都有一把不同的钥匙?[content]打个比方:API就像不同的门,每扇门都需要自己的钥匙和特定的规则。为什么使用MCP而非传统API?传统的API要求开发者为每个服务或数据源单独编写代码和整合方案。[heading2]MCP背后是谁?[content]MCP最早由Anthropic↗[1]公司开发,目的是帮助AI模型(如Claude)更容易地连接工具和数据源。但现在,MCP已经成为一个开放协议,越来越多的企业和开发者开始采用它,这也让它逐渐成为AI与工具互动的新标准。

什么是模型上下文协议(MCP)?它如何比传统API更简单地集成AI?

•简化开发:一次整合,多次复用,不再重复开发。•灵活性强:轻松切换AI模型或工具,无需复杂的重新配置。•实时互动:长连接保证数据实时更新。•安全可靠:内置标准化安全和权限控制。•扩展性强:AI系统扩展时,只需连接新的MCP服务器。[heading2]什么时候传统API更适合?[content]如果你的应用场景需要精准且严格受控的交互方式,那么传统API可能更合适。MCP提供广泛而灵活的动态能力,更适合需要上下文理解的场景,但不一定适用于严格受控的场合。[heading3]传统API更合适的场景:[content]•需要细粒度控制、功能严格限制;•更偏好紧耦合以提升性能;•希望最大化交互的可预测性。[heading2]如何开始使用MCP?[content]快速集成MCP的步骤:1.1.定义能力:明确你的MCP服务器提供哪些功能。2.2.实现MCP层:按照协议标准进行开发。3.3.选择通信方式:本地连接(标准输入输出)或远程连接(如WebSockets)。4.4.创建资源/工具:开发或连接你的数据源和服务。5.5.建立客户端连接:与MCP服务器建立安全稳定的连接。[heading2]总结[heading3]再次回顾什么是MCP:[content]•MCP:为AI模型统一连接数据与工具的标准接口。•API:传统的方式,每个服务单独连接,开发更复杂。什么是MCP?MCP让AI与外部数据、工具的连接变得更加标准化和高效。

Claude 直接连接到 GitHub、创建新存储库并通过简单的 MCP 集成创建 PR。

https://x.com/alexalbert__/status/1861079762506252723Anthropic推出模型上下文协议(MCP)Claude Desktop现在可以直接连接到GitHub、创建新的存储库并创建PR模型上下文协议(MCP)简介我们在Anthropic一直在研究一个开放标准,它解决了LLM应用程序的核心挑战-将它们连接到您的数据。不再为每个数据源构建自定义集成。MCP提供一种协议来连接它们:

Others are asking
mcp 的内容
MCP(模型上下文协议)是一种创新的开放协议,由 Anthropic 公司在 2024 年 11 月推出并开源。 其主要特点和功能包括: 统一了交互标准,是链接所有 AI 应用与工具的桥梁,兼容所有 AI 应用。 具有三大功能:工具(Tools),底层使用 Function call 实现,与 OpenAI 格式兼容;资源(Resources),为 AI 提供参考信息;提示词(Prompts),预设对话模板。 主要接口路径包括获取工具列表、调用工具、获取资源列表、读取资源内容、获取提示词列表、获取提示词内容等。 转换步骤包括客户端向 MCP 服务器请求工具列表,将 MCP 工具定义转换为 Function call 格式,发送 Function Call 定义给 LLM,接收 LLM 生成的 Function call,将 Function call 转为 MCP 工具调用,发送工具调用结果给 LLM。 MCP 就像一个“转接头”或“通用插座”,其核心作用是统一不同外部服务,通过标准化接口与 AI 模型对接。它与传统 API 的关键区别在于: 单一协议:MCP 像一个统一接口,只要一次整合,就能连接多个服务。 动态发现:AI 模型能自动识别并使用可用的工具,不用提前写死每个接口。 双向通信:MCP 支持类似 WebSockets 的实时双向通信,模型不仅能查询数据,还能主动触发操作。 MCP 最早由 Anthropic 公司开发,目的是帮助 AI 模型(如 Claude)更容易地连接工具和数据源,现在已成为一个开放协议,被越来越多的企业和开发者采用,逐渐成为 AI 与工具互动的新标准。 官方文档:https://modelcontextprotocol.io/
2025-04-13
什么是mcp
模型上下文协议(Model Context Protocol,简称 MCP)是一种全新的开放协议,专门用于标准化地为大语言模型(LLMs)提供应用场景和数据背景。 它就像为 AI 模型量身定制的“USBC 接口”,能让不同的 AI 模型与外部工具和数据源轻松连接。其好处包括: 简化开发:一次整合,多次复用,不再重复开发。 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。 实时互动:长连接保证数据实时更新。 安全可靠:内置标准化安全和权限控制。 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。 MCP 最早由 Anthropic 公司开发,现已成为一个开放协议,越来越多的企业和开发者开始采用它,逐渐成为 AI 与工具互动的新标准。 与传统 API 相比,通常 AI 系统想连接外部工具时,需要单独整合多个不同的 API,每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护,极大地增加了开发复杂度。而 MCP 能让 AI 模型更简单地获取数据、工具与服务。 在某些情况下,传统 API 更适合,比如应用场景需要精准且严格受控的交互方式,如需要细粒度控制、功能严格限制,更偏好紧耦合以提升性能,希望最大化交互的可预测性。 快速集成 MCP 的步骤包括: 1. 定义能力:明确 MCP 服务器提供的功能。 2. 实现 MCP 层:按照协议标准进行开发。 3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。 4. 创建资源/工具:开发或连接数据源和服务。 5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。 总之,MCP 是为 AI 模型统一连接数据与工具的标准接口,让 AI 与外部数据、工具的连接变得更加标准化和高效。
2025-04-09
mcp
模型上下文协议(MCP)是一种全新的开放协议,专门用于标准化地为大语言模型(LLMs)提供应用场景和数据背景。它就像 AI 领域的“USBC 接口”,能让不同的 AI 模型与外部工具和数据源轻松连接。 MCP 的好处包括: 简化开发:一次整合,多次复用,不再重复开发。 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。 实时互动:长连接保证数据实时更新。 安全可靠:内置标准化安全和权限控制。 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。 与传统 API 相比,通常 AI 系统连接外部工具时,需要单独整合多个不同的 API,每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护,极大地增加了开发复杂度。传统 API 就像每扇门都有一把不同的钥匙,要求开发者为每个服务或数据源单独编写代码和整合方案。 MCP 最早由 Anthropic 公司开发,现在已成为一个开放协议,越来越多的企业和开发者开始采用它,逐渐成为 AI 与工具互动的新标准。 在某些情况下,传统 API 更适合,比如应用场景需要精准且严格受控的交互方式,包括需要细粒度控制、功能严格限制,更偏好紧耦合以提升性能,希望最大化交互的可预测性。 快速集成 MCP 的步骤包括: 1. 定义能力:明确 MCP 服务器提供的功能。 2. 实现 MCP 层:按照协议标准进行开发。 3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。 4. 创建资源/工具:开发或连接数据源和服务。 5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。 总结来说,MCP 是为 AI 模型统一连接数据与工具的标准接口,让 AI 与外部数据、工具的连接变得更加标准化和高效,而传统 API 是每个服务单独连接,开发更复杂。例如,Claude 可以通过简单的 MCP 集成直接连接到 GitHub、创建新存储库并创建 PR。
2025-03-31
mcp 有什么开源的方案吗
Anthropic 于 2024 年 11 月推出并开源了 MCP(模型上下文协议)。MCP 就像一个“转接头”或“通用插座”,能统一不同的外部服务,如 Google Drive、GitHub、Slack、本地文件系统等,通过标准化接口与大语言模型对接。开发者基于 MCP 规范开发一次“接口适配器”(MCP 服务器),就能让所有兼容 MCP 的模型(MCP 客户端)无缝接入,无需针对每个模型单独适配,大幅提升兼容性与开发效率。MCP 里面还包含 SSE(ServerSent Events),是一种允许服务器向浏览器推送实时更新的技术。MCP 像为 AI 模型量身定制的“USBC 接口”,可以标准化地连接 AI 系统与各类外部工具和数据源。与传统 API 相比,MCP 是单一协议,只要一次整合就能连接多个服务;具有动态发现功能,AI 模型能自动识别并使用可用的工具;支持双向通信,模型不仅能查询数据,还能主动触发操作。相关链接:
2025-03-27
mcp的介绍
模型上下文协议(MCP)是一种全新的开放协议,由 Anthropic 公司开发并开源。它旨在为大语言模型提供标准化的连接方式,使其能够更轻松地与外部工具和数据源集成。 MCP 就像为 AI 模型量身定制的“USBC 接口”或“转接头”“通用插座”,能统一不同的外部服务,如 Google Drive、GitHub、Slack、本地文件系统等。通过标准化接口与 AI 模型对接,开发者基于 MCP 规范开发一次“接口适配器”(MCP 服务器),就能让所有兼容 MCP 的模型(MCP 客户端)无缝接入,大幅提升兼容性与开发效率。 MCP 与传统 API 的关键区别在于: 1. 单一协议:MCP 像一个统一接口,一次整合就能连接多个服务。 2. 动态发现:AI 模型能自动识别并使用可用的工具,无需提前写死每个接口。 3. 双向通信:MCP 支持类似 WebSockets 的实时双向通信,模型不仅能查询数据,还能主动触发操作。 MCP 的好处包括: 1. 简化开发:一次整合,多次复用,不再重复开发。 2. 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。 3. 实时互动:长连接保证数据实时更新。 4. 安全可靠:内置标准化安全和权限控制。 5. 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。 使用 MCP 而非传统 API 的原因通常是,传统 API 要求开发者为每个服务或数据源单独编写代码和整合方案,极大地增加了开发复杂度。而在某些应用场景,如需要精准且严格受控的交互方式、细粒度控制、功能严格限制、更偏好紧耦合以提升性能、希望最大化交互的可预测性时,传统 API 可能更合适。 快速集成 MCP 的步骤包括: 1. 定义能力:明确 MCP 服务器提供的功能。 2. 实现 MCP 层:按照协议标准进行开发。 3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。 4. 创建资源/工具:开发或连接数据源和服务。 5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。 总之,MCP 让 AI 与外部数据、工具的连接变得更加标准化和高效。
2025-03-27
mcp服务是什么
MCP(模型上下文协议)是一项创新标准,由 Anthropic 于 2024 年 11 月推出并开源。它是为 AI 模型统一连接数据与工具的标准接口,旨在让大语言模型能够无缝连接至第三方的数据源。 MCP 的好处包括: 简化开发:一次整合,多次复用,不再重复开发。 灵活性强:轻松切换 AI 模型或工具,无需复杂的重新配置。 实时互动:长连接保证数据实时更新。 安全可靠:内置标准化安全和权限控制。 扩展性强:AI 系统扩展时,只需连接新的 MCP 服务器。 MCP 与传统 API 的关键区别在于: 单一协议:MCP 像一个统一接口,只要一次整合,就能连接多个服务。 动态发现:AI 模型能自动识别并使用可用的工具,不用提前写死每个接口。 双向通信:MCP 支持类似 WebSockets 的实时双向通信,模型不仅能查询数据,还能主动触发操作。 传统 API 更适合的场景包括: 需要细粒度控制、功能严格限制。 更偏好紧耦合以提升性能。 希望最大化交互的可预测性。 快速集成 MCP 的步骤: 1. 定义能力:明确 MCP 服务器提供的功能。 2. 实现 MCP 层:按照协议标准进行开发。 3. 选择通信方式:本地连接(标准输入输出)或远程连接(如 WebSockets)。 4. 创建资源/工具:开发或连接数据源和服务。 5. 建立客户端连接:与 MCP 服务器建立安全稳定的连接。 通过 MCP,我们可以让 AI 使用各种强大工具,比如查询实时天气、联网搜索最新信息、调用私人数据库等。
2025-03-27