模型上下文协议（MCP）
引言
El（注：在西班牙语中，“El”通常是一个冠词，用于阳性名词前，无直接对应中文翻译，此处保留原样以体现原文特色） 模型上下文协议（MCP） 它是一个开放标准，旨在统一人工智能模型与数据源、工具和外部系统通信的方式。
MCP提出了一种方案，无需依赖于针对每个供应商的特定且封闭的集成， 普遍协议 它定义了模型如何能够 发现、查询和执行资源 以连贯且安全的方式。
其主要目的是 减少分裂 在人工智能生态系统中，MCP（模型兼容性协议）促进了模型、服务和应用之间的互操作性。MCP借鉴了经典的软件工程原则，如抽象、模块化和解耦，但将其应用于生成式模型的新环境中。
______________________________________________________________________
背景与问题
在MCP之前，人工智能模型通过临时集成与外部数据交互：使用定制的API、特定的SDK和专有格式。这种方法带来了多个问题：
- 高昂的维护成本： 每个模型都需要为每个服务配备独特的适配器。
- 供应商之间的不兼容性： 身份验证、数据格式和终端结构的差异使得互操作性变得困难。
- 缺乏标准化： 当时还没有一种通用的方法来向人工智能模型展示资源或功能。
- 技术依赖： 这些模型被限制在特定的平台上。
MCP如潮水般涌现 抽象层 它规范了人工智能模型与外部世界之间的通信，就像HTTP规范了客户端和网页服务器之间的通信一样。
______________________________________________________________________
协议基础
MCP定义了一组 结构概念 y 公约 它们允许模型通过一个统一的接口访问信息或执行操作。
1. MCP 服务器
El（注：这是一个西班牙语的人称代词，单独使用时在中文中没有直接对应的翻译，但根据上下文可能翻译为“他”或保持原样以表示这是一个西班牙语代词） MCP服务器 这是协议的核心。它向模型展示了三种类型的实体：
- 工具： 可执行的函数或操作。
- 资源： 结构化数据源或参考。
- 提示： 预定义的模板或配置，引导用户进行交互。
服务器可以实现这些组件中的任何一个，并通过模型可读的JSON描述符来声明它们。
服务器描述的基本示例：
{
"name": "Demo MCP Server",
"author": "John Doe",
"tools": ["get_weather", "say_hello", "fetch_resources"],
"resources": ["weather://{city}", "articles://{slug}"]
}这样，模型可以 动态地发现 服务器的能力，并决定如何利用这些能力。
______________________________________________________________________
2. 工具
Los（这个西班牙语单词通常作为冠词使用，意为“那些”，但在此处单独出现时，可能是一个不完整的句子或短语的一部分，因此直接翻译可能无法给出完整意义。若作为单独词汇，可大致译为“那些”，但需结合上下文确定具体含义。） *工具* 是（son 在西班牙语中意为“是”，此处根据语境翻译为中文） 行为；动作；股票（在金融语境中） 一个模型可以执行。\ 每个工具都有一个标识符、一个描述以及一个输入/输出模式。
示例：
{
"name": "get_weather",
"description": "Obtiene el pronóstico del clima para una ciudad específica",
"input": { "city": "string" },
"output": { "temperature": "number", "conditions": "string" }
}这些工具使模型能够超越文本进行操作，通过协议调用实际功能。
______________________________________________________________________
3. 资源
那些 *资源* 代表 结构化数据源 模型可以访问的那些。\ 它们遵循URI格式，从而可以清晰地识别其来源和类型。
示例：
weather://medellin
greetings://juan
articles://model-context-protocol每个资源都有一个由服务器定义的模式，并且可以根据设定的权限由模型进行查询或操作。
______________________________________________________________________
4. 提示（或触发词）
那些 *提示* 声音 预定义模板 它们封装了交互模式。\ 它们允许对复杂输入进行标准化，共享配置或定义预期行为。
示例：
{
"id": "summarize_emails",
"description": "Genera un resumen de los últimos 100 correos electrónicos del usuario",
"template": "Dame un resumen de mis últimos 100 correos."
}这一机制使模型能够基于版本化、可重用且有文档记录的提示进行工作，从而提高回答的一致性。
______________________________________________________________________
概念架构
MCP可以被视为一种 中间层 在人工智能模型与外部系统之间：
[ Modelo de IA ]
│
▼
┌──────────────┐
│ MCP Server │
├──────────────┤
│ Tools │ → acciones
│ Resources │ → datos estructurados
│ Prompts │ → plantillas y guías
└──────────────┘
│
▼
[ Fuentes externas: Outlook, GitHub, archivos locales, APIs, etc. ]该模型向服务器发送一个标准化的请求，服务器将其转换为对特定资源或工具的调用，并返回一个与底层来源无关的连贯响应。
______________________________________________________________________
设计理念
MCP基于多个原则，这些原则与自由软件和开放协议的愿景相契合：
- 互操作性： 任何模型都可以与任何MCP服务器通信，无论其供应商或技术如何。
- 解耦： 这些模型不依赖于特定的API，只依赖于定义协议的合约。
- 可扩展性： 新的工具、资源或提示可以在不改变基本结构的情况下添加。
- 透明度： 该协议及其实现都是开源的。
- 中立性： MCP不属于任何公司，而是属于社区，遵循FLOSS（自由/开源软件）的理念。
______________________________________________________________________
用例
- 个人自动化： 一个通过单一协议即可访问邮件、天气和本地文件的模型。
- 企业整合： 在不创建特定SDK的情况下，实现内部系统与AI模型的连接。
- 通用插件： 可重复使用的MCP服务器，不同型号均可无需改动地使用。
- 可重复研究： 标准化工具，用于在人工智能团队之间共享数据管道。
______________________________________________________________________
与人工智能生态系统的关系
MCP自然融入新兴范式中 人工智能代理 y 情境计算，其中模型需要安全地访问动态信息。\ 其设计使得模型能够：
- 发掘环境中的潜能。
- 以受控的方式执行操作。
- 他们对其所做之事及所使用的资源保持追踪。
换句话说，MCP成为了人工智能的“通用API”。
______________________________________________________________________
结论
El（注：在西班牙语中，“El”通常是一个冠词，用于阳性名词前，但在此处作为独立词汇时，可能需要根据上下文来确定具体含义，若直接翻译则为“他/那”或保持原样作为专有名词等，但在此提供一个通用的翻译提示） 模型上下文协议 标志着人工智能系统发展的转折点。\ 正如HTTP促进了网络的互操作性一样，MCP可能会成为新一代智能、开放和模块化应用程序的基础。
它的力量不在于复杂性，而在于其 概念对称性一个能够理解并使用工具、数据和提示，并且所有这些都基于同一标准语言的模型。
______________________________________________________________________
参考文献
- Anthropic（2024年）。 *介绍模型上下文协议。*
- FLOSS MCP 社区：
- OpenAI开发者论坛：关于在多模型环境中集成MCP的讨论。
- 模型上下文协议（MCP）：现状、安全威胁及未来研究方向： Arxiv链接