MCP协议学习笔记 | 远虑的日记本

type

status

date

slug

summary

一、背景知识

1、prompt

现在的大模型应用大部分是作为一个“聊天机器人”，你给他输入，它向你输出一些和输入相关的数据。

具体而言，你传给大模型 prompt（提示词），大模型根据你的提示词来进行回答。

细分一点，提示词又可以分为 user prompt 和 system prompt

system prompt ：主要是给大模型“你在扮演什么角色”的提示词。比如“you are a helpful assistant”等
user prompt ：用户具体输入的提示词。

在诸如chatgpt、gemini、deepseek等产品中，为了产品的稳定性，system prompt往往是固定的。

2、Agent，Agent Tools

但是在这种模式下，大模型就只是像一本百科全书，你问什么，它就答什么。我们能否让大模型能够自己使用工具呢，去帮助我们完成一些任务呢？

最早的尝试是github中一个名为 AutoGPT 的项目。

AutoGPT是在本地运行的一个程序。它是在用户和LLM之间进行沟通的桥梁。

具体来说：

1、首先，你在本地实现了一些功能函数，比如列出所有文件 list_files，和读取某个文件的内容 read_files，你把这些功能函数的调用方法、功能注册到AutoGPT这个程序中。AutoGPT会把这些注册好的功能函数转化成能输入给 LLM 的 System Prompt（包括我有哪些工具，每个工具能做什么，如果你想要使用某个工具，你应该输入给我什么样的参数）

2、随后，你向AutoGPT输入一些提示词，即 user prompt，AutoGPT接收到之后会把你的 user prompt 连同已经转化好的 System Prompt 一起输入给大模型，这样大模型就可以选择工具来进行调用了。

3、大模型产生相应的输出之后，AutoGPT就可以识别并调用相应的功能函数，并把功能函数的输出结果再返回给 LLM

4、如此反复，直到任务完成，AutoGPT把内容返回给用户

我们把起到 AutoGPT 这样作用的工具称为 Agent ，而那些功能函数称为 Agent tools。

当然，大模型经常会出现幻觉，有时候会胡言乱语，所以我们也就不能保证 LLM 返回的调用对应函数的格式是正确的，在这种情况下，Agent 往往会自动进行识别并进行重试。

3、Function calling

但是这种不断重试的策略总让人觉得不太靠谱，于是各个大模型厂商推出了名为 Function calling 的功能，它对我们对于 Agent Tools的描述和返回的 LLM 调用函数的指令格式进行了统一的规范。

比如对于 Agent Tools 的描述都以 JSON 的格式，每个字段都有特定的设置等等，而且不再放到System Prompt中，而是给大模型的输入新开一个字段，所有工具描述都按照相同的格式放在该字段中。

在具体训练时，大模型厂商便会根据这种使用情境进行专门的微调，使得模型具备这种格式化输出的能力。

而且在这种情况下，AI服务器可以对模型输出的格式进行格式检查，如果格式不正确，那么AI服务器自己就会进行重试。

但是Function calling也带来了一些问题，就是各大厂商的标准定义的不一样，提供的API也不一样，很多开源模型甚至都不支持 Function calling。所以目前而言，很难写一个通用的AI Agent。而且当下使用 System Prompt 和 Function calling 两种方式是并存的。

4、MCP

Function calling 规定了 AI Agent 如何和 AI模型打交道，而MCP协议主要负责的范围是 AI Agent 如何与 Agent Tools 打交道。

MCP规定了 AI Agent (MCP Clinet) 和 Agent Tools (MCP Server) 之间是如何进行通信的。需要注意的是 MCP Server 除了保存有 Agent Tools 相关信息外，还可以保存一些图文资源(resources)和一些提示词模板(Prompt)。

具体的流程如下：

MCP Server 和 MCP Clinet 不仅可以部署在同一台机器上，通过stdio进行通信，也可以部署在网络上，通过http进行通信。

需要注意的是，MCP是一个“模型无关的协议”，也就是说，它不关心 Agent 用的是哪个模型，它只关心 MCP Server 和 MCP Clinet之间是如何进行通信的。