MCP
MCP（Model Context Protocol，模型上下文协议）是一种开放协议，旨在实现 大型语言模型（LLM） 应用与外部数据源、工具和服务之间的无缝集成，通过标准化模型与外部资源的交互方式，提升 LLM 应用的功能性、灵活性和可扩展性。类似于网络中的 HTTP 协议或邮件中的 SMTP 协议。
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 与 Function Calling 的区别
- MCP（Model Context Protocol），模型上下文协议
- Function Calling，函数调用
这两种技术都旨在增强 AI 模型与外部数据的交互能力，但 MCP 不止可以增强 AI 模型，还可以是其他的应用系统。
核心概念
MCP 的核心是 模型上下文，即 LLM 在运行过程中所需的所有外部信息和工具。
MCP 通过定义标准化的接口和协议，使 LLM 能够动态访问和集成以下内容：
- 外部数据源：如数据库、API、文档库等，为 LLM 提供实时或历史数据。
- 工具和服务：如计算工具、搜索引擎、第三方服务等，扩展 LLM 的功能。
- 上下文管理：动态维护 LLM 的对话上下文，确保连贯性和一致性。
架构
- 主机（Host）：主机是期望从服务器获取数据的人工智能应用，例如一个集成开发环境（IDE）、聊天机器人等。主机负责初始化和管理客户端、处理用户授权、管理上下文聚合等。
- 客户端（Client）：客户端是主机与服务器之间的桥梁。它与服务器保持一对一的连接，负责消息路由、能力管理、协议协商和订阅管理等。客户端确保主机和服务器之间的通信清晰、安全且高效。
- 服务器（Server）：服务器是提供外部数据和工具的组件。它通过工具、资源和提示模板为大型语言模型提供额外的上下文和功能。例如，一个服务器可以提供与Gmail、Slack等外部服务的API调用。
- 基础协议（Base Protocol）：基础协议定义了主机、客户端和服务器之间如何通信。它包括消息格式、生命周期管理和传输机制等。
工作流程
MCP 的基本工作流程：
- 初始化连接：客户端向服务器发送连接请求，建立通信通道。
- 发送请求：客户端根据需求构建请求消息，并发送给服务器。
- 处理请求：服务器接收到请求后，解析请求内容，执行相应的操作（如查询数据库、读取文件等）。
- 返回结果：服务器将处理结果封装成响应消息，发送回客户端。
- 断开连接：任务完成后，客户端可以主动关闭连接或等待服务器超时关闭。
