一、MCP协议是什么？
MCP(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（LLM）提供上下文的方式。MCP提供了一种将AI模型连接不同数据源和工具的标准化接口。
- 应用程序：集成了LLM的县体应用。包括各家大模型的在线对话网站、集成了大模型的IDE(如IClaudedesktop)、各种Agent(比如 Cursor就是一个Agent)、以及其他接入了大模型的普通应用。
- 上下文：指的是模型在决策时可访问的所有信息，如当前用户输入、历史对话信息、外部工具(tool)信息、外部数据源(resource)信息、提示词(prompt)信息等等.
MCP 中的「上下文」不是指 prompt，而是：
👉 模型在"做事"时，可以持续感知、访问、使用的外部世界状态与能力集合。
它解决的是：
"模型如何在多轮、多任务、多工具下，保持对外部世界的一致理解"。
MCP 中的「上下文」可以拆成 3 层：
- 能力上下文：描述模型当前"能做什么"，即可被发现和调用的工具、API 与权限集合；
- 状态上下文：描述模型"正在什么状态下工作"，如当前项目、文件系统、数据库连接或任务进度；
- 执行上下文：记录模型"刚刚做了什么"，包括已调用的工具、返回结果及执行成功或失败信息。
MCP 负责搭建一个稳定、真实、可持续的执行环境，并把这个环境的能力和状态以模型可理解的方式暴露出来；模型只负责在这个环境中做决策。
如果没有 MCP，上下文是"模型记住的世界"；有了 MCP，上下文是"模型正在运行的世界"。
MCP的组成部分
- MCP Host：协调和管理个或多个的人工智能应用程序。
- MCP Client：一个组件，用于维护与MCP服务器的连接，并从MCP服务器获取上下文，供MCP主机使用。
- MCP Server：一个为MCP Client提供上下文的程序。
对比
- 在function calling中调用外部工具，执行外部工具的永远是本地后端程序。在存在繁琐的代码搬运，代码语言的鸿沟，甚至有工具代码没有开源。
- Function calling解决的是大模型与AI应用程序之间的对话问题。它的工作是传递给大模型一个工具清单，然后模型返回一个文本格式的调用指令。Function call只负责告诉大模型有哪些工具，不关心这些工具在哪里，怎么调用。
- MCP解决的是AI应用程序和MCP Server之间的连接问题。它关系的是AI应用程序怎么知道mcp server有什么函数，在拿到模型返回的指令后，怎么去具体执行这个调用。
- MCP 没有替代 Function Calling。
MCP 不负责 ：- 定义函数参数格式；
- 决定模型是否要调用某个函数；
- 生成 function_call / tool_call JSON。
- 这些依然是 模型侧能力（OpenAI / DeepSeek / Claude 内部实现）
- MCP 解决的问题
MCP 解决的是 "模型运行时环境" 的标准化问题：- 模型现在能看到哪些工具
- 这些工具的 schema / 权限 / 作用范围
- 工具执行后的 状态是否持续
- 不同模型能否用 同一套工具上下文
👉 它是一个 上下文与能力托管协议（Runtime Context Protocol）
