前言
最近学习了MCP，在查看了很多视频与文章后，终于对MCP有了一个完整的认识。这里对MCP的概念进行梳理以深化并加深自己的理解。以下内容不会涉及任何代码，只是介绍当前我对MCP的认知。
大模型为什么要调用工具
主要有两点：
- 大模型的训练数据存在时效性和专业性的限制，无法获取实时信息，以及专业信息。
- 模型本身无法处理一些复杂的计算逻辑，通过调用外部工具可以弥补自身的不足。
大模型调用工具的完整过程
以用户查询北京天气为例，整个流程如下所示：
该流程主要分为四步:
- 工具注册: 大模型应用将可用工具列表，加入到大模型的提示词中。
- 意图识别与工具选择：大模型解析用户问题，判断需调用哪个工具，并生成请求参数。
- 工具调用: 大模型应用接收大模型的返回信息，判断出需要调用工具，进行工具调用。
- 整合回复: 将工具结果与用户问题发送给大模型，大模型整合后返回回复结果。
在这个过程中，大模型本身并不会调用工具，而是进行意图识别、工具决策，并构造请求参数。 调用工具的是大模型应用。
那么这个流程有什么问题？MCP和这个流程有什么关系？
我们先了解下这个流程中的M * N问题。
工具集成M * N问题
MCP的文章中提到解决了工具集成的M * N问题。（我们有M个工具 ，要集成到N个大模型中）
首先要了解：M * N问题主要发生在工具调用的第一步，也就是工具注册阶段。
在工具注册阶段，大模型应用要告诉大模型，我有M个工具，以及这些工具是做什么的，都有什么参数。
问题出在了每个大模型接受工具列表的形式不同，格式也不同。(其实返回参数也不同，这里以接受参数为例)
例如，有的模型需要json格式，有些模型需要xml格式，有些模型需要自然语言。
因此如果程序员想要新增或者修改一个工具，必须去不同的大模型中进行对接或者修改，也就有了M * N的问题。
MCP如何解决M * N的问题
MCP就是为了解决这个问题出现的。 但是必须要注意的是，MCP并非是统一了各个大模型接收工具的参数，而是在工具与模型之间增加了一个"中间层"，它提供了工具描述规范 和调用规约。
- 各个工具按照MCP协议的要求来描述工具信息。
- MCP HOST按照各个模型不同的要求，来描述工具信息。
- 大模型按照MCP协议要求来返回标准化的工具调用。
对于工具而言，通过MCP HOST来屏蔽模型之间的差异，做到一次封装，多处复用。因此通过MCP协议，将工具接入的工作量从M * N 降到了M + N。
MCP是什么？
所以MCP到底是什么呢，引用一下官方的定义吧：
MCP 是一种开放协议，它标准化了应用程序如何向 LLM 提供上下文。可将 MCP 视为 AI 应用程序的 USB-C 端口------正如 USB-C 提供设备连接外围配件的标准化方式，MCP 提供将 AI 模型连接到不同数据源和工具的标准化方式。
但是我觉得改成 MCP提供了一种标准化方式，允许不同数据源和工具通过统一接口描述与AI应用进行交互 反而更容易理解。
以上仅是我自己的理解，如有错误欢迎指正。