MCP

MCP官網

MCP 全稱 Model Context Protocol（模型上下文協議），MCP 是由 Anthropic 公司于2024年11月提出并開源的一種開放標準協議，旨在解決大型語言模型（LLM）與外部數據源和工具之間的集成問題。MCP 核心目標是通過標準化接口，使 AI 系統能夠無縫訪問外部數據源、工具和服務，從而打破數據孤島，提升 AI 助手的實際操作能力。MCP 采用客戶端-服務器（client-server）架構，支持雙向通信，并允許動態發現和調用外部工具。

MCP：模型上下文協議簡介

模型上下文協議（MCP）是由 Anthropic 在2024年11月推出的一項開放標準，旨在簡化大型語言模型（LLM）與外部數據源及工具的集成。其核心目標是建立一套標準化的接口，從而使 AI 系統能夠順暢地訪問各類外部資源，打破數據孤島，提升 AI 助手的實際操作能力。MCP 采用客戶端-服務器架構，支持雙向通信，并允許動態發現和調用外部工具。可以把它看作是 AI 應用的通用適配器，就像 USB-C 之于物理設備。

MCP的獨特價值何在？

為何要選擇MCP？它能幫助你在 LLM 的基礎上構建代理和復雜的工作流程。由于 LLM 常常需要與數據和工具集成，MCP 提供了以下優勢：

• 越來越多的預構建集成可供你的 LLM 直接使用。
• 在 LLM 提供商和供應商之間切換的靈活性。
• 保護基礎架構內數據的最佳實踐。

MCP的總體架構是怎樣的？

MCP 的核心架構遵循客戶端-服務器模式，其中主機應用程序可以連接到多個服務器。這一架構主要由以下幾個部分組成：

• MCP Host（MCP主機）： 諸如 Claude Desktop、集成開發環境（IDE）或 AI 工具等程序，需要通過 MCP 訪問數據。
• MCP Clients（MCP客戶端）： 與服務器保持 1:1 連接的協議客戶端。
• MCP Servers（MCP服務器）： 輕量級程序，每一個都通過標準化的模型上下文協議公開特定功能。
• Local Data Sources（本地數據源）： MCP 服務器可以安全訪問的計算機文件、數據庫和服務。
• Remote Services（遠程服務）： MCP 服務器可以通過互聯網（例如通過應用程序編程接口API）連接到的外部系統。

MCP的工作原理是什么？

MCP 通過一個簡易的系統，在 AI 應用程序和數據之間搭建橋梁：

1. MCP 服務器連接到你的數據源和工具，例如 Google Drive 或 Slack。
2. MCP 客戶端由 AI 應用程序（例如 Claude Desktop）運行，以將它們連接到這些服務器。
3. 在授予權限后，AI 應用程序會發現可用的 MCP 服務器。然后，AI 模型可以使用這些連接來讀取信息并采取行動。

這種模塊化系統意味著無需改變 AI 應用程序本身即可添加新功能，好比無需升級整個系統即可為計算機添加新配件。

如何使用MCP？

MCP 官方網站提供了詳盡的創建和使用指南，為不同開發者提供使用指導。你可以訪問 MCP 官網或 MCP 官方 Github 查看詳情。

MCP 官網地址：https://modelcontextprotocol.io/

MCP 官方 Github 開源代碼庫：https://github.com/modelcontextprotocol

MCP使用教程有哪些？

MCP 提供了針對不同用戶角色的使用教程：

1. 服務器開發者： 學習如何構建自己的服務器，以便在 Claude for Desktop 和其他客戶端中使用。教程地址：https://modelcontextprotocol.io/quickstart/server
2. 客戶端開發者： 學習如何構建可以與所有 MCP 服務器集成的客戶端。教程地址：https://modelcontextprotocol.io/quickstart/client
3. Claude 桌面用戶： 學習如何開始使用 Claude for Desktop 中預構建的服務器。教程地址：https://modelcontextprotocol.io/quickstart/user
4. MCP 調試指南： 在開發 MCP 服務器或將其與應用程序集成時，有效的調試至關重要。教程地址：https://modelcontextprotocol.io/docs/tools/debugging
5. MCP Inspector 使用教程： 學習如何使用 MCP Inspector 測試和調試模型上下文協議服務器。教程地址：https://modelcontextprotocol.io/docs/tools/inspector

MCP Servers 服務器有哪些示例？

以下是一些已經應用的各種模型上下文協議 (MCP) 服務器，以展示該協議的功能和多功能性。這些服務器使大型語言模型 (LLM) 能夠安全地訪問工具和數據源。

1. 數據和文件系統：
   • 文件系統：具有可配置訪問控制的安全文件操作。
   • PostgreSQL：具有模式檢查功能的只讀數據庫訪問。
   • SQLite：數據庫交互和商業智能功能。
   • Google Drive：Google Drive 的文件訪問和搜索功能。
2. 開發工具：
   • Git：讀取、搜索和操作 Git 存儲庫的工具。
   • GitHub：存儲庫管理、文件操作和 GitHub API 集成。
   • GitLab：GitLab API 集成，支持項目管理。
   • Sentry：從 Sentry.io 檢索和分析問題。
3. Web 和瀏覽器自動化：
   • Brave Search：使用 Brave 的搜索 API 進行網絡和本地搜索。
   • Fetch：針對 LLM 使用進行優化的 Web 內容獲取和轉換。
   • Puppeteer：瀏覽器自動化和網頁抓取功能。
4. 生產力和溝通：
   • Slack：頻道管理和消息傳遞功能。
   • Google 地圖：位置服務、路線和地點詳情。
   • 記憶：基于知識圖譜的持久記憶系統。
5. 人工智能和專用工具：
   • EverArt：使用各種模型的 AI 圖像生成。
   • 順序思維：通過思維序列動態解決問題。
   • AWS KB 檢索：使用 Bedrock Agent Runtime 從 AWS 知識庫檢索。

更多 MCP Servers 示例請訪問官網：https://modelcontextprotocol.io/examples

MCP Clients 客戶端有哪些示例？

下面是一些支持模型上下文協議 (MCP) 的應用程序。每個客戶端可能支持不同的 MCP 功能，從而允許與 MCP 服務器進行不同程度的集成。

更多 MCP Clients 示例請訪問官網：https://modelcontextprotocol.io/clients

MCP 官方集成了哪些內容？

這些 MCP 服務器由 Anthropic 公司為其平臺維護：

• Axiom： 使用自然語言查詢和分析日志、跟蹤和數據。
• Browserbase： 在云端自動化瀏覽器交互。
• Cloudflare： 在 Cloudflare 開發者平臺上部署和管理資源。
• E2B： 在安全的云沙箱中執行代碼。
• Neon： 與 Neon 無服務器 Postgres 平臺交互。
• Obsidian Markdown Notes： 閱讀和搜索 Obsidian 庫中的 Markdown 筆記。
• Qdrant： 使用 Qdrant 矢量搜索引擎實現語義記憶。
• Raygun： 訪問崩潰報告和監控數據。
• Search1API： 用于搜索、爬取和站點地圖的統一 API。
• Stripe： 與 Stripe API 交互。
• Tinybird： 與 Tinybird 無服務器 ClickHouse 平臺接口。
• Weaviate： 通過您的 Weaviate 系列啟用 Agentic RAG。

MCP 社區有哪些亮點？

MCP 官方社區開發的服務器生態系統不斷壯大，擴展了 MCP 的功能：

• Docker： 管理容器、鏡像、卷和網絡。
• Kubernetes： 管理 Pod、部署和服務。
• Linear： 項目管理和問題跟蹤。
• Snowflake： 與 Snowflake 數據庫交互。
• Spotify： 控制 Spotify 播放并管理播放列表。
• Todoist： 任務管理集成。

MCP的常見問題有哪些？

MCP 常見問題入口：https://modelcontextprotocol.io/faqs

MCP官方網站入口網址：

MCP官網：https://modelcontextprotocol.io/

OpenI小編發現MCP網站非常受用戶歡迎，請訪問MCP官網網址入口試用。