目錄

🏗? MCP 架構全解析：Host、Client 與 Server 的協同機制

📌 引言

🧩 核心架構組件

1. Host（主機）

2. Client（客戶端）

3. Server（服務器）

🔧 三大核心能力

1. Tools（工具）

2. Resources（資源）

3. Prompts（提示）

🔄 通信機制

🧠 工作流程示例

🚀 應用場景

---

---

🏗? MCP 架構全解析：Host、Client 與 Server 的協同機制

📌 引言

在人工智能應用日益復雜的今天，如何高效地將大型語言模型（LLM）與外部數據源和工具集成，成為了開發者面臨的重要挑戰。模型上下文協議（MCP）應運而生，提供了一種標準化的方式，簡化了這一集成過程。

🧩 核心架構組件

MCP 采用了典型的客戶端-服務器架構，主要包括以下三個核心組件： (Model Context Protocol)

1. Host（主機）

Host 是運行 MCP 客戶端的應用程序，通常是用戶直接交互的界面，如 Claude Desktop、集成開發環境（IDE）或其他 AI 工具。它負責管理 MCP 客戶端的生命周期，并協調與服務器的通信。

2. Client（客戶端）

Client 嵌入在 Host 中，負責與 MCP Server 建立連接并進行通信。每個 Client 與一個 Server 建立一對一的連接，處理能力協商，并在自身和服務器之間協調消息傳遞。 (MCP 核心概念 -- Resources（上），官方原文分析 - 知乎, 模型上下文協議MCP - AiFly - 博客園)

3. Server（服務器）

Server 是外部程序，通過標準 API 向 AI 模型暴露工具、資源和提示。它連接內部或外部資源，按照 MCP 協議對外提供服務。

🔧 三大核心能力

MCP Server 可以提供以下三種類型的標準能力：

1. Tools（工具）

Tools 是模型可調用的函數或服務，用于執行特定任務。例如，模型可以調用一個天氣查詢工具，獲取指定城市的天氣信息。

2. Resources（資源）

Resources 是供模型讀取的數據源，如文件數據或 API 響應內容。它們為模型提供了豐富的上下文信息，增強了模型的理解能力。

3. Prompts（提示）

Prompts 是預定義的模板，用于指導模型生成特定內容。它們可以接受動態參數，包含資源上下文，鏈式多個交互，引導特定工作流程，并作為用戶界面元素（如斜杠命令）呈現。 (Prompts - Model Context Protocol)

🔄 通信機制

MCP 支持兩種通信機制：

• 標準輸入輸出（stdio）：適用于本地通信，客戶端通過啟動 Server 子進程，通過標準輸入輸出進行消息交換。

• HTTP + SSE（Server-Sent Events）：適用于遠程通信，客戶端通過 HTTP POST 發送請求，Server 通過 SSE 推送響應。

消息傳輸采用 JSON-RPC 2.0 格式，支持請求（Request）、結果（Result）、錯誤（Error）和通知（Notification）等消息類型。

🧠 工作流程示例

以下是 MCP 的典型工作流程：

1. 初始化：Host 應用啟動時，創建 MCP Client，并與 Server 進行能力協商。 (Model Context Protocol (MCP) an overview - Philschmid)

2. 能力發現：Client 請求 Server 提供的 Tools、Resources 和 Prompts，Server 返回相應的列表和描述。 (Model Context Protocol (MCP) an overview - Philschmid)

3. 上下文提供：Host 應用將資源和提示提供給用戶，或將工具解析為 LLM 兼容的格式，如 JSON 函數調用。 (Model Context Protocol (MCP) an overview - Philschmid)

4. 調用執行：如果 LLM 需要使用某個工具（例如，根據用戶請求“獲取 X 倉庫的未解決問題”），Host 指示 Client 向相應的 Server 發送調用請求。 (Model Context Protocol (MCP) an overview - Philschmid)

5. 結果返回：Server 執行請求的操作（例如，調用 GitHub API 獲取問題列表），并將結果返回給 Client。 (Model Context Protocol (MCP) an overview - Philschmid)

6. 響應生成：Client 將結果傳遞給 Host，Host 將其納入 LLM 的上下文中，生成最終的響應。 (Model Context Protocol (MCP) an overview - Philschmid)

🚀 應用場景

MCP 的標準化設計使其在多個領域具有廣泛的應用前景，包括：

• 企業數據集成：通過 MCP，AI 模型可以訪問企業內部的數據庫和工具，實現智能化的數據分析和業務決策支持。

• 智能助手開發：構建功能豐富的 AI 助手，能夠根據用戶的需求調用不同的工具和資源，提供個性化的服務。

• 跨平臺應用：MCP 的標準化設計使得 AI 應用可以在不同的平臺和環境中部署，提升了系統的靈活性和可移植性。

---