从开发者的视角看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的主机、客户端和服务器如何分工,以及一个请求是如何从用户传递到工具再传回的。
人工智能已成为软件开发工作中不可或缺的一部分。各类助手能够生成代码、定位错误、分析数据以及自动化处理各种任务,从而彻底改变了开发者的工作方式。然而仍有一个基本问题:模型如何才能安全高效地与开发者日常依赖的工具、数据及系统进行交互?模型上下文协议(MCP)便是其中一个答案。
接下来的内容将从开发者的角度探讨MCP:什么是MCP服务器以及它存在的意义、各组成部分如何协同工作、模型如何通过该协议调用外部工具,以及它对提升系统可扩展性、可维护性和工作效率的作用。
MCP存在的理由
从当前的情况说起。你可以通过浏览器或应用程序使用 OpenAI 的强大大型语言模型、Meta 的 Llama、DeepSeek、Google 的 Gemini 以及 Anthropic 的 Claude。它们能够回答问题、撰写文本和代码、总结文档,甚至生成图像。
先聚焦于一项基本能力——生成文本回复。假设你询问某个大型语言模型科伦坡最好的酒店,它可以根据自身掌握的知识给出有用的答案,但很快就会出现两个限制。
限制一:过时的知识
模型的知识来源于其训练数据以及所获得的额外信息或工具。由于没有与外部实时信息的连接,它可能不知道当前的酒店价格、房间空余情况、航班时刻表或最近开业的场所。
限制二:无法执行操作
这个问题更为深刻。模型可以生成答案,但无法在现实世界中自动执行任何操作。让它给你的经理发邮件,它虽然能写出邮件内容,但除非连接到具有相应权限的邮件服务,否则无法发送。让它为某个漏洞创建Jira工单,它可以起草标题和描述,但创建工单需要访问Jira的权限。预订酒店、查询数据库、操作公司系统或调用API也是如此。
那么该如何填补这一差距呢?
AI智能体作为第一步
通常的首选解决方案就是智能体:将大型语言模型与外部工具结合,使其能够选择适合某一步骤的工具以及何时调用该工具。以旅行助手为例:用户要求它为下个月规划一次巴黎之行,它就需要挑选合适的酒店并完成预订,同时推荐附近的有趣景点。
那句话背后隐藏着一系列任务。该智能体可能需要:
- 查找可用的酒店
- 查看酒店的详细信息、价格及空房情况
- 完成预订
- 寻找酒店附近的景点
- 获取位置及地图数据
- 发送确认邮件
完成这些任务需要借助外部资源。大语言模型负责提供理解与推理能力,而各类工具则提供执行任务的功能。
集成数量的激增
现在想象一下,如果该智能体需要使用20个、50个甚至数百个工具和服务,每个工具可能都有各自的API、认证方式、请求与响应格式以及集成代码。如果每个人工智能应用都要为每个工具编写自定义连接器,架构很快就会变得极为复杂。
这正是MCP所填补的空白。它为人工智能应用提供了一种标准方式,使其能够与外部工具、数据源和服务进行交互。无需为每个应用和每个工具单独设计集成方案,只需一个通用协议即可将模型与外部功能连接起来。
三种服务器功能类型
服务器可以提供三种不同的功能,区分它们有助于理清相关术语:
- 工具是指模型可以请求执行的操作,比如搜索酒店或创建票务。这些操作可能会改变外部世界的状态。
- 资源是指应用可以读取以获取上下文信息的数据,比如文件、数据库记录或文档。
- 提示词则是可重复使用的模板,有助于规范与模型的交互方式。
大多数入门示例都侧重于工具,因为它们能直接解决“无法执行操作”的问题,但一旦应用程序需要上下文而非命令时,资源与提示语就变得至关重要。
MCP的工作原理
明确了目标后,让我们来看看基于MCP的应用程序。其中有三个关键组件,虽然名称相似,但各自承担不同的功能。
- MCP主机是用户交互的AI应用程序,例如内置AI的集成开发环境、桌面应用或基于大语言模型构建的聊天机器人。它负责管理整个AI交互过程,包括用户对话以及与MCP服务器的连接。
- MCP客户端存在于主机内部,负责与MCP服务器进行通信。主机是用户可见的部分,而客户端则是主机内部负责使用MCP协议进行通信的组件。
启动时会发生什么
当应用连接到服务器时,客户端会建立连接并初始化通信。双方会交换有关协议版本及支持功能的信息。本地服务器可通过标准输入输出进行通信,而远程服务器则可使用Streamable HTTP。
一旦连接建立,客户端就会了解服务器所提供的功能。例如酒店服务器可能会提供名为search_hotels、check_availability和make_booking的工具,每种工具都会附有描述以及所需输入的详细信息。随后AI应用会将这些定义传递给大语言模型。
已追踪的请求
假设用户输入“帮我找一家本周末可在科伦坡入住的酒店”。大语言模型会收到该消息以及可用工具的描述。根据请求内容与这些描述,它会判断search_hotels是合适的选择,进而确定位置、日期等参数。
模型本身并不直接运行这些工具。宿主会将工具调用请求传递给MCP客户端,后者再通过相应协议将请求转发至目标服务器。服务器会执行实际的工具功能,这些功能可能包括调用酒店API、查询数据库或连接其他外部系统。所有这些细节都隐藏在服务器背后。
当工具处理完成后,结果会通过服务器和客户端传回AI应用,由大语言模型将其转化为最终回复。如果请求包含多个步骤,模型会继续执行,判断是否需要其他工具。
像“查找酒店、预订并发送确认邮件”这样的请求可能需要依次进行多项操作:酒店搜索、空房情况查询、预订,最后是邮件发送。每一步的输出都可以作为下一步的输入。
一句话概括
大语言模型决定要执行的任务,MCP客户端与MCP服务器通信,服务器则使用相应的工具来完成工作。整个流程如下:
用户 → MCP主机 → 大语言模型 → MCP客户端 → MCP服务器 → 工具,最后再通过服务器、客户端和大语言模型返回给用户。
正是这种分工让MCP具备了价值。该模型专注于理解与推理,而MCP则为应用程序提供了一种标准方式来发现并使用外部功能。
消息与权限
在底层,客户端与服务器之间会交换结构化消息,而MCP正是基于JSON-RPC 2.0实现的。请求会指定某个方法,比如列出工具或调用某个工具,回复则包含结果或错误信息。由于主机位于模型与各服务器之间,它自然也是实施权限控制的理想位置。一个设计良好的主机可以在发起请求前要求用户批准预订或邮件内容,并能限制特定对话可访问的服务器范围。该协议虽然规范了底层交互方式,但信任决策仍由应用程序及其用户决定,因此服务器应被视为能够代表用户执行操作的普通代码。
为什么开发者应该关注
统一的协议改变了人工智能系统的构建方式:
- 减少重复工作。通过 MCP 服务器一次性公开的工具可以被任何支持 MCP 的应用程序使用,无需每次都重新集成。
- 更好的可维护性。诸如认证和请求格式之类的工具细节都保留在服务器端,因此当这些细节发生变化时,应用程序无需修改。
- 更易于扩展。添加新工具只需增加一台服务器并让客户端能够发现它,而无需重写整个应用程序。
- 更清晰的职责划分。模型负责处理逻辑,客户端负责通信,服务器负责执行操作,各部分都可以独立进行测试和替换。
未来的发展方向
大型语言模型能够思考和生成内容,但无法独自连接所有外部系统。代理为它们提供工具,而MCP则提供了一种标准方式,将这些工具与人工智能应用相连。模型负责推理,客户端负责通信,服务器负责暴露功能,而工具则执行实际任务。
还有一个问题尚未解答:客户端和服务器之间究竟传递了什么?要回答这个问题,就需要研究协议本身、消息的交换方式、工具的发现机制以及JSON-RPC在其中的作用。简而言之:模型可以思考,工具可以执行操作,而MCP则帮助它们之间进行交流。
相关阅读
- 当AI智能体拥有1,000个MCP工具时:选择、上下文与技能 —— 将智能体连接到大量MCP服务器会导致工具数量激增、上下文变得臃肿以及选择失误。为何探索机制、技能定义与网关可能比直接访问更为重要。
- 实用指南:使用k6与Grafana MCP进行AI驱动的性能测试 —— 详细介绍了《实用指南:使用k6与Grafana MCP进行AI驱动的性能测试》的内容,包括合同定义、检查项以及适用于采用该模式的团队的即插即用代码模板。