首页 / 文章

MCP是插件而非大脑:协议终止之处与代理循环开始之处

工具调用、MCP解决的布线问题、其角色与传输机制、它与编排技术的区别、最简化的FastMCP服务器以及何时可以省略它。

发布者:REACTAPP.TOP阅读约 6 分钟1377 词

来源: MCP Is a Plug, Not a Brain

问十个人MCP是什么,很多人会说是构建智能体的方式。其实并非如此。MCP只是一种插件:实用、设计精良、应用越来越广泛,但终究只是插件而已。搞清楚这一点就能消除许多关于智能体系统的误解。

从更低层级开始:工具调用

语言模型负责生成文本,仅此而已。它无法查询数据库、打开文件或调用 API。一旦被告知有哪些工具以及它们接受哪些参数,它就能以结构化请求的形式代替答案进行回应。面对关于同步失败的问题时,它不会自行猜测,而是输出类似调用 search_runbooks 函数并传入查询参数 ERR_4412 的内容。应用程序代码会检测到该请求,执行真正的函数并将结果作为下一条消息返回。模型读取结果后要么直接回复,要么请求使用其他工具。

请牢记这种分工机制,因为后续的一切都依赖于它。模型决定调用某个工具,代码则负责执行该调用。模型本身从不直接运行任何程序。每一个智能体、每一个框架以及所有所谓的自主系统,其实都是在这种往返循环中不断重复运行的。

MCP要解决的问题

工具调用功能在2024年就已经存在了。问题在于接口对接方式。每个主机应用都以自己的方式描述工具功能。要在Claude Desktop中实现团队运行手册的搜索功能,需要一种集成方案,Cursor需要另一种,而自定义代理则需要第三种,每种方案都有各自的架构格式、参数传递方式以及结果处理机制。5个主机和6种工具总共需要30种集成方案,这些方案彼此略有不同,且更新维护的节奏也各不相同。

这种情况类似于USB或JDBC:只要统一接口标准,组合方式就不会再不断增加。Anthropic在2024年底发布的、现由Linux基金会维护的Model Context Protocol对这种连接进行了标准化。提供工具的一方只需编写一个MCP服务器,该服务器会以统一格式列出所有工具,并通过统一的通信协议响应请求。这样一来,每个MCP主机都无需编写任何自定义代码即可发现并使用这些工具。五个主机和六个工具总共只构成十一个组件,而非三十个。

其底层基于JSON-RPC,这是一种比MCP早约十五年的请求与响应格式。该协议本身并无特别复杂之处,其价值完全来自于各方的一致认同。

具体组成部分

三种角色。主机拥有模型和对话控制权,可以是 Claude Desktop、Cursor 或自定义智能体。在主机内部,每个服务器对应一个客户端负责管理连接。服务器则负责提供各种工具。简而言之,主机负责运行模型和对话循环,服务器存储工具,而每个客户端则是连接两者的桥梁。

服务器能提供什么。共有三种类型。工具是模型调用的功能。资源是主机读入上下文中的数据,如文件或记录。提示词则是用户可选择的可重复使用模板。实际应用中大多使用工具。

两种传输方式。使用stdio时,服务器作为本地子进程运行,通过标准输入输出进行通信,这正是Claude Desktop在笔记本电脑上启动服务器的方式。Streamable HTTP则用于远程部署。

最近的一项变更。2026年7月的版本更新使得MCP在协议层面变为无状态。由于每个请求都是独立的,因此无需通过握手来建立会话,也不需要携带会话ID。实际上,现在的远程MCP服务器仅仅是一个HTTP服务,可以部署在普通的负载均衡器之后,并像其他服务一样实现扩展。关于MCP会话及initialize调用的说明适用于旧版本,该版本仍在12个月的过渡期内可用,但已不是未来的发展方向。

MCP在编排系统中的定位

可以将代理系统视为由四层构成的结构。

  • 第一层:模型。它会对对话进行推理并选择下一个工具。
  • 第二层:工具。负责执行实际任务的函数。
  • 第三层:协议。MCP。它负责主机对工具的发现、调用到工具的路径以及工具返回结果的传输。
  • 第四层:循环。即协调机制。该代码会发送消息,检测到工具请求后执行它,将结果传回,并决定是继续下一轮还是停止。如果存在“智能体”,就在这一层。

MCP运行在第三层,而编排机制运行在第四层,二者互不替代。询问它们之间的差异就好比询问HTTP与微服务架构有何不同,因为前者是一种数据传输格式,后者则是控制流程。完全可以在没有MCP的情况下使用优秀的代理,直接将功能集成进去,2024年时几乎所有人都是如此操作,现在仍有不少人在用这种方式。但反过来则不行,因为MCP服务器会在没有循环调用时处于闲置状态。

因此,“MCP还是LangGraph?”这样的问题存在分类错误。LangGraph运行在第四层,而MCP只是第三层的一种选择。一个项目可以同时使用两者,也可以只使用其中之一,或者两者都不用。

MCP真正带来的优势在于可移植性。只需构建一次运行手册服务器,值班工程师可通过Claude Desktop访问它,平台团队的故障处理工具可通过LangGraph访问它,开发人员在调试过程中也可通过Cursor访问它。一台服务器就能服务于三种终端,且无需重复构建任何内容。这确实是个巨大优势,不过它涉及的是基础设施层面,而非智能功能。

服务器的架构

一个用于提供运行手册搜索功能的完整服务器所需的代码量极少。这个示例使用了FastMCP,这是大多数Python服务器所采用的库。

from fastmcp import FastMCP
mcp = FastMCP("logistics-runbooks")@mcp.tool
def search_runbooks(query: str, limit: int = 5) -> list[dict]:
    """Search internal runbooks and release notes.
    Use for error codes, service names, or incident symptoms."""
    results = runbook_index.search(query, top_k=limit)
    return [
        {"id": r.id, "title": r.title, "excerpt": r.excerpt, "url": r.url}
        for r in results
    ]if __name__ == "__main__":
    mcp.run()

就是这些内容。装饰器会从函数的类型提示中获取协议所需的 JSON Schema,而文档字符串则成为模型在判断某个工具是否适用时所参考的文本。mcp.run()会在标准输入输出上启动服务器,这样 Claude Desktop 就能以子进程的形式启动它;而要通过 HTTP 进行远程部署,则只需一个参数。

有两点值得注意。文档字符串起着实际作用,因为这是模型在选择工具时的唯一参考依据,因此应当为模型而非同事来撰写。另外,runbook_index.search只是普通的检索代码,属于 RAG 系统中那种结合了重新排序器的混合检索方式。MCP 并没有让它变得更智能,只是让它更易于使用。

为何混淆依然存在

有三方面因素导致了这一状况。

名称问题。“模型上下文协议”听起来像是描述模型如何思考,但实际上它描述的是模型如何与各种资源建立连接。

演示内容。大多数MCP演示都展示的是Claude Desktop通过服务器完成某些令人惊叹的操作,这给人的印象是MCP让Claude完成了这些操作。实际上这是由Claude Desktop内置的循环机制实现的。MCP只是解释了为何该工具能够被使用。

出现时机。MCP出现在智能体成为众人关注焦点的时刻,因此它被归类在智能体技术之下。实际上它更应属于集成技术范畴,与REST和消息队列处于同一类别。虽然智能体会使用它,但它的初衷并非为智能体而设计。

何时值得关注

当一个工具需要为多个主机提供服务,或需要使用他人已开发的工具时,就该考虑使用MCP。目前已有数千种此类工具,覆盖了几乎所有人们希望接入的系统,在这两种情况下,MCP都能大幅简化工作量。

如果只是单个代理调用少量其他工具不需要的私有函数,那就无需使用MCP,直接将它们连接起来即可。一旦情况发生变化,用服务器将它们封装起来需要花费一整下午的时间,而由于新增部分的原理已被完全理解,这种选择会显得十分合理。

相关阅读

  • 从开发者视角看MCP:主机、客户端、服务器与工具调用 — 为什么大型语言模型需要工具协议,MCP主机、客户端和服务器如何分工,以及一个请求如何从用户端传送到工具端再返回。