微信扫码
添加专属顾问
我要投稿
MCP协议引发行业热议:是短暂热潮还是未来标准?LangChain联合创始人深度探讨这一关键问题。 核心内容: 1. MCP协议的核心价值与行业争议焦点 2. 百炼平台对MCP的两种接入方式解析 3. 智能体应用中MCP服务的实际应用案例
LangChain 联合创始人现提出一个疑问:MCP:是昙花一现嘛?
Agentic AI 正在成为行业最关注的热点,围绕着大模型如何调用工具,现在有 computer/browser use 和 agent 协议两种主流方案,后者以 Anthropic 在去年发布的 MCP 为主。
有部分观点认为,让 AI 使用为人用设计的电脑/浏览器是非常低效的方案,大模型一定会带来新的软件生态,新的生态也就需要新的标准。
本文来源于 LangChain 官方博客,内容是 LangChain 联合创始人、CEO Harrison Chase 与 LangGraph 负责人 Nuno Campos 针对 MCP 的辩论,探讨 MCP 究竟是昙花一现的热点还是注定成为未来的标准。
原文标题《MCP:是昙花一现,还是未来标准?》( MCP: Flash in the Pan or Future Standard?)
原文链接:https://blog.langchain.dev/mcp-fad-or-fixture/
但是根据投票结果未来还是很客观的,而且百炼也加入了MCP的大部队。今天尝试了下,虽然有些插件尝试失败。但是MCP强大的功能还是让我觉得焦虑啊。未来简单的托拉拽就可以完全替代代码开发了,业务为王的时代即将到来。
模型上下文协议(Model Context Protocol, MCP)旨在搭建大模型和外部工具之间的信息传递通道。通过 MCP 协议,开发者不用为每个外部工具编写复杂的接口,百炼应用也能够接入海量第三方工具。
如何使用 MCP
现在,百炼智能体和工作流应用已支持接入两种 MCP 服务。
MCP相当于规范了一个协议,让所有功能按照这个协议生成工具给大模型使用。
您可以通过百炼智能体应用和工作流应用使用 MCP 服务。
在智能体应用中,大模型会根据用户的问题,智能判断是否调用 MCP 服务。
以使用“Amap Maps”MCP 服务为例,您可以构建一个出行 AI 助手。
注释:DeepSeek、QwQ 系列模型不支持使用 MCP 服务。
1、前往百炼应用管理,打开一个智能体应用。
2、添加一个 MCP 服务。勾选 Amap Maps MCP 服务,点击确定。
3、在右侧对话窗格中发送一条测试消息:“现在出发,从杭州萧山国际机场到杭州西湖景区。请你提供三种公共交通出行方案”。您将看到智能体多次调用 MCP 服务,完成路径规划和时间估算。
MCP 服务可能有一个或多个工具。在工作流应用中,每个 MCP 节点只能使用一个工具。您需要手动指定 MCP 节点的输入参数,再传递输出参数到下一个节点。
以使用“Amap Maps”MCP 服务的“maps_weather**”**工具为例,您可以构建一个城市天气查询工作流。
我尝试了生成ppt的工作流,最后发现调用ppt mcp需要钱。就不使用了。
模型配置 | |
System Prompt | |
User Prompt |
信息总结:
除以下参数外,其他参数保持默认即可。
模型配置 | |
System Prompt |
默认助手
除以下参数外,其他参数保持默认即可。
模型配置 | |
System Prompt | |
User Prompt |
4.从左侧工具栏中拖入一个意图分类节点,命名为“意图分类”,节点配置请参考:
除以下参数外,其他参数保持默认即可。
输入 | |
模型配置 | |
意图配置 | |
高级配置 |
5.从左侧工具栏中拖入一个 MCP 节点,命名为“天气查询工具”。
添加 MCP 节点时,需先找到 Amap Maps 卡片,点击卡片右侧的下拉按钮,选中 maps_weather 工具,点击确定。
6.请先按照以下图示顺序依次连接这些节点,然后配置其他必要参数:
连接节点如下:
配置“天气查询工具”
点击 MCP 节点内 maps_weather 工具的配置按钮,修改输入为“引用:信息提取/result”。
配置"信息总结"
除以下参数外,其他参数保持不变。
User Prompt | |
配置结束节点
除以下参数外,其他参数保持不变。
信息总结/result:键入"/"来呼出变量菜单,选中“信息总结 > result 默认助手/result:键入"/"来呼出变量菜单,选中“默认助手 > result | |
参考文档:
在使用完mcp后发现其实mcp还是有部分局限性的。但是如果想使用大模型调用外部工具,mcp是非常舒服的。
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-06-13
【LangChain 团队重磅实测报告】多智能体架构揭秘:谁才是性能之王?
2025-06-11
前端学AI之LangChain.js入门教程:实现智能对话机器人
2025-06-08
Langfuse:重新定义LLM应用开发与运维的可观测性
2025-06-08
Langgraph实战--自定义embeding
2025-06-07
为 AI Agent 铺路:深度解析下一代应用的核心基建 LangGraph
2025-06-05
智能体框架怎么选?LangChain、Dify、CrewAI、AutoGen五大框架横向对比
2025-06-04
吴恩达对谈LangChain创始人:企业构建Agen系统的核心认知!
2025-06-02
一文看懂RAG、LangChain、Agent三者的关系
2025-03-16
2025-03-20
2025-03-17
2025-05-08
2025-04-18
2025-03-22
2025-05-06
2025-03-23
2025-04-13
2025-05-28
2025-06-13
2025-05-21
2025-05-19
2025-05-08
2025-05-06
2025-04-22
2025-04-18
2025-03-22