当前位置：首页 > java >正文

探索 Model Context Protocol (MCP)：它如何影响 AI 的表现？

java 2025/7/14 22:43:43

Anthropic 公司

Anthropic 是一家技术实力雄厚的公司，也是大模型领域的重要参与者之一。其开发的 **Claude 模型** 是全球首个以编程能力见长并广受欢迎的大语言模型。这款模型凭借卓越的代码生成和理解能力，迅速成为许多开发者工具的核心组件。例如，知名的 AI 代码编辑器 **Cursor** 就深度集成了 Claude 模型，为用户提供了令人惊艳的 AI 编程体验。此外，其他类似的 AI 编辑器也普遍将 Claude 模型作为首选选项之一。

除了提供通过 API 调用的 **Claude 模型服务** 外，Anthropic 还开发了一款名为 **Claude for Desktop** 的桌面软件。打开这款软件后，用户会看到一个类似于 DeepSeek、豆包或元宝等产品的对话界面。只需输入内容，即可获得由 Claude 大模型生成的回复。

目前，市面上类似功能的手机端和电脑端应用大多仍以“一问一答”的交互方式为主。一些步伐较快的公司已经开始尝试引入实时语音交互、图片生成与修改等功能，但整体来看，这些技术仍处于非常初级的阶段。距离我们设想的终极目标——即用户只需输入一句话，AI 不仅能给出回复，还能直接调用设备上的资源，自动完成一系列复杂操作——还有相当长的一段路要走。

MCP 协议

Anthropic 公司通过以下模式来达成其目标。其中，“Host”是指安装在手机或电脑上的软件，例如 Anthropic 公司推出的 Claude for Desktop。Host 软件会与远程或本地的 Server 建立连接，从而从 Server 中获取数据或调用 Server 中的功能。

如果 Host 需要连接的多个 Server 使用了完全不同的接口定义，那么几乎需要为每个 Server 单独开发一个客户端，这种方式显然低效且难以维护。为了解决这一问题，可以引入一个额外的抽象层——**MCP 层**，通过它来统一规范所有 Server 的接口。

在上图中，Server1、Server2和 Server3 就是实现了 MCP 接口的 MCP Server。它们分别封装了以下功能：
- Server1：外部服务的 API 调用
- Server2：本地文件与 Git 操作
- Server3：数据库操作

通过 MCP 层的统一规范，Host 无需关心每个 Server 的具体实现细节，只需按照统一的接口协议进行交互，从而大大简化了系统的复杂性并提升了可扩展性。

怎样和 MCP 层交互？

实现终极目标的过程中，存在一个关键问题：**Host 如何自主判断应该调用哪个 MCP Server，以及具体调用该 Server 的哪个功能？** 这个问题看似复杂，但解决方法却非常巧妙：将决策权交给大模型。

具体实现步骤

1. 配置 MCP Server 地址
在 Host 软件中添加所有需要连接的 MCP Server 地址。

2. 获取 Server 能力描述
Host 软件通过调用 MCP Server 提供的「描述型」接口（如 `list_tools`），获取每个 Server 所支持的功能及其详细说明。这些说明包括工具名称、功能描述以及所需参数等信息。

3. 提交给大模型进行决策
Host 将用户的输入内容与已知的 MCP Server 功能描述一并提交给大模型。大模型根据上下文分析，决定需要调用哪些功能，以及具体的调用顺序。

4. 执行调用并返回结果
Host 根据大模型给出的调用顺序，依次调用对应的 MCP Server 功能，并将最终结果返回给用户。

MCP 协议的核心接口

上述过程是从感性层面描述了 Host 与 MCP 层的交互方式。实际上，MCP 协议定义了几类关键接口，用于支持这些操作：

1. list_tools
- 功能：获取 MCP Server 支持的所有工具列表。
- 返回值：包括工具名称、功能描述、所需参数等信息。

2. call_tool
- 功能：调用 MCP Server 中的一个具体工具。
- 参数：需指定工具名称，并传递相关参数。

3. list_prompts
- 功能：获取 MCP Server 内置的提示词列表。

4. get_prompt
- 功能：获取某个提示词的具体内容或语句。

此外，MCP 协议还定义了其他类型的接口，例如 `resource`、`roots` 和 `sampling` 等。不过，作为入门科普，我们无需深入探讨这些细节。可以预见的是，随着 MCP 的广泛应用，未来可能会增加更多类型的接口以满足多样化需求。

---

示例代码

以下是 MCP 文档中提供的一段代码示例，展示了如何通过 MCP 协议与 Server 进行交互：

```python
# 示例代码：调用 MCP Server 的 list_tools 和 call_tool 接口
from mcp_client import MCPClient

# 初始化 MCP 客户端
client = MCPClient(server_address="http://example-mcp-server.com")

# 获取 MCP Server 支持的工具列表
tools = client.list_tools()
print("Available tools:", tools)

# 根据用户输入选择工具并调用
selected_tool = "external_api_tool" # 假设大模型推荐了这个工具
params = {"api_endpoint": "/data", "method": "GET"}
response = client.call_tool(tool_name=selected_tool, params=params)

# 输出调用结果
print("Tool response:", response)
```

通过这种设计，Host 可以高效地利用 MCP 层提供的统一接口，完成复杂的任务调度和资源管理。这种方法不仅简化了开发流程，还为未来的扩展提供了极大的灵活性。