MCP即Model Context Protocol（模型上下文協議），是由Anthropic公司于2024年11月26日推出的開放標準框架，旨在為大型語言模型與外部數據源、工具及系統建立標準化交互協議，以打破AI與數據之間的連接壁壘。
MCP架構與Appium有一定相似性，主要體現在以下方面： - C/S架構：MCP采用客戶端-服務器模型，分為協議層和傳輸層。Appium同樣基于C/S架構，由客戶端和服務器兩部分組成。在MCP中，客戶端嵌入在LLM應用中負責發送請求并接收響應，服務器是輕量級程序，通過標準化接口暴露功能。Appium的客戶端負責編寫和執行測試腳本，服務器是基于Node.js的HTTP服務器，負責接收客戶端請求，解析并在移動設備上執行相應操作。 - 消息通信：MCP在傳輸層使用JSON - RPC 2.0進行消息交換，支持標準輸入輸出和HTTP/SSE等傳輸模式。Appium客戶端與服務器端通過JSON Wire Protocol進行通信。兩者都通過特定的協議來實現客戶端和服務器之間的消息傳遞，以完成相應的任務。 不過，二者也有不同之處。MCP主要用于AI智能體與外部數據源、工具的交互，讓AI模型能連接并訪問外部資源。而Appium是用于移動應用的UI自動化測試，主要針對移動設備上的應用程序進行測試操作。

MCP Server具有提供資源、工具和** prompts（提示）**三大能力。其中最常用的功能通常是提供工具，原因是它能讓LLM與外界系統交互，完成如爬取網頁內容、獲取天氣信息等復雜任務，極大地擴展了LLM的應用范圍和實際能力。
Cursor使用MCP來允許AI訪問和處理多種數據源，包括本地文件、遠程API和數據庫等。 MCP Server的好處包括： - 安全連接：無需將API密鑰等敏感信息直接提供給LLM，由MCP Server自己控制資源訪問。- 受控數據流：所有數據交互通過標準化協議進行，降低數據泄露風險。- 選擇性授權：開發者能精確控制AI可訪問的資源范圍。 以下是一些MCP Server的實例： - PostgreSQL管家：讓AI能夠查詢數據庫，如電商運營者可通過AI自動生成SQL并返回可視化圖表，實現“查上周北京銷量Top10”等功能。- GitHub指揮官：可實現代碼庫智能管理，如開發者說“合并dev分支到master”，AI自動創建PR、檢查沖突、生成更新日志。- 文件魔術師：用于全自動文件處理，例如整理會議錄音時，AI自動轉文字，提取待辦事項，生成會議紀要.md文件。
MCP主要使用JSON - RPC 2.0進行消息通信，支持以下通信方式：

• 標準輸入輸出：適用于簡單的本地測試和開發場景，通過命令行將請求輸入到MCP Server，并從標準輸出獲取響應。 - HTTP：可用于客戶端與服務器在不同主機或網絡環境下的通信，能方便地與各種Web應用和服務集成，通過HTTP請求發送消息，服務器以HTTP響應返回結果。 - Server - Sent Events（SSE）：用于實現服務器向客戶端推送實時更新，適用于需要及時獲取模型處理結果或狀態變化的場景，如長輪詢或實時交互的應用。 在實際應用中，HTTP是較為常用的通信方式。因為它具有廣泛的兼容性和成熟的生態系統，幾乎所有的現代編程語言和框架都支持HTTP通信，便于開發人員進行集成和擴展，能輕松實現客戶端與服務器之間的請求和響應交互，適用于多種應用場景，包括Web應用、移動應用等與MCP Server進行通信的場景。

MCP和Function call的區別

MCP和Function Call有以下區別：

• 復雜度：MCP是復雜的協議，涉及結構化數據交換和精細流程控制；Function Call相對簡單，只是模型發出的簡單函數調用指令。 - 上下文管理能力：MCP能深度管理對話上下文，記住用戶偏好和對話歷史；Function Call對上下文理解有限，主要關注函數調用本身。 - 數據交換形式：MCP支持復雜結構化數據交換，可進行多輪對話，交換用戶偏好、狀態信息等；Function Call通常只是簡單地傳遞函數調用所需的參數。 - 功能特性：MCP支持多輪對話、狀態管理、錯誤處理、復雜業務邏輯等復雜功能；Function Call主要用于執行簡單的、預定義的功能，如獲取信息、執行簡單操作。 - 適用場景：MCP適用于智能助手、復雜業務流程、需要多輪交互的場景；Function Call適用于簡單的信息查詢、工具調用等簡單任務。 MCP的優勢在于能處理復雜任務，通過多輪對話和上下文管理，可實現更智能的交互。它提供標準化框架，利于構建開放的插件化AI生態，讓AI模型便捷連接各類外部數據源和工具。不過，MCP也存在生態不成熟，第三方支持工具少，性能有待驗證，大規模并發調用可能有延遲瓶頸，以及模型支持程度不高的問題。 Function Call的優勢是簡單直接，易于實現和理解，能方便地擴展模型功能，讓模型利用外部工具完成基本任務。其劣勢是在處理復雜任務時較為繁瑣，需手動管理對話狀態和上下文，且缺乏統一標準，不同LLM供應商的實現方式存在差異。