MCP（Model Context Protocol，模型上下文协议），2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
Function Calling是AI模型调用函数的机制，MCP是一个标准协议，使大模型与API无缝交互，而AI Agent是一个自主运行的智能系统，利用Function Calling和MCP来分析和执行任务，实现特定目标。
MCP的优势：开放标准利于服务商开发通用API，避免重复造轮子，利用现有MCP服务增强Agent。
MCP为什么那么火？
比如Coze，Dify等，每个平台都自己实现插件，不通用，有了MCP，那实现的插件可以通用了。
MCP 服务器不仅连接了外部资源与 AI 模型，还通过标准化的方式提供多样化的服务，以满足复杂应用场景的需求。
MCP主要功能
- 上下文共享：应用程序可以通过 MCP 向模型提供所需的上下文信息，增强模型的理解能力。
- 工具暴露：MCP将应用程序的功能暴露给模型，模型可以调用这些工具完成复杂任务。
- 可组合的工作流：利用 MCP 集成多个服务和组件，构建灵活、可扩展的 AI 工作流。
- 安全性：通过本地服务器运行，MCP 避免将敏感数据上传至第三方平台，确保数据隐私。
MCP架构
MCP 采用客户端-服务器架构：
MCP 客户端（Client）：通常是 AI 应用程序（如 Claude 或其他 LLM 工具），负责发起请求并与服务器通信。MCP 服务器（Server）：轻量级程序，负责暴露特定的数据源或工具功能，并通过标准化协议与客户端交互。
通信格式：基于 JSON-RPC 2.0，支持请求、响应和通知三种消息类型，确保通信的标准化和一致性。
MCP Servers主要功能
MCP Servers 作为一个轻量级的本地服务，旨在为客户端提供数据访问和功能执行的接口。
1. 资源暴露（Resource Exposure）
资源是服务器提供给客户端的数据实体，可以是文件、数据库记录、内存中的对象等。
例如：
- 文件资源：
file:///home/user/report.txt - 内存资源：
memo://recent-insights
2. 工具提供（Tool Provisioning）
工具是服务器暴露的可执行功能，客户端可以通过调用这些工具完成特定任务。
例如：
- 查询数据库：query_database（参数：SQL 语句，返回：查询结果）
- 文件写入：write_file（参数：文件路径、内容）
3. 动态通知（Dynamic Notification）
当资源发生变化时，服务器可以通过通知机制（如 notification 消息）主动推送更新到客户端。
4. 会话管理（Session Management）
处理客户端的连接初始化、能力协商和会话关闭。
