作者 | rian

OpenAI 官宣全面支持MCP協(xié)議，至此MCP已得到業(yè)界廣泛的認(rèn)可。正逐步成為AI應(yīng)用架構(gòu)的基礎(chǔ)協(xié)議。做為AI應(yīng)用架構(gòu)的USB-C,MCP原理是怎樣的？對(duì)實(shí)際業(yè)務(wù)又有何影響呢？本文以MCP原理解讀及業(yè)務(wù)實(shí)踐為切入點(diǎn)，探索AI應(yīng)用架構(gòu)在業(yè)務(wù)領(lǐng)域落地的路徑。

一、技術(shù)背景

大模型很長(zhǎng)時(shí)間面臨認(rèn)知邊界和工具使用的雙重約束：其知識(shí)體系受限于預(yù)訓(xùn)練階段的靜態(tài)數(shù)據(jù)沉淀并缺少完成任務(wù)的工具。而傳統(tǒng)Function Call存在先天性的不足：線性指令執(zhí)行機(jī)制帶來(lái)的性能瓶頸與異構(gòu)接口標(biāo)準(zhǔn)帶來(lái)的兼容性瓶頸。這種局面在 Anthropic 2024.11 發(fā)布 Model Context Protocol 后得到改變——該協(xié)議重新定義了大語(yǔ)言模型與現(xiàn)實(shí)世界的交互范式。

1. Function Call vs MCP

Function Call，標(biāo)桿開源項(xiàng)目是 Langchain Tools，它提供了"All In One"的工具箱，號(hào)稱大模型的瑞士軍刀。

而MCP的設(shè)計(jì)思路則不同，它遵循微內(nèi)核架構(gòu)的設(shè)計(jì)理念：定義架構(gòu)和協(xié)議標(biāo)準(zhǔn)。號(hào)稱工具調(diào)用的USB-C標(biāo)準(zhǔn)。

標(biāo)準(zhǔn)發(fā)布后開源生態(tài)活躍，MCP 官方及三方組件累計(jì)已達(dá)到4000+。

官方MCPServer：GitHub - modelcontextprotocol/servers: Model Context Protocol Servers

基于這一框架，大語(yǔ)言模型突破了原有束縛：動(dòng)態(tài)語(yǔ)義對(duì)齊機(jī)制將工具理解準(zhǔn)確率提升至新量級(jí)，指令編排引擎則實(shí)現(xiàn)了高并發(fā)任務(wù)的智能調(diào)度。MCP通過(guò)標(biāo)準(zhǔn)化接口的語(yǔ)義映射能力，將離散的API調(diào)用轉(zhuǎn)化為具備上下文感知的協(xié)作指令集。

2. MCP Timeline

(1) 2024年11 月 24 日

Anthropic 發(fā)布 MCP 協(xié)議人工智能公司 Anthropic 首次提出 MCP（Model Control Protocol），旨在為無(wú)法直接修改底層邏輯的 Agent（如 Cursor、Claude 桌面端等）提供工具調(diào)用標(biāo)準(zhǔn)。協(xié)議允許用戶為第三方 Agent 動(dòng)態(tài)接入自定義工具，無(wú)需開發(fā)者介入。

(2) 2024年12月

Claude + MCP 應(yīng)用案例涌現(xiàn) 技術(shù)社區(qū)出現(xiàn)首批基于Claude 3.5 + MCP 的應(yīng)用案例，例如通過(guò)MCP協(xié)議實(shí)現(xiàn)Claude與本地文件系統(tǒng)、數(shù)據(jù)庫(kù)的自動(dòng)化交互。開發(fā)者工具Cursor同期發(fā)布MCP適配版本，驗(yàn)證了該協(xié)議在多工具協(xié)作場(chǎng)景的可行性。

(3) 2025年3月初

MCP生態(tài)進(jìn)入規(guī)模化應(yīng)用階段 企業(yè)級(jí)應(yīng)用：Block、Apollo等企業(yè)通過(guò)集成MCP實(shí)現(xiàn)跨系統(tǒng)數(shù)據(jù)調(diào)度，業(yè)務(wù)流程響應(yīng)速度提升數(shù)倍；開發(fā)者工具：Cline、Windsurf 等工具原生支持MCP協(xié)議。

(4) 2025年3月11日

LangChain 官方發(fā)布核心辯論文章 LangChain 聯(lián)合創(chuàng)始人 Harrison Chase 與 LangGraph 負(fù)責(zé)人 Nuno Campos 圍繞 MCP 展開激辯。40% 參與者支持 MCP 成為未來(lái)標(biāo)準(zhǔn)。（33% 的人表示觀望）。

(5) 2025年3月12日

開源社區(qū)復(fù)現(xiàn) Manus 技術(shù)方案 開發(fā)者社區(qū)組織線上分享會(huì)，探討如何基于 MCP 協(xié)議復(fù)現(xiàn) Anthropic 的 Manus 框架（一種多 Agent 協(xié)作系統(tǒng)），進(jìn)一步推動(dòng)協(xié)議落地應(yīng)用。

解讀：Manus 產(chǎn)品形態(tài)上讓人眼前一亮。而在 Manus 發(fā)布之前，完成特定領(lǐng)域任務(wù)的AI Agent 已經(jīng)投入實(shí)際的生產(chǎn)工作（如AI編碼工具Cursor、Cline）。Manus 的關(guān)鍵詞是 "通用、復(fù)雜任務(wù)"。

(6) 2025年3月17日

Anthropic推出的MCP協(xié)議新傳輸方案"Streamable HTTP“。

該方案徹底重構(gòu)了通信機(jī)制。解決了原HTTP+SSE方案在連接恢復(fù)性、服務(wù)器負(fù)載及雙向通信方面的核心瓶頸。

PR已于3.24合入。

解讀：1. 按需建立流式通道：會(huì)話初始化階段僅需常規(guī)HTTP請(qǐng)求，當(dāng)檢測(cè)到需要持續(xù)交互（如工具執(zhí)行進(jìn)度反饋）時(shí)，服務(wù)器自動(dòng)觸發(fā)SSE升級(jí)機(jī)制。2. 無(wú)狀態(tài)運(yùn)行支持: 服務(wù)器無(wú)需長(zhǎng)期維護(hù)連接狀態(tài)，處理完請(qǐng)求即可釋放資源，適合Serverless架構(gòu)。

(7) 2025年3月27日

OpenAI宣布支持MCP協(xié)議。

3. MCP Roadmap

2025H1 MCP官方計(jì)劃支持以下能力：

(1) Remote MCP Support:

OAuth2授權(quán)&鑒權(quán)能力、服務(wù)注冊(cè)與發(fā)現(xiàn)、無(wú)狀態(tài)操作（支持serverless場(chǎng)景）

(2) Distribution & Discovery:

Package管理、沙箱環(huán)境（通過(guò)隔離提升安全性）、MCP Server注冊(cè)表

(3) Agent Support:

• 分層代理系統(tǒng)：通過(guò)命名空間與拓?fù)涓兄С侄嗉?jí)代理樹結(jié)構(gòu)。
• 交互式工作流：優(yōu)化跨代理層級(jí)的權(quán)限管理、用戶信息請(qǐng)求及輸出定向（用戶而非模型）。
• 流式結(jié)果：支持長(zhǎng)任務(wù)實(shí)時(shí)結(jié)果推送，提升響應(yīng)效率。

(4) Broader Ecosystem:

開放標(biāo)準(zhǔn)共建：推動(dòng)社區(qū)主導(dǎo)的標(biāo)準(zhǔn)制定，鼓勵(lì)A(yù)I廠商平等參與治理，滿足多樣化應(yīng)用需求。多模態(tài)支持：拓展音頻、視頻等非文本格式的兼容性。

這些都是MCP 架構(gòu)工程化落地很需要的能力。

二、初步驗(yàn)證

紙上得來(lái)終覺(jué)淺，了解到MCP概念后，我使用 Cline（VSCode插件）體驗(yàn)了MCP Server開發(fā)、配置和使用的過(guò)程。

1. 開發(fā) MCP Server

這里使用 Claude Sonnet 大模型和MCP模板快速實(shí)現(xiàn)了幾個(gè)MCP Server：openweather：基于openwheather api 查詢天氣信息。note-sqlite：使用 sqlite 保存、查詢筆記。

MCP Server 需要實(shí)現(xiàn)大模型友好的接口定義，核心的接口是：

2. 配置 MCP Server

將開發(fā)好的MCP Server 添加到Cline插件的MCP Server配置文件。

3. MCP Host 執(zhí)行任務(wù)

在Cline對(duì)話框輸入任務(wù)："查詢并記錄天氣"。任務(wù)執(zhí)行情況如下：

(1) 意圖識(shí)別與任務(wù)分解

Cline 將用戶prompt 和可用工具列表作為入?yún)鬟f給LLM，LLM執(zhí)行意圖識(shí)別與任務(wù)分解。

可以看到，大模型將任務(wù)分解為兩個(gè)主要步驟：

• 使用openweather 獲取深圳天氣數(shù)據(jù) 2. 使用note-sqlite 保存天氣數(shù)據(jù)
• 在此步驟大模型的輸出是：任務(wù)執(zhí)行的工作流（查詢天氣->保存筆記）及Tool Call參數(shù)。

(2) 查詢天氣數(shù)據(jù)

Cline 根據(jù)大模型返回的工作流及Tool Call參數(shù)，調(diào)用get_current_weather 查詢天氣信息：

(3) 數(shù)據(jù)處理與格式化

Cline 將"查詢天氣"的結(jié)果加入到上下文中傳遞給大模型，大模型將其轉(zhuǎn)化為調(diào)用save_note工具的參數(shù)。

(4) 記錄天氣數(shù)據(jù)

Cline 使用大模型返回的 Tool Call 參數(shù)調(diào)用save_note工具保存筆記：

(5) 結(jié)果呈現(xiàn)

Cline 將"保存筆記"的結(jié)果加入到上下文傳遞給大模型，大模型返回任務(wù)總結(jié)：

為了驗(yàn)證大模型對(duì)同類工具的選擇機(jī)制，我又開發(fā)、配置了一個(gè)weather-sqlite 服務(wù)，專門用于記錄天氣信息。

在查詢網(wǎng)天氣信息后，在note-sqlite和weather-sqlite 都可用的前提下，選擇了后者用于保存天氣信息。以下是大模型給出的決策理由：

三、原理解析

接下來(lái)看一下大模型和MCP工具集是如何協(xié)同完成用戶特定任務(wù)的。

1. 核心架構(gòu)

(1) MCP Host （如Claude Desktop、Cursor IDE、Cline）可以看做是一個(gè)AI Agent。調(diào)用LLM執(zhí)行意圖識(shí)別，制定任務(wù)計(jì)劃。然后調(diào)用MCP Server 完成任務(wù)流中的一個(gè)一個(gè)子任務(wù)。同時(shí)負(fù)責(zé)管理與用戶的會(huì)話。

(2) MCP Server 即大模型友好的工具集。通過(guò)類似OAS標(biāo)準(zhǔn)的Schema標(biāo)注，讓大模型能很好地理解工具的功能范圍及使用方法。MCP Server需要有安全控制機(jī)制，以保障接口/資源不被越權(quán)訪問(wèn)。

(3) MCP Client 即通信中間件。MCP Client 是MCP Host 引用的組件，負(fù)責(zé)與MCP Server 建立連接，并處理 JSON-RPC/SSE 等協(xié)議交互。

2. 交互流程

這里花了一點(diǎn)時(shí)間完整地探究了一下Cline 完整地梳理了Cline 處理用戶請(qǐng)求的流程。主要涉及兩個(gè)階段：

• 初始化階段：MCP Host啟動(dòng)時(shí)基于配置與MCP Server 建立連接，獲取并緩存工具/資源的元數(shù)據(jù)描述（如接口定義JSON Schema）。
• 任務(wù)處理階段：MCP Host調(diào)用大模型做意圖識(shí)別和任務(wù)規(guī)劃。大模型結(jié)合用戶prompt及上下文信息、可用工具列表動(dòng)態(tài)規(guī)劃任務(wù)流程并適配 Tool Call 參數(shù)。該階段采用ReAct循環(huán)機(jī)制，當(dāng)參數(shù)不完整或輸出結(jié)果置信度低于閾值時(shí)啟動(dòng)用戶協(xié)同修正流程。

3. 技術(shù)關(guān)鍵點(diǎn)

這里展開說(shuō)一些關(guān)鍵技術(shù)細(xì)節(jié)

(1) 統(tǒng)一語(yǔ)義空間

MCP Server通過(guò) Schema（類 OAS3標(biāo)準(zhǔn)） 明確定義工具的能力范圍及接口字段（包含類型、校驗(yàn)規(guī)則及自然語(yǔ)言描述等）。

下面是一個(gè)示例Schema：

可以看到接口定義了兩個(gè)字段：city 和 days。兩個(gè)字段均有明確的描述信息和校驗(yàn)規(guī)則。接口自身的功能描述信息也有在Schema中標(biāo)注。

大模型基于用戶意圖動(dòng)態(tài)規(guī)劃工具調(diào)用指令流。并根據(jù)上下文信息、工具的 Input Schema 生成調(diào)用參數(shù)。實(shí)現(xiàn)自然語(yǔ)言與工具調(diào)用的語(yǔ)義對(duì)齊。

(2) 雙向通訊協(xié)議

通過(guò)雙向通訊機(jī)制MCP Host 不僅可以通過(guò)RPC調(diào)用工具集，還可以實(shí)時(shí)感知工具和資源的變更。目前支持STDIO、Streamable HTTP兩種通訊協(xié)議。覆蓋了本地進(jìn)程間通訊和遠(yuǎn)端通訊的場(chǎng)景。

日志/文件處理是一個(gè)典型的應(yīng)用場(chǎng)景。

(3) 微內(nèi)核架構(gòu)

得益于MCP微內(nèi)核架構(gòu)，任何支持 MCP 的 AI 應(yīng)用（MCP Host）均可直接配置并使用應(yīng)用市場(chǎng)的MCP Server（官方、三方），無(wú)需預(yù)編碼適配。類似于 USB 設(shè)備插入即用。

Cline MCP Server配置文件示例：

四、業(yè)務(wù)探索

為了探索AI應(yīng)用架構(gòu)在QQ機(jī)器人場(chǎng)景落地的路徑。我遵循MCP提供的思路，搭建了一個(gè)的AI Agent DEMO機(jī)器人。

1. DEMO制作

機(jī)器人基于MCP協(xié)議接入工具集，基于大模型的意圖識(shí)別和動(dòng)態(tài)規(guī)劃能力完成用戶任務(wù)的過(guò)程，采用ReAct模式迭代處理用戶任務(wù)，直至任務(wù)完成。

共涉及3個(gè)服務(wù)：MCP Host（即機(jī)器人服務(wù)端）和2個(gè)MCP Server（包含查詢天氣的工具、制定行程計(jì)劃的工具）。

驗(yàn)證截圖如下：

機(jī)器人首先提示用戶補(bǔ)全信息，然后調(diào)用MCP Server工具集完成了"查詢天氣 -> 制定行程"的任務(wù)流程。最后調(diào)用大模型輸出了任務(wù)總結(jié)。

由于token成本的原因，demo機(jī)器人未開放體驗(yàn)。

2. 架構(gòu)推演

實(shí)際業(yè)務(wù)場(chǎng)景中智能體需要響應(yīng)用戶各種各樣的請(qǐng)求，比如：搜索、畫圖、拍照解題、文檔處理等等。單Agent架構(gòu)難以支撐，難以擴(kuò)展。我們把目光投向了時(shí)下熱度很高的Multi-Agent架構(gòu)。

(1) 引入Multi-Agent架構(gòu)

我們調(diào)研了：LangManus、OpenManus、OWL、Tars等完整產(chǎn)品形態(tài)的開源框架。同時(shí)也調(diào)研了一些更輕量的后臺(tái)框架，比如eino 。這些框架在這些框架有一些共同點(diǎn)：引入了多Agent動(dòng)態(tài)協(xié)同、上下文管理、任務(wù)流編排與執(zhí)行等能力。核心邏輯都采用了ReAct模式進(jìn)行循環(huán)迭代。都引入一套處理特定任務(wù)的工具集（如搜索、文檔處理），同時(shí)支持MCP擴(kuò)展。

這里基于調(diào)研的結(jié)論及對(duì)開源框架的理解畫了一下 Multi-Agent的架構(gòu)示意圖：

這里不展開說(shuō)。后續(xù)會(huì)發(fā)專項(xiàng)文章。敬請(qǐng)期待。

(2) 解決大模型應(yīng)用開發(fā)的痛點(diǎn)

大模型給應(yīng)用開發(fā)帶來(lái)了很大的便利：

• 基于語(yǔ)義的文本處理能力：能夠理解和生成人類語(yǔ)言，處理非結(jié)構(gòu)化的內(nèi)容語(yǔ)義關(guān)系
• 動(dòng)態(tài)決策能力：能夠基于上下文進(jìn)行推理和判斷，做出相應(yīng)的行為決策

但大模型提供良好泛化能力的同時(shí)也引入了一些痛點(diǎn)，那就是準(zhǔn)確性和穩(wěn)定性。

典型 case：

• 準(zhǔn)確性 ：用戶希望使用AI Agent的P圖功能，在發(fā)送圖片給Agent后，又說(shuō)"卡通風(fēng)格"。而AI Agent 出戲了回復(fù)了一段文字解釋了卡通風(fēng)格。大模型沒(méi)有理解到用戶處于畫圖的流程中。
• 穩(wěn)定性：用戶輸入"我明天去第比利斯旅行，請(qǐng)幫我制定一個(gè)4天旅行計(jì)劃"?？赡艽嬖诖竽Ｐ偷谝淮我?guī)劃的任務(wù)流程和第二次不一致的情況，比如：第一次"調(diào)用工具查詢天氣 -> 調(diào)用工具制定行程計(jì)劃"，第二次"詢問(wèn)用戶當(dāng)?shù)氐奶鞖馇闆r- > 調(diào)用工具制定行程計(jì)劃"。

可以從算法和工程兩個(gè)維度來(lái)改進(jìn)。這里主要探討工程化的提升手段/措施：

① 提升意圖識(shí)別準(zhǔn)確性的工程化手段

• 精細(xì)化提示詞管理、上下文管理，為大模型提供必要準(zhǔn)確的信息。
• 通過(guò)任務(wù)質(zhì)量Agent 收集低置信度意圖識(shí)別結(jié)果。完成反饋與修正流程。

② 提升任務(wù)流規(guī)劃穩(wěn)定性的工程化手段

• （參考eino框架的思路）開發(fā)者預(yù)先定義執(zhí)行圖的結(jié)構(gòu)和可能的路徑，固化某些業(yè)務(wù)的處理流程，而大模型在運(yùn)行時(shí)根據(jù)任務(wù)內(nèi)容動(dòng)態(tài)決定具體走哪條路徑。這種設(shè)計(jì)既保證了系統(tǒng)的結(jié)構(gòu)化和可控性，又提供了足夠的靈活性來(lái)處理各種復(fù)雜任務(wù)。
• 復(fù)雜流程處理上：增加按照用戶響應(yīng)判斷是否跳出任務(wù)的處理過(guò)程的邏輯或步驟。

拋磚引玉。這里簡(jiǎn)單聊了一下我在探索AI應(yīng)用架構(gòu)落地過(guò)程中遇到的一些問(wèn)題和思考。

五、總結(jié)與展望

寫這篇文章加實(shí)踐探索先后花了2周左右的時(shí)間。這段時(shí)間MCP生態(tài)活躍。我也不斷在更新文章第一章節(jié)的Timeline。

我深切地感受到技術(shù)創(chuàng)新正以前所未有的速度進(jìn)行著。同時(shí)也意識(shí)到技術(shù)創(chuàng)新給業(yè)務(wù)生態(tài)帶來(lái)的無(wú)限可能：

各個(gè)行業(yè)可以基于MCP協(xié)議開放工具（比如購(gòu)買機(jī)票、預(yù)訂外賣），參與AI工業(yè)革命的進(jìn)程。

智能體應(yīng)用（手機(jī)APP、桌面端或網(wǎng)頁(yè)）可以基于MCP開放生態(tài)接入的海量工具構(gòu)建業(yè)務(wù)形態(tài)。比如：用戶發(fā)出的自然語(yǔ)言指令，智能體應(yīng)用借助外部服務(wù)/工具完成用戶任務(wù)（比如用戶："幫我購(gòu)買8月份去格魯吉亞旅游的低價(jià)往返機(jī)票"。智能體應(yīng)用：首先提供機(jī)票查詢結(jié)果，然后在用戶確認(rèn)后購(gòu)買機(jī)票，并設(shè)定日程提醒）

后續(xù)會(huì)持續(xù)分享AI應(yīng)用架構(gòu)在QQ業(yè)務(wù)場(chǎng)景落地的實(shí)踐。歡迎大家來(lái)交流。