MCP 是什么：從 USB-C 到 AI 的「萬能接口」哲學

MCP（Model Context Protocol，模型上下文協議） 是Anthropic于2024年11月推出的AI跨系統交互標準，專為解決LLM（大語言模型）的「數字失語癥」——讓AI既能安全調用外部工具（如實時天氣API、本地文件系統），又能避免數據泄露或濫用。它本質是AI世界的「USB-C協議」：通過標準化的「請求-響應-通知」格式（如context_request強制攜帶權限聲明），讓不同廠商的LLM（如Claude、GPT-4o）和工具（如 cursor、ClaudeDesktop、5ire）無需適配私有協議，就能像「U盤插入電腦」一樣即插即用。

就像USB-C讓手機、電腦、打印機用同一接口通信，MCP定義了AI的「數字握手規則」：

• 統一語法：所有工具必須按mcp_schema_v3格式暴露能力（如天氣工具的name、parameters、description），LLM通過capability_negotiation動態協商權限（比如只允許查詢上海天氣，禁止獲取用戶定位）；

• 安全隔離：內置「憲法AI」審查每個工具調用（如阻止「用病歷數據優化保險定價」的請求），敏感操作需「用戶+模型+工具」三方授權，避免AI越權；

• 即插即用：開發者只需按協議編寫工具（如用Python實現tools/call接口），無需關心LLM是云端還是本地部署，5ire客戶端能自動發現并調用符合MCP的工具，就像電腦自動識別新U盤。

MCP與Function Calling: 從「模型專屬」到「協議共生」

先給出幾個基本概念

Function Calling（函數調用）

• 本質：大模型基座的「能力適配器」，允許模型通過結構化指令調用外部工具（如 API、數據庫）。

• 問題：非標準化 —— 不同模型（如 GPT-4o、DeepSeek）的函數調用協議（參數格式、觸發邏輯、返回結構）存在差異。 例：GPT-4o 要求函數參數為JSON object，DeepSeek 可能要求key-value字符串，導致同一功能（如天氣查詢）需為每個模型單獨開發。

MCP（Model-API Communication Protocol，模型 - API 通信協議）

• 目標：定義跨模型的標準化交互語言，解決「函數調用協議碎片化」問題。

• 核心設計：

  • 統一請求 / 響應格式（如強制使用mcp_schema_v1的 JSON 結構）；

  • 標準化函數元數據（name/description/parameters）；

  • 錯誤處理協議（如MCPErrorCode枚舉）。

AI Agent（智能體）

• 定位：MCP 生態的「超級用戶」，通過「意圖解析→MCP 函數調用→結果整合」閉環自主完成復雜任務。

• 優勢：MCP 讓 Agent 擺脫對單一模型的依賴，實現「一次開發，多模型運行」。

以GPT-4o和DeepSeek為例，看看FuctionCall實現的差異，以及MCP如何跨模型

維度	GPT-4o 函數調用（非 MCP）	DeepSeek 函數調用（非 MCP）	MCP 標準協議（統一后）
觸發指令	function_call: {"name": "...", ...}	tools: [{"name": "...", "parameters": ...}]	mcp_action: {"function": "...", ...}
參數格式	嚴格 JSON 對象	允許 JSON 或鍵值對字符串	強制 JSON Schema（含type/enum校驗）
返回結構	直接返回 API 結果	包裹result字段（{"result": ...}）	統一mcp_response（含status/data/error）
錯誤處理	模型自定義錯誤碼（如1001）	無統一錯誤格式	標準化MCP_ERROR_*枚舉（如INVALID_PARAM）

MCP Client/Server 架構

詳見?Introduction - Model Context Protocol

如何開發 / 使用 MCP

MCP 的官網提供了詳盡的文檔和 SDK，開發者只需遵循這些資源即可輕松實現 MCP。

• Model Context Protocol 介紹

• MCP Server 開發

• MCP Client 開發