【翻譯、轉載】【譯文】模型上下文協議（Model Context Protocol, MCP）簡介

原文地址：

https://michaelwapp.medium.com/model-context-protocol-mcp-an-introduction-guide-25736f3dd672

在人工智能和 AI 驅動應用日新月異的格局中，一種與大型語言模型（LLM）交互的新方式正在興起。隨著 AI 智能體（Agent）的崛起帶來了系統間高效交互的需求，高效的模型交互變得比以往任何時候都更加重要。

模型上下文協議（Model Context Protocol, MCP）是一種新興標準，旨在簡化 AI 模型與外部系統的交互方式，確保基于上下文的響應并實現與各種應用的無縫集成。但 MCP 究竟是什么？為何它在開發者和 AI 愛好者中日益受到關注？

本文將解釋 MCP 是什么，它是如何工作的，以及它為何對 AI 交互的未來至關重要。

在這里插入圖片描述

什么是模型上下文協議？

其核心是，模型上下文協議是一種標準化的方式，讓 AI 系統能夠在對話期間訪問外部信息源。可以將其想象為賦予 AI 模型在需要時**“查找信息或執行操作”**的能力，而不是僅僅依賴其預訓練知識或當前的對話上下文。

想象一下你正在與一個 AI 助手對話。沒有 MCP，AI 只能利用其訓練數據（有知識截止日期）以及你在當前對話中明確告知它的內容。有了 MCP，AI 可以動態地訪問外部信息源——如數據庫、API 或文檔存儲庫——以提供更準確、最新和個性化的響應。

模型上下文協議是 Anthropic 發起的一個開源項目。他們的工作旨在創建一個統一的協議，允許 AI 系統以一致的方式請求和接收外部數據，無論底層實現如何。這種標準化對于構建更可靠、更透明的 AI 助手至關重要，這些助手能夠為用戶提供及時準確的信息。
在這里插入圖片描述

MCP 是如何工作的？

模型上下文協議通過幾個組件之間的結構化通信模式運作：

用戶 (User)：與 AI 系統交互的人（例如，通過聊天界面、SaaS 應用程序或任何其他與 AI 通信的方式）。
AI 模型 (AI Model)：處理用戶查詢的大型語言模型（如 GPT-4、Claude 或其他模型）。
MCP 服務器 (MCP Server)：一個中間件服務，它解釋模型對額外上下文的請求，并獲取相關信息。
信息源 (Information Sources)：提供模型請求信息的外部數據存儲庫、API 或服務。

以下是典型的 MCP 交互流程：

用戶向 AI 模型發送提示 (prompt)。
模型處理提示，并確定需要額外的上下文來提供準確的響應。
模型按照 MCP 格式生成對特定信息的請求。
MCP 服務器接收此請求，對其進行解釋，并查詢適當的信息源。
信息源將請求的數據返回給 MCP 服務器。
MCP 服務器格式化數據并將其發送回模型。
模型將這些新信息整合到其上下文中，并為用戶生成響應。

這個過程無縫發生，且通常近乎實時，給人一種 AI 助手知識更淵博、能力更強的印象。

MCP 的技術結構

現在讓我們看看模型上下文協議的底層工作原理：

請求結構

當 AI 模型需要額外的上下文時，它會生成一個結構化的請求，通常包括：

{"queries": [{"provider": "github","query": "the last 10 files changed in the main branch of the example repository","parameters": {"repo_name": "example"}}]
}

在這個例子中，你可以看到：

queries: 查詢對象的數組，允許同時發起多個信息請求。
provider: 指定使用哪個信息源（在此例中是 “github”，可能指向一個搜索引擎或知識庫）。
query: 實際的查詢文本。
parameters: 額外的配置選項，例如 repo_name。

請注意，這是一個簡化版本，因為 AI 模型使用此上下文請求格式的更復雜版本來查詢外部源。

響應格式

MCP 服務器隨后以模型能夠解釋的標準化格式返回數據：

{"responses": [{"provider": "github","status": "success","results": [{"filename": "app.py","commit_id": "c21100226d66741de8d56fb8351d83e5723a5e32"},{"filename": "requrirements.txt","commit_id": "c21100226d66741de8d56fb8351d83e5723a5e32"},// 更多結果...]}]
}