Clarence.C11505.8m
在一个万物互联的世界，AI 模型就像是核心不断在分析和推导，Chat，的AI孤岛，如果想让 AI 模型能连接到更多工具和接口就需要用到 MCP，MCP 是AI 模型和外部工具的通讯协议，主要是解决 AI 应用快速而灵活地扩展功能。
MCP (Model Context Protocol， 模型上下文协议)
2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
MCP 核心架构
从上图可以看出 MCP 核心架构分几个部分，MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：
- MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
- MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。
- MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
- 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
- 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。
MCP的起源
Anthropic 想做一个类似 LSP（Language Server Protocol）的东西？把这种”AI 应用与扩展之间的通信”标准化。
LSP 是一种用于开发工具的通信协议，由微软在2016年首次提出，并在开源社区中得到了广泛的支持和推广。它主要用于简化和标准化编程语言工具（如代码编辑器、集成开发环境IDE等）与语言服务器之间的交互。
LSP 的功能主要用于做，自动提示代码，代码导航格式化，重构智能提示等功能，LSP 也是采用客户端-服务器模式。客户端通常是代码编辑器或IDE，服务器是语言服务器（Language Server），负责处理与特定编程语言相关的逻辑，客户端和服务器之间通过JSON-RPC协议进行通信。客户端发送请求（如代码补全请求），服务器处理后返回响应。
MCP vs Function Calling vs A2A
| 对比维度 | MCP Model Context Protocol |
Function Calling | A2A Agent to Agent Protocol |
|---|---|---|---|
| 焦点 | 智能体 ↔ 工具 / 数据 | 智能体扩展功能 | 智能体 ↔ 智能体 |
| 性质 | 技术协议 | 功能机制，使用 API 调用 | 开放协议 |
| 范围 | 主要增强单个智能体的能力。 | 主要实现大语言模型与外部工具和服务的交互功能。 | 核心在于多智能体系统和协作。 |
| 目标 | 为 LLM 提供访问外部能力和上下文的标准方式。 | 为大模型提供工具调用功能，扩展模型的能力和应用场景 | 实现不同智能体间的互操作性与协调，打破智能体之间的"信息孤岛" |
| 实现 | 基于标准协议，实现 Function Call | 基于选择函数、准备参数、调用函数和整合代码 | 以"任务驱动、消息流转、能力发现"为核心实现 |
| 常见场景 | 支持复杂场景，跨平台数据访问和操作复杂任务 | 简单任务，机械式操作 | 支持复杂场景，并可以Agent 智能体之间协作操作复杂任务 |