MCP(Model Context Protocol) 是由 Anthropic 在 2024 年 11 月提出并开源的一个协议标准，目的是统一 AI 模型（尤其是大语言模型） 与外部资源 / 工具 / 数据源之间的交互方式。
MCP 被比喻为 AI 的 “USB-C 接口” —— 就像 USB-C 为各种外设提供统一接口一样，MCP 为 AI 模型与各类资源之间提供统一、标准化的接口。

OpenAI 在 2025 年 3 月宣布其 Agents SDK 已支持 MCP，从而使 OpenAI 的生态也兼容该协议。
多家厂商和工具也在采纳 MCP，包括 IDE、插件、代理框架、知识库 / 应用平台等。

大模型为什么要调用外部工具

LLM（大语言模型）不是万能的。

  1. 模型的能力有限

  • 知识更新滞后：模型训练完成后，参数里包含的知识是静态的，无法获取最新的新闻、股价、天气等动态信息。

  • 算力与精度限制：模型并不适合做精确计算，比如数学运算、大规模检索、逻辑推理，容易出错。

👉 解决办法：通过调用计算器、数据库、搜索引擎等外部工具，弥补模型本身的短板。

  1. 任务需要与现实世界交互

  • 大模型本身只会“生成文本”，但很多任务需要 操作：

    发邮件、写入文件、调用API、控制机器人、调度容器等等。

  • 这些操作必须通过 外部系统/工具接口 完成，而不是靠模型“猜测”。

👉 工具调用让 LLM 能够变成 智能代理（Agent），主动影响现实世界。

  1. 增强可靠性和可控性

  • 大模型容易出现幻想，从而编造看似合理的错误答案。

  • 工具调用能把关键步骤交给专业模块（如代码执行器、数据库查询器），从而提高准确性。

例如：

  • 模型生成 SQL → 工具执行 → 返回真实数据。

  • 模型生成 Python → 运行 → 输出结果。

这样就能减少“幻觉”。

  1. 扩展性强

  • 模型本身不用无限增大参数，只需要学会调用工具。

  • 类似于人类：不需要什么都会，而是 知道何时去查书、用计算器、找朋友帮忙。

  • LLM + 工具 = 可无限扩展的智能系统。

  1. 现实应用场景需要

  • 智能客服：调用数据库/API 获取订单信息。

  • 法律/金融助手：检索法规、计算利率。

  • AI 编程助手：生成并运行代码。

  • AI 办公助手：操作 Excel、日历、邮件。

大模型调用外部工具是因为 大模型并不是全知全能，而是作为一个“语言中枢”，通过调用 外部算力、数据源和服务 来弥补自身局限，使其更准确、更实用、更可控。

大模型调用外部工具示意图

MCP简介

MCP的主要目标是解决大模型与各种工具的交互问题，如果大模型和工具服务都遵循MCP实现，那么网络上各式各样的大模型和工具就可以肆意协同工作了。

MCP 遵循客户端-服务器架构（client-server），其中包含以下几个核心概念：

  • MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
  • MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 一对一 的连接。
  • MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
  • 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
  • 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。

MCP架构示意图

MCP 的设计目标与价值

  1. 标准化集成
    过去每个 AI + 外部资源集成，往往要写专属对接代码（N × M 问题）。MCP 的目标是用一个统一协议，降低这样的对接成本。

  2. 双向交互 & 安全访问
    模型不仅能读取数据，还能调用工具、执行操作（如数据库查询、函数调用、文件操作等），并把结果反馈回来。与此同时，协议需要设计访问控制、身份验证、权限隔离等机制。

  3. 模块化 / 可组合的系统
    MCP 支持按需启用协议组件（功能模块），使得 AI 应用可以根据自身需求，只实现部分功能（工具调用、资源访问、提示上下文管理等）。

  4. 多种传输方式支持
    MCP 协议定义了协议层（消息格式、方法名称、参数结构等）与传输层（如何发送消息）之间的分离。它支持标准输入/输出（stdio）、HTTP + SSE 等作为传输方式。

MCP与普通API的区别

大模型与工具之间的调用显然不一定非得用MCP，那么MCP与普通API的区别是什么呢？请参见下图：
MCP与普通API的区别

从上图可以看出，MCP和普通API通信模式不同：

  • MCP：基于 双向流式通信（例如 WebSocket、JSON-RPC over stdio）
  • 普通API：基于 HTTP 请求/响应

MCP是面向 大模型和 Agent 的 工具调用协议，更适合模型驱动的自动化调用。
从使用场景上来看：

  • MCP
    • 用于大模型插件生态（比如 Claude MCP、未来 OpenAI 插件生态）。
    • 适合 AI Agent 自动调用工具，不需要开发者手写调用逻辑。
  • 普通API
    • 用于传统 Web 系统、微服务、开放 API 平台。
    • 适合开发者在一般场景使用。

总结

MCP 是为大模型设计的“统一插件协议”。 它让模型像一个“智能操作系统用户”，可以安全、可控地访问外部世界的资源与工具。

🪐祝好运🪐