Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

mcp 是什么

Answer

MCP 是模型上下文协议（Model Context Protocol）。Anthropic 推出了这一开放标准，其旨在解决 LLM 应用程序的核心挑战，即如何将模型以标准化、可扩展的方式与外部世界交互。

MCP 提供了一个通用接口协议，将所有外部资源（如工具、API、数据库等）抽象为“上下文提供者”(Context Providers)，使得模型能够自然地使用各种工具和访问各类数据。例如，Claude 可以通过 MCP 直接连接到 GitHub、创建新存储库并创建 PR。此外，MCP 打破了数据孤岛，支持本地和远程数据源的无缝连接，并提供双向、安全的通信通道，确保隐私和交互的完整性。

Content generated by AI large model, please carefully verify (powered by aily)

References

Claude 直接连接到 GitHub、创建新存储库并通过简单的 MCP 集成创建 PR。

https://x.com/alexalbert__/status/1861079762506252723Anthropic推出模型上下文协议（MCP）Claude Desktop现在可以直接连接到GitHub、创建新的存储库并创建PR模型上下文协议(MCP)简介我们在Anthropic一直在研究一个开放标准，它解决了LLM应用程序的核心挑战-将它们连接到您的数据。不再为每个数据源构建自定义集成。MCP提供一种协议来连接它们：

码观 | 共识与非共识：从模型到应用，2024 AI 趋势回首与展望

Long horizon task长期任务执行：就像一个称职的项目经理，Agent现在能够处理更复杂、跨度更长的任务。它不仅能够将大任务分解成可管理的小步骤，还能在执行过程中保持清晰的目标导向，适时调整策略。多模态理解：Agent不再局限于单一的交流方式。它能同时理解文字、图像、声音，就像人类一样通过多种感官来理解世界。这种全方位的感知能力让它能更好地理解环境和任务上下文。记忆与行动：通过先进的记忆机制，Agent能够像人类一样积累经验，从过去的交互中学习。它不仅能记住之前的对话，还能记住操作步骤和效果，这让它的行动更加精准和高效。自适应学习：最令人惊叹的是Agent的学习能力。它能够从每次交互中吸取经验，不断完善自己的策略。这种进步不是简单的数据积累，而是真正的“智慧成长”。在技术层面，AI Agent的发展出现了两条技术路线：一是以自主决策为核心的LLM控制流，二是以工作流（Workflow）编排为重点的工具集成系统。前者代表了AGI的探索方向，后者则加速了AI落地应用。特别值得关注的是Anthropic提出的MCP（Model Context Protocol），在其官网，Anthropic说2025年将是Agentic系统年。MCP的本质是一个通用接口协议，它试图解决一个根本性问题：如何让AI模型能够以一种标准化、可扩展的方式与外部世界交互。在传统方法中，每添加一个新工具或数据源，都需要重新设计接口和提示词。MCP则提供了一个统一的抽象层，将所有外部资源（工具、API、数据库等）抽象为“上下文提供者”(Context Providers)，使得模型能够自然地使用各种工具和访问各类数据。用一个比喻来理解：想象一个刚来到陌生城市的人。他需要完成各种任务：找住处、办手续、买日用品。

XiaoHu.AI日报

5⃣️?Anthropic开源MCP：万能数据连接协议打破数据孤岛，支持本地和远程数据源无缝连接。提供双向、安全通信通道，确保隐私和交互完整性。可直接让AI访问GitHub，提交PR，完成全流程操作。?[https://x.com/imxiaohu/status/1861253689115328967](https://x.com/imxiaohu/status/1861253689115328967)6⃣️✨Luma Dream Machine VS RunwayLuma推出全新Dream Machine，让创意想象通过自然交互变为现实。“角色参考”功能，可将单一图片生成动态角色。“头脑风暴”工具，提供创意方向，激发无限点子。?[https://lumalabs.ai/dream-machine](https://lumalabs.ai/dream-machine)?[https://x.com/imxiaohu/status/1861064773724725582](https://x.com/imxiaohu/status/1861064773724725582)

Others are asking
mcp 的内容
MCP（模型上下文协议）是一种创新的开放协议，由 Anthropic 公司在 2024 年 11 月推出并开源。 其主要特点和功能包括： 统一了交互标准，是链接所有 AI 应用与工具的桥梁，兼容所有 AI 应用。 具有三大功能：工具（Tools），底层使用 Function call 实现，与 OpenAI 格式兼容；资源（Resources），为 AI 提供参考信息；提示词（Prompts），预设对话模板。 主要接口路径包括获取工具列表、调用工具、获取资源列表、读取资源内容、获取提示词列表、获取提示词内容等。 转换步骤包括客户端向 MCP 服务器请求工具列表，将 MCP 工具定义转换为 Function call 格式，发送 Function Call 定义给 LLM，接收 LLM 生成的 Function call，将 Function call 转为 MCP 工具调用，发送工具调用结果给 LLM。 MCP 就像一个“转接头”或“通用插座”，其核心作用是统一不同外部服务，通过标准化接口与 AI 模型对接。它与传统 API 的关键区别在于： 单一协议：MCP 像一个统一接口，只要一次整合，就能连接多个服务。 动态发现：AI 模型能自动识别并使用可用的工具，不用提前写死每个接口。 双向通信：MCP 支持类似 WebSockets 的实时双向通信，模型不仅能查询数据，还能主动触发操作。 MCP 最早由 Anthropic 公司开发，目的是帮助 AI 模型（如 Claude）更容易地连接工具和数据源，现在已成为一个开放协议，被越来越多的企业和开发者采用，逐渐成为 AI 与工具互动的新标准。 官方文档：https://modelcontextprotocol.io/
2025-04-13
什么是mcp
模型上下文协议（Model Context Protocol，简称 MCP）是一种全新的开放协议，专门用于标准化地为大语言模型（LLMs）提供应用场景和数据背景。 它就像为 AI 模型量身定制的“USBC 接口”，能让不同的 AI 模型与外部工具和数据源轻松连接。其好处包括： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 MCP 最早由 Anthropic 公司开发，现已成为一个开放协议，越来越多的企业和开发者开始采用它，逐渐成为 AI 与工具互动的新标准。 与传统 API 相比，通常 AI 系统想连接外部工具时，需要单独整合多个不同的 API，每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护，极大地增加了开发复杂度。而 MCP 能让 AI 模型更简单地获取数据、工具与服务。 在某些情况下，传统 API 更适合，比如应用场景需要精准且严格受控的交互方式，如需要细粒度控制、功能严格限制，更偏好紧耦合以提升性能，希望最大化交互的可预测性。 快速集成 MCP 的步骤包括： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 总之，MCP 是为 AI 模型统一连接数据与工具的标准接口，让 AI 与外部数据、工具的连接变得更加标准化和高效。
2025-04-09
mcp
模型上下文协议（MCP）是一种全新的开放协议，专门用于标准化地为大语言模型（LLMs）提供应用场景和数据背景。它就像 AI 领域的“USBC 接口”，能让不同的 AI 模型与外部工具和数据源轻松连接。 MCP 的好处包括： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 与传统 API 相比，通常 AI 系统连接外部工具时，需要单独整合多个不同的 API，每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护，极大地增加了开发复杂度。传统 API 就像每扇门都有一把不同的钥匙，要求开发者为每个服务或数据源单独编写代码和整合方案。 MCP 最早由 Anthropic 公司开发，现在已成为一个开放协议，越来越多的企业和开发者开始采用它，逐渐成为 AI 与工具互动的新标准。 在某些情况下，传统 API 更适合，比如应用场景需要精准且严格受控的交互方式，包括需要细粒度控制、功能严格限制，更偏好紧耦合以提升性能，希望最大化交互的可预测性。 快速集成 MCP 的步骤包括： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 总结来说，MCP 是为 AI 模型统一连接数据与工具的标准接口，让 AI 与外部数据、工具的连接变得更加标准化和高效，而传统 API 是每个服务单独连接，开发更复杂。例如，Claude 可以通过简单的 MCP 集成直接连接到 GitHub、创建新存储库并创建 PR。
2025-03-31
mcp 有什么开源的方案吗
Anthropic 于 2024 年 11 月推出并开源了 MCP（模型上下文协议）。MCP 就像一个“转接头”或“通用插座”，能统一不同的外部服务，如 Google Drive、GitHub、Slack、本地文件系统等，通过标准化接口与大语言模型对接。开发者基于 MCP 规范开发一次“接口适配器”（MCP 服务器），就能让所有兼容 MCP 的模型（MCP 客户端）无缝接入，无需针对每个模型单独适配，大幅提升兼容性与开发效率。MCP 里面还包含 SSE（ServerSent Events），是一种允许服务器向浏览器推送实时更新的技术。MCP 像为 AI 模型量身定制的“USBC 接口”，可以标准化地连接 AI 系统与各类外部工具和数据源。与传统 API 相比，MCP 是单一协议，只要一次整合就能连接多个服务；具有动态发现功能，AI 模型能自动识别并使用可用的工具；支持双向通信，模型不仅能查询数据，还能主动触发操作。相关链接：
2025-03-27
mcp的介绍
模型上下文协议（MCP）是一种全新的开放协议，由 Anthropic 公司开发并开源。它旨在为大语言模型提供标准化的连接方式，使其能够更轻松地与外部工具和数据源集成。 MCP 就像为 AI 模型量身定制的“USBC 接口”或“转接头”“通用插座”，能统一不同的外部服务，如 Google Drive、GitHub、Slack、本地文件系统等。通过标准化接口与 AI 模型对接，开发者基于 MCP 规范开发一次“接口适配器”（MCP 服务器），就能让所有兼容 MCP 的模型（MCP 客户端）无缝接入，大幅提升兼容性与开发效率。 MCP 与传统 API 的关键区别在于： 1. 单一协议：MCP 像一个统一接口，一次整合就能连接多个服务。 2. 动态发现：AI 模型能自动识别并使用可用的工具，无需提前写死每个接口。 3. 双向通信：MCP 支持类似 WebSockets 的实时双向通信，模型不仅能查询数据，还能主动触发操作。 MCP 的好处包括： 1. 简化开发：一次整合，多次复用，不再重复开发。 2. 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 3. 实时互动：长连接保证数据实时更新。 4. 安全可靠：内置标准化安全和权限控制。 5. 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 使用 MCP 而非传统 API 的原因通常是，传统 API 要求开发者为每个服务或数据源单独编写代码和整合方案，极大地增加了开发复杂度。而在某些应用场景，如需要精准且严格受控的交互方式、细粒度控制、功能严格限制、更偏好紧耦合以提升性能、希望最大化交互的可预测性时，传统 API 可能更合适。 快速集成 MCP 的步骤包括： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 总之，MCP 让 AI 与外部数据、工具的连接变得更加标准化和高效。
2025-03-27
mcp服务是什么
MCP（模型上下文协议）是一项创新标准，由 Anthropic 于 2024 年 11 月推出并开源。它是为 AI 模型统一连接数据与工具的标准接口，旨在让大语言模型能够无缝连接至第三方的数据源。 MCP 的好处包括： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 MCP 与传统 API 的关键区别在于： 单一协议：MCP 像一个统一接口，只要一次整合，就能连接多个服务。 动态发现：AI 模型能自动识别并使用可用的工具，不用提前写死每个接口。 双向通信：MCP 支持类似 WebSockets 的实时双向通信，模型不仅能查询数据，还能主动触发操作。 传统 API 更适合的场景包括： 需要细粒度控制、功能严格限制。 更偏好紧耦合以提升性能。 希望最大化交互的可预测性。 快速集成 MCP 的步骤： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 通过 MCP，我们可以让 AI 使用各种强大工具，比如查询实时天气、联网搜索最新信息、调用私人数据库等。
2025-03-27