Anthropic分享：使用MCP构建Agent

推荐语

Anthropic专家深度解析MCP协议，重塑AI应用开发新范式

核心内容：
1. MCP协议的核心概念与演进历程
2. MCP的构成与类比，三个主要接口解析
3. MCP解决ACP开发碎片化问题，多方获益

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

由于 Agent 的火爆，Anthropic 提出的 MCP (Model Context Protocol，模型上下文协议) 也跟着火爆起来，关于 MCP 的资料很多，这一篇是 MCP servers 的作者 Mahesh Murag 今年 2 月底在 AI Engineer Summit 上的分享，内容丰富又硬核，推荐，唯一美中不足的是里面的观众提问有点多，视频整体节奏没那么好。

分享主题：MCP (Model Context Protocol) 及其在 AI 应用和 Agent 中的应用

1. MCP 的动机与背景：

核心概念： 模型的能力取决于提供的上下文。

演进： 从最初的 Chatbot 手动输入上下文，发展到模型直接连接数据源和工具，实现更强大和个性化的 AI 应用。

MCP 的目标： 作为一个开放协议，实现 AI 应用、Agent 与工具和数据源之间的无缝集成。

2. MCP 的类比与构成：

类比API: 标准化 Web 应用前后端交互的方式。

类比LSP (Language Server Protocol): 标准化 IDE 与编程语言特定工具的交互方式。

MCP 的三个主要接口：

- Prompts: 「用户」控制的预定义模板，用于常见交互。

- Tools: 「模型」控制的工具，LLM 可以自主决定何时调用。

- Resources: 「应用」控制的数据，应用可以灵活使用。

注：这三个接口分别是由「用户」、「模型」、「应用」三方控制的，是非常精辟的总结。

3. MCP 解决的问题：碎片化

问题： 不同团队构建 AI 系统的方式各不相同，导致碎片化，重复造轮子。

MCP 的愿景： 标准化 AI 开发，应用开发者可以零成本连接到任何 MCP Server。

MCP Server（服务器端）： 对各种系统和工具的封装，为 LLM 提供访问接口。 例如数据库、CRM 系统、版本控制系统等。

MCP Clients（客户端）: 类似 Cursor、Windsurf 和 Goose 等应用程序。

4. MCP 的价值：

- 应用开发者： 一旦应用兼容 MCP，即可连接任何 Server，无需额外工作。

- 工具/API 提供者： 构建一次 MCP Server，即可被各种 AI 应用采用。

- 最终用户： 获得更强大、上下文更丰富的 AI 应用。

- 企业： 明确划分不同团队的职责，加速 AI 应用开发。 例如，数据基础设施团队负责维护 MCP Server，应用团队专注于构建 AI 应用。

5. MCP 的采用情况：

AI 应用和 IDE 领域，例如 Github、文档站。

Server 端，已有一千多个社区构建的 Server，以及 Cloudflare、Stripe 等公司的官方集成。

开源社区的积极贡献。

6. 构建 MCP 应用：

- MCP Client（客户端）： 调用 Tool，查询 Resource，填充 Prompt。

- MCP Server（服务器端）： 暴露 Tool、Resource 和 Prompt，供 Client 使用。

7. Tool、Resource 和 Prompt 的详细解释：

Tool：

-模型控制，LLM 决定何时调用。

- 用于检索数据、发送数据、更新数据库、写入文件等。

Resource：

- 应用控制，应用决定如何使用。

- 用于提供图片、文本文件、JSON 数据等。

- 支持静态和动态资源。

- 支持资源通知，Server 可以主动通知 Client 更新。

Prompt：

- 用户控制，用户手动调用。

- 用于定义常见交互的模板，例如文档问答、代码总结等。

8. MCP 与 Agent 的关系：

MCP 是 Agent 的基础协议。

Augmented LLM（增强型LLM）： LLM 与检索系统、工具和记忆的结合。 MCP 提供了 LLM 与这些组件交互的标准化方式。

Agent 的核心： Augmented LLM 运行在一个循环中，不断执行任务、调用工具、分析结果。

MCP 的作用： 使 Agent 具备可扩展性，可以在运行时发现新的能力。

9. mcp-agent 框架介绍（by LasMile AI）：

展示了如何使用 MCP 构建 Agent 系统。

提供了一套用于构建 Agent 的组件：Agent、Task。

简化了 Agent 的构建过程，使开发者可以专注于 Agent 逻辑本身。

通过声明式方式声明 Agent 的任务以及可用的 Server 和 Tool。

10. Agent 的协议能力：

Sampling (推断请求): MCP Server 可以请求 Client 执行 LLM 推理调用，而无需 Server 自行集成 LLM。

Composability (可组合性): 任何应用或 API 都可以同时作为 MCP Client 和 MCP Server。

11. MCP 路线图：

- 远程服务器和 Auth:

支持 OAuth 2.0 认证，Server 负责处理认证流程。

实现远程托管的 Server，无需用户手动安装和配置。

通过 Session Token 实现 Client 和 Server 的安全交互。

- 注册表(Registry):

统一托管的元数据服务，用于发现和管理 MCP Server。

解决 Server 的发现和发布问题。

支持版本控制、身份验证、安全验证等功能。

强调开发体验和文档。