【AI+开发】什么是LLM、MCP和Agent？
一、前言
- 当前人工智能领域最热门的关键词有很多，最受关注的三个关键词就是：Agent、LLM、MCP。
- 引用王树国校长所说的一句话就是：**AI技术的发展大大突破了人的认知边界，更极大拓展了人们的生产生活效率。**第四次工业革命(AI)正在颠覆所有国家几乎所有行业，这场技术革命没有人可以幸免，没有人可以独善其身。不管你搞不搞，做不做，都会受到这次新技术革命浪潮的冲击。
- 作为开发者，需要注意的是：AI+开发 ≠ 纯AI写代码，过度依赖AI只会阻碍个人技术的提升。
二、Agent（智能体）
1.概念
- Agent（智能体）指的是一种可以自主感知环境、决策并执行动作的智能系统或程序。
- 在 AI 中，它通常是一种“具备目标、自主决策与执行能力的实体”。
2.特点
- 具备“目标导向”能力（如：查资料、总结、决策）；
- 能够自动调用工具、记忆和环境反馈；
- 可以组成多智能体系统（如多个 Agent 协作完成项目）；
- 类似一个“**自动运行的智能助手”。
3.示例
- AutoGPT / BabyAGI / OpenAI GPTs（自定义助手）
- 智能客服、自动化办公助手
三、LLM（Large Language Model，大语言模型）
1.概念
- LLM 是一种经过大规模文本训练的人工智能模型，能理解、生成自然语言；
- 比如现在很多人使用的 ChatGPT 和 DeepSeek 就是基于 LLM 的。
2.特点
- 参数量大（数十亿~数千亿）
- 能处理复杂的语言任务：问答、翻译、写作、代码生成等
- 可微调（Finetune）或通过提示工程使用（Prompt Engineering）
3.主流模型
- GPT 系列（OpenAI）
- Claude（Anthropic）
- Gemini（Google）
- LLaMA（Meta）
- 百川、月之暗、讯飞星火（国产）
四、MCP（Multi-Component Prompt，多组件提示）
1.概念
- MCP 是一种提示词设计方法，将一个任务提示分成多个结构化组件；
- 以提升大模型在复杂任务上的稳定性与理解力；
- 可以理解为提示词工程的优化。
2.应用场景
- 适用于长流程、多步骤、结构化生成任务，如：
- 数据抽取
- 代码生成
- 逻辑推理
3.常见组成结构
- 💡 指令：你要它干嘛
- 🧱 输入数据：上下文
- 🧠 示例：给它几个参考
- ✅ 输出格式：你想要的结构
4.示例（数据抽取 MCP）
任务：从以下文本中提取人物名称和组织名。
输入文本：张三是腾讯的高级工程师。
输出格式：
{"person": ["张三"],"organization": ["腾讯"]
}
五、三者关系
关系简图：
总结一览表：
| 关键词 | 含义 | 举例/用途 |
|---|---|---|
| Agent | 智能体，具备感知决策执行能力 | AutoGPT、GPTs 自定义助手 |
| LLM | 大语言模型 | GPT-4、Claude、LLaMA |
| MCP | 多组件提示构造方式 | 数据抽取、复杂任务优化提示结构 |
六、通俗例子
✅ 假设我们现在要完成一个任务：
👨💻 “我有一堆招聘文本，你帮我提取出岗位名称、工作地点和薪资。”
🌟 在这个任务中：
| 角色/方法 | 说明 |
|---|---|
| LLM | 语言大模型，负责理解招聘文本，生成结构化结果 |
| MCP | 多组件提示：告诉 LLM 怎么干（提示词工程） |
| Agent | 智能体：自动处理流程，比如：加载文件 → 调用 LLM → 保存结果 |
🎯 现实类比：把这三者比作一个“智能助理团队”来做事：
✅ 1).LLM 是大脑（干活的人）：一个知识超强、能说会道的助手，给他任务和文本，他就能处理：
输入文本：我们招聘Java开发工程师，地点在北京，月薪15k-25k。
输出结果：{"职位": "Java开发工程师", "地点": "北京", "薪资": "15k-25k"}
✅ 2）MCP 是任务说明书（清晰的提示）：提示词工程的优化方式，是你写给 LLM 的“说明书”：
你是一个信息抽取专家。
请从招聘文本中提取以下字段：
- 职位名称
- 工作地点
- 薪资范围输出格式如下：
{"职位": "","地点": "","薪资": ""
}招聘文本如下：{{招聘内容}}
👉 这就是 MCP：分模块的提示词结构，更清晰、稳定、易复用。
✅ 3）Agent 是流程机器人（管全场）：Agent 不自己干活，它像个“管家”或“流程控制器”，它会：
1. 遍历招聘网站抓来的数据
2. 把每条文本交给 LLM（用 MCP 提示）
3. 把抽取结果汇总保存成 Excel
4. 如果失败还可以重试或总结错误
- 你只需告诉它一个目标，它自动调用工具、模型、函数完成流程。这就是 Agent。
🧠 三者配合小结
| 组件 | 比喻角色 | 作用 |
|---|---|---|
| LLM | 能力最强的打工人 | 负责理解任务、执行文字处理 |
| MCP | 操作说明书 | 指导 LLM 怎么输出、输出什么 |
| Agent | 项目经理+执行机器人 | 自动把任务分解、执行、协调 LLM 和数据 |
✅ 图示理解：
🧠 LLM（语言大模型）↑用 MCP 说清楚你要干嘛↑🦾 Agent（流程自动化）——→ 执行任务、调用 LLM、多步处理🧪 举例系统：
- 比如你构建的一个“简历分析系统”：
- 用户上传一堆简历（PDF）
- Agent 控制流程，逐个文件提取文本
- 对每条文本，使用 LLM + MCP 提示，抽取职位、学历等字段
- 最终汇总为结构化表格
✅ 总结一句话：MCP 负责“写清楚问题”，LLM 负责“解答问题”，Agent 负责“安排一切”。