什么是MCP？

如果每一个工具都要自己定义，封装函数，写Function Call，错误处理，那就太麻烦了

所有模型 FunctionCall 逻辑都一样：你给它「工具清单」→ 它决定调用 → 返回工具名 + 参数。

但是不同大模型，传给 LLM API 的 tools 结构、字段、格式、写法，就是不一样。

不能一套 tools 直接通吃所有模型。

**MCP（Model Context Protocol, 模型上下文协议）**就像一个统一的接口，大家都能用

Anthropic推出的开发标准化协议，定义AI应用和工具服务之间如何标准化通信

把所有大模型的工具调用、上下文交互统一成一套标准**（** AI 界的 USB‑C**）**

---

MCP架构

Client ↔ Server 架构

1）MCP Host（主机）

• 运行 LLM 的应用：Claude Desktop、Cursor、IDE、Agent、你的 App

• 负责：接收用户输入、调用 MCP Client、展示结果

2）MCP Client（客户端）

• 内嵌在 Host 里，一个 Client 对应一个 Server（1:1）

• 核心能力：

  • 协议翻译（把 MCP 标准 → 模型原生格式）

  • 权限控制、安全沙箱

  • 会话管理、异步通信

3）MCP Server（服务端，最重要）

• 独立进程 / 容器，所有工具、资源、提示词都封装在 Server

• 三类能力（MCP 三位一体）：

  1. Tools（工具）：可执行动作（查天气、数据库、API、文件读写）

  2. Resources（资源）：静态 / 流式上下文（PDF、代码库、知识库、长文档）

  3. Prompts（提示词模板）：服务端统一管理模板（生成周报、写代码、翻译）

---

MCP和Function Call

只需要使用 MCP 标准 Tools 定义 → 大模型返回 MCP 标准 ToolCall 格式 → 内置的 MCP Client 自动调用 MCP Server → 自动返回工具执行结果。

Client 自动转成 对应大模型原生的 tools/functions 格式传给 LLM，大模型返回的私有格式，Client 再自动转成 MCP 标准 ToolCall

FunctionCall 不用再按各个模型分别写，统一全部按 MCP 标准写，适配、转格式、调用都交给 MCP 生态自动处理。

---

MCP Server 的三大能力

1. Tools（工具）

AI可以主动调用执行的函数

有副作用、会改变外部世界，就像你用手去操作东西一样。

2. Resources 资源

AI可以读取访问的数据

只读、不修改任何东西，就像你翻书、看文件一样，只是获取信息，不会把书改了。

要么代码主动提前读 ，要么 MCP 框架自动按需读

3. Prompts 提示模板

提前写好的「固定格式的指令模板」

可复用、固定格式，就像你每次写周报都用同一个模板，不用每次从零写。

是代码主动拿，不是 AI 自己调用

三个都有名字 + 说明，但分类分开存放