自 OpenAI 在 2023 年推出函数调用（Function Calling）功能以来，业界一直在探索如何构建一个繁荣的 AI 智能体（Agent）和工具使用生态系统。随着基础模型不断强大，智能体与外部工具、数据和 API 交互的能力却逐渐变得碎片化。开发者必须为智能体的每个运行和集成系统实现特定的业务逻辑。
显然，执行、数据获取和工具调用需要一个标准接口。API 是互联网的第一个伟大统一者，为软件通信创造了共享语言，但 AI 模型缺乏类似物。
(adsbygoogle=window.adsbygoogle||[]).push({});
模型上下文协议（Model Context Protocol, MCP），于 2024 年 11 月推出，作为一种潜在的解决方案，在开发者和 AI 社区中引起了广泛关注。本文将探讨 MCP 是什么，它如何改变 AI 与工具的交互方式，开发者已经用它构建了什么，以及仍需解决的挑战。
什么是 MCP？
MCP 是一个开放协议，允许系统以一种跨集成通用的方式向 AI 模型提供上下文。该协议定义了 AI 模型如何调用外部工具、获取数据以及与服务交互。以下图展示了 Resend MCP 服务器如何与多个 MCP 客户端协同工作。
这个想法并不新鲜；MCP 从语言服务器协议（Language Server Protocol, LSP）中汲取了灵感。在 LSP 中，当用户在编辑器中输入时，客户端会查询语言服务器以获取自动完成建议或诊断信息。LSP 的成功在于它解耦了语言特性（如自动补全、错误检查）的实现与编辑器本身，使得一种语言服务器可以服务于多种编辑器，极大地提高了开发效率和生态系统的活力。
MCP 相较于 LSP 的扩展之处在于其以智能体为中心的执行模型。LSP 主要是响应式的（根据用户输入响应来自 IDE 的请求），而 MCP 则设计用于支持自主的 AI 工作流。基于上下文，AI 智能体可以决定使用哪些工具、以何种顺序使用，以及如何将它们链接起来以完成任务。这一点是关键区别：LSP 辅助人类开发者，而 MCP 旨在让 AI 智能体更自主地行动。MCP 还引入了“人在回路”（human-in-the-loop）能力，允许人类提供额外数据和批准执行，增加了可控性。
<img decoding="async" class="aligncenter size-full wp-image-29493" title="QR Galaxy：生成美观二维码的在线工具-3" src="https://www.aisharenet.com/wp-content/uploads/2025/03/5e
暂无评论