我对MCP的理解

发布日期：2025-03-20 21:17:40 浏览次数： 2483

作者：孔某人的低维认知

微信搜一搜，关注“孔某人的低维认知”

我个人之前对MCP并不是很关心，最近与人讨论稍微研究了一下这方面。但并不算深入，也没有翻太多源码，所以本文的观点将来可能会被推翻。但只要这篇文章还在，就表示我的观点没有被推翻。

MCP是一种Agent应用的插件协议，而且这个插件更偏工具性质，不能大幅的覆盖原有Agent的功能和设定，更多是给它新增一些tools。

它本质上并不是LLM tool use协议的替代，官方demo的例子就是把MCP的调用转换为了LLM的tool调用给LLM模型，以下代码来自 https://modelcontextprotocol.io/quickstart/client

async def process_query(self, query: str) -> str:    """Process a query using Claude and available tools"""    messages = [        {            "role": "user",            "content": query        }    ]    response = await self.session.list_tools()    available_tools = [{        "name": tool.name,        "description": tool.description,        "input_schema": tool.inputSchema    } for tool in response.tools]    # Initial Claude API call    response = self.anthropic.messages.create(        model="claude-3-5-sonnet-20241022",        max_tokens=1000,        messages=messages,        tools=available_tools    )    # Process response and handle tool calls    final_text = []    assistant_message_content = []    for content in response.content:        if content.type == 'text':            final_text.append(content.text)            assistant_message_content.append(content)        elif content.type == 'tool_use':            tool_name = content.name            tool_args = content.input            # Execute tool call            result = await self.session.call_tool(tool_name, tool_args)            final_text.append(f"[Calling tool {tool_name} with args {tool_args}]")            assistant_message_content.append(content)            messages.append({                "role": "assistant",                "content": assistant_message_content            })            messages.append({                "role": "user",                "content": [                    {                        "type": "tool_result",                        "tool_use_id": content.id,                        "content": result.content                    }                ]            })            # Get next response from Claude            response = self.anthropic.messages.create(                model="claude-3-5-sonnet-20241022",                max_tokens=1000,                messages=messages,                tools=available_tools            )            final_text.append(response.content[0].text)    return "\n".join(final_text)

这段代码就已经很清楚了，再结合该文档前面的链接建立，感觉就是个很典型的插件模式。

MCP体系的命名是挺糟糕的：MCP Server是工具提供方，MCP client是Agent应用。

MCP本来是为Claude的App端与用户本地PC资源和Context进行交互而设计的，后来协议也在逐步往跨机器通讯来扩展。

MCP协议其实与LLM并不绑定，获取了tool之后如果是硬编码匹配tool函数名进行调用其实也没问题，这样就完全没有LLM参与了。只是实际使用中，肯定是希望避免对于具体插件的硬编码，这样就需要结合tool的描述来进行使用，所以就需要LLM的语义理解、推理能力、知识等。

这可以看成是传统软件开发中依赖注入（Dependency Injection）的一个实例，只不过真的想要实现注入工具的自动适配，需要有LLM的能力才能有效的使用。