出现MCP的背景
出现一个新技术必然是现有技术存在局限性，MCP的出现是为了弥补大模型数据库有限的问题。
每家公司推出的大模型都有自己的训练集，但是这个训练集是有限的，并不是什么资料都有，比如公司的隐私资料。想要大模型将公司的隐私资料添加进训练集，现在就几种方案：
- 微调成本太高，需要重新训练，并且时间周期较长，虽然最后的效果很高；
- RAG：检索增强生成。相对微调来说要简单很多，但是精准度并不高，最终效果并不理想。
- Function Call：让大模型能和外部系统交互，从而完成特定任务。
MCP和Function Call非常接近，或者说就是对Function Call的一种规范化的协议。
Funciton Call提供了大模型和外部系统交互的能力，比如大模型遇到无法直接回答的问题，就会调用Function Call(天气查询、位置查询等)获取到信息后再生成回答。
但是每家大模型为了保持独特性，提供的接口各不相同，一个相同的Function Call在A公司的大模型能用，但放到B公司的大模型就不适用了。
所以在这种情况下，MCP就出现了。
MCP基础知识
MCP全称Model Context Protocol模型上下文协议，是由Anthropic公司(Claude大模型)推出的一个开放标准协议。
通过MCP这个统一的规范，让大模型不管是连接数据库、第三方API、或访问本地文件等各种外部资源，都更加的标准化、可复用。
分为三个部分：
- MCP Host：大模型客户端，一般是AI Agent；
- MCP Client：一般是在大模型客户端实现的；
- MCP Server：提供服务的；
通过MCP这个协议将MCP Client和MCP Server连接起来，让MCP Host能访问到MCP Server提供的能力。
开发者按照MCP协议进行开发，不需要再去考虑不同模型的兼容问题，可以节省开发的工作量；另外开发出来的MCP Server，因为是通用协议，所以可以直接开放，推动了AI的发展。
MCP Server
是一个轻量级的应用程序，通过标准化的模型上下文协议即MCP公开特定功能。
简单来说就是让大模型能访问特定的数据源或调用特定工具。
常见的MCP Server如：
- 文件和数据访问类：让大模型能操作、访问本地文件或数据库
- Web自动化类：让大模型能操作浏览器，实现自动化流程
- 第三方工具集成类：让大模型能调用第三方平台暴露的API，如高德的MCP Server；
MCP的简单使用
MCP配置
一个高德的配置如下：
{
"mcp": {
"servers": {
"amap-maps": {
"command": "npx",
"args": [
"-y",
"mcprouter"
],
"env": {
"SERVER_KEY": "hafb27m98aafxn"
}
},
}
}
}- command：指定在命令行通过什么命令来执行。比如通过
npx来执行。 - args：数组，指定传给
command的参数
MCP工作流程
首先用户通过客户端和大模型交互，比如询问大模型今天xx天气怎么样，大模型去数据库中匹配，发现没有，于是会带着问题去MCP Server中查询，调用MCP Server提供的能力，MCP Server响应之后将结果返回到大模型，大模型整理之后再返回给用户。
可以看到，只是一个类似微服务中心的概念，不过MCP将其规范化、标准化了。
类型
STDIO：标准输入输出。客户端和服务端通过本地进程的标准输入输出直接通信。比如本地开发时直接和本地的MCP服务器交换数据，不需要网络通信。
SSE：服务器推送事件。客户端通过HTTP连接到远程服务器，服务器可以主动推送信息。
简单点理解就是，STDIO就是将一个MCP Server下载到本地，直接调用；SSE就是通过HTTP协议来调用远程的MCP Server。