MCP 是什么
MCP（Model Context Protocol，模型上下文协议）是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。
有了 MCP，大模型不只是聊天工具了，还能"动手做事"------比如查数据库、记笔记、写代码等等。
为什么需要 MCP？
大语言模型（LLM）在训练完成后，只能基于训练数据预测并回答用户问题。
这就使得 大语言模型 存在局限性------它们无法主动获取实时数据、控制外部系统或访问特定数据库等操作。
这种情况下怎么办呢？OpenAI 于2023年6月13日正式推出的 Function Calling 就解决了这个问题。
通过编写一个函数，去主动获取实时数据、控制外部系统或访问特定数据库等操作，再将结果给到大语言模型
Function calling
官网介绍：platform.openai.com/docs/guides...
Function calling 就是让大语言模型拥有了调用外部工具或者函数的能力。
大语言模型本身不具备调用工具的能力，但通过在训练阶段的设计和微调，可以让模型学会判断在什么情况下需要调用工具，生成结构化的数据（如函数名和参数），然后告诉外部程序需要调用哪些函数。
调用流程
程序（如OpenAI、DeepSeek）与大语言模型（如GPT-4o、DeepSeek R1）的交互流程：
第一步 ：用户查询 用户向系统提出请求，例如："今天天气怎么样？"
第二步 ：构建完整请求 程序将以下内容组合后发送给大语言模型：
- 系统提示词（如果有）
- 用户提示词（"今天北京的天气怎么样"）
- 工具定义（告知模型可调用的工具及其参数要求）
工具定义示例：
plain
{
"type": "function",
"name": "get_weather",
"description": "获取指定地点的当前温度。",
"parameters": {
"type": "object",
"properties": {
"location": {
"type": "string",
"description": "城市和国家，例如：北京，香港"
}
},
"required": ["location"],
"additionalProperties": false
}
}第三步 ：模型智能解析 大语言模型理解用户意图（获取北京天气），并按照预定义的接口格式生成结构化的函数调用请求：
plain
{
"type": "function_call",
"id": "fc_12345xyz",
"call_id": "call_12345xyz",
"name": "get_weather",
"arguments": "{\"location\":\"北京\"}"
}第四步 ：执行工具调用 程序执行实际函数调用：get_weather("北京")
第五步 ：回传****信息 程序将上下文信息 （原始用户输入和工具调用指令）以及工具调用结果发送给大语言模型
第六步 ：生成自然语言回复 模型根据工具调用结果，合成流畅、自然的回答
第七步：程序将生成的回复展示给用户，完成一轮完整对话
能用 Function Calling，为什么还要 MCP？
维护困难：Function Calling 通常与特定模型服务绑定，随着项目规模扩大，会导致函数调用关系复杂、难以维护。
灵活性不足：如果有新的项目需要使用这些外部函数，往往需要复制或迁移函数实现。如果新项目使用的编程语言与原项目不一致，还需要进行语言转换，增加了开发和维护成本。
缺乏统一标准：Function Calling 的实现方式因平台不同而异，缺少统一标准，容易导致代码库碎片化、功能重复开发的问题。
MCP** 的优势**：
MCP 的出现，将工具调用解耦为独立服务，使项目与外部函数分离，并以标准化的服务调用方式，提升了灵活性，实现"一次开发，多处调用"。
MCP 协议规定了统一的调用标准，开发者可以基于该协议编写 MCP Server，并开放出 MCP 服务，供其他项目和开发者复用，极大提升开发效率。
MCP 总体架构
- MCP Hosts：支持 MCP 的应用平台，如 Claude Desktop、Cursor 或 Cherry Studio 等，负责托管和管理多智能体对话程序
- MCP Clients：与服务器维持一对一连接的协议客户端
- MCP Servers：专用 MCP 服务实例，通过标准化的模型上下文协议对外提供特定功能
- Local Data Sources：MCP 服务器可安全访问的本地计算资源，包括文件系统、数据库和本地服务
- Remote Services：MCP 服务器可通过互联网 API 连接的外部系统和服务