快速理解MCP协议核心概念与作用机制
MCP协议:大语言模型的革命性连接桥梁 核心内容:1 MCP协议的定义及其解决的核心问题2 MCP协议如何实现大模型与外部数据、工具的交互3 MCP协议的客户端与服务器架构及交互方式 MCP是什么 由 Anthropic 于2024年11月提出的开放协议,旨在解决大语言模型(LLM)与外部数据
MCP协议:大语言模型的革命性连接桥梁
核心内容:
1. MCP协议的定义及其解决的核心问题
2. MCP协议如何实现大模型与外部数据、工具的交互
3. MCP协议的客户端与服务器架构及交互方式
MCP是什么
由 Anthropic 于2024年11月提出的开放协议,旨在解决大语言模型(LLM)与外部数据源、工具的标准化连接问题。
可以这样理解:MCP就像是人的手。如果说大模型模拟的是人类的大脑,那么之前我们与大模型的交互始终停留在对话交流的形态。
但有了MCP之后,大脑的指令就能通过手去做实际的事情了。
这里实际的事情包括但不限于:
- 去淘宝下单购物
- 使用飞猪购买飞机票
- 使用 Blender 软件绘制 3D 工具
- 使用浏览器抓取某个网站
- 使用 Obsidian 查询和记录某个文档
所以MCP首先需要一个client,这个client能处理用户需求、请求大模型,并将大模型返回的信息解析成指令,再根据这些指令来调用MCP服务。
其次,MCP要有一个server,它是封装真实行为能力的服务接口。比如要用Blender软件绘制3D图片,那就需要在本地搭建一个HTTP服务器,调用Blender的各种对外接口来执行绘制,并将这种能力提供给MCP client。
一般来说,MCP的client和MCP的server是在同一台机器上的。

在官网(https://modelcontextprotocol.io/introduction)中,客户端被分为MCP Host和MCP Client,其实是一个意思。Host指的是宿主,比如cursor、Claude app这样的软件,其中与MCP server交互的部分叫做MCP Client。
MCP 协议是怎么交互的

这张图已经把流程讲得很清楚了。
MCP Client和MCP Server交互时,会分别通过 tools/list、resources/list、prompts/list 来获取该MCP Server提供了哪些能力。
其中 tools/list 的接口示例:
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"tools": [
{
"name": "search_arxiv",
"description": "Search arXiv articles by keyword",
"inputSchema": {
"type": "object",
"properties": {
"keyword": {
"type": "string",
"title": "Search Query"
},
"max_results": {
"type": "integer",
"minimum": 1,
"maximum": 50
}
},
"required": ["keyword"]
}
},
{
"name": "create_issue",
"description": "Create GitHub issue",
"inputSchema": {
"type": "object",
"properties": {
"repo": {"type": "string"},
"title": {"type": "string"},
"body": {"type": "string"}
},
"required": ["repo", "title"]
}
}
]
}
}
resources/list 的接口示例:
{
"jsonrpc": "2.0",
"id": 2,
"result": {
"resources": [
{
"uri": "file:///var/log/app.log",
"name": "Application Logs",
"mimeType": "text/plain",
"description": "Real-time server logs"
},
{
"uriTemplate": "postgres://db/users/{user_id}",
"name": "User Records",
"mimeType": "application/json",
"description": "Query user data by ID"
}
]
}
}
prompts/list 的接口示例:
{
"jsonrpc": "2.0",
"id": 3,
"result": {
"prompts": [
{
"name": "generate_report",
"description": "Generate technical report template",
"argumentsSchema": {
"type": "object",
"properties": {
"title": {"type": "string"},
"sections": {
"type": "array",
"items": {"type": "string"}
}
}
}
},
{
"name": "explain_code",
"description": "Generate code explanation",
"argumentsSchema": {
"type": "object",
"properties": {
"code": {"type": "string"},
"language": {"type": "string"}
},
"required": ["code"]
}
}
]
}
}
通过这几个接口,MCP Client就能利用Server提供的如下功能:
- 调用
tools/search_arxiv获取论文 - 通过
resources/read加载本地参考文献 - 使用
prompts/summarize生成文献综述
如何在本地安装一个MCP Server
官网的 https://modelcontextprotocol.io/quickstart/server 有教程教你如何本地安装一个查看天气的MCP Server。
这个MCP Server提供了两个工具:get-alerts 和 get-forecast。
实测下来,官网的教程是可行的。
有几个官网未曾提及的细节值得注意:
我想调试一下这个MCP服务
使用 mcp 命令:
- 图形化调试工具,可实时测试工具/资源/提示的执行效果
- 启动命令:
mcp dev weather.py(这个命令要在 venv 环境下运行)
(weather) ➜ weather git:(master) ✗ mcp dev weather.py
Need to install the following packages:
@modelcontextprotocol/inspector@0.6.0
Ok to proceed? (y) y
Starting MCP inspector...
Proxy server listening on port 3000
? MCP Inspector is up and running at http://localhost:5173 ?
在本地浏览器打开5173端口,就会出现调试界面。

在这个界面上可以很方便地调用某个tool工具。

cursor 工具中如何配置这个MCP Server
这个MCP Server是通过 uv 命令启动的,配置文件如下:
{
"mcpServers": {
"weather": {
"command": "uv",
"args": [
"--directory",
"/Users/jianfengye/Documents/workspace/mcp/weather",
"run",
"weather.py"
]
}
}
}
在cursor中配置好并启用后,就能看到这个服务提供的tools。

在cursor中使用 @mcp 就可以询问美国纽约的天气。

注意:官网给出的接口只能查询美国的天气,所以不要尝试查询中国地区的天气。
有哪些现成的MCP 服务
开源社区有一个:https://github.com/punkpeye/awesome-mcp-servers
还可以访问 https://glama.ai/mcp/servers 进行查询。
Claude 官方也创建了一个MCP Server集中地:https://cursor.directory
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:快速理解MCP协议核心概念与作用机制要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点你随手拍下一张照片,或者从相册中挑选一张图片,AI就能自动识别画面中的内容,并随即生成一句恰到好处的meme文案——这就是 MemeCam 正在实现的创意功能。它由 GPT-4o 驱动,目标非常明确:让 meme 创作变得轻松、有趣、且零门槛,人人都能成为段子手。 什么是MemeCam? MemeC
先说一个很有意思的应用——Seeing Dogs。它本质上是一款专门为视障人士打造的iPhone和iPad工具,但背后的逻辑其实很值得关注:用AI来“翻译”视觉信息,把周围的世界变得可听、可感。这个方向其实并不算新鲜,但能做到像Seeing Dogs这样把场景描述、物体识别、街道标志读取甚至菜单导航
今天我们来聊一聊名为Cargoship的产品。它的核心功能其实非常直接——为开发者提供经过预训练的AI模型,只需通过API调用即可使用。关键在于,你完全无需掌握机器学习知识,甚至不必了解模型背后的训练细节。这个工具能够直接帮助你跨越技术门槛。 目标用户群体 Cargoship精准定位了这样一类用户:
想象一下,有一个人工智能助手,它不仅能记住您上次聊到的内容,还能根据您的习惯和情绪,给出真正贴合需求的支持。不再是冷冰冰的机器人,而是像一位随时在线的朋友,用自然的语音陪伴您聊天,甚至能“读懂”您发送的图片和视频。这款Personal Voice and Vision Assistant(个人语音视
- 日榜
- 周榜
- 月榜
热点快看
