AI Agent 爆火，MCP 到底是啥

推荐语

AI Agent的新风向标，MCP协议如何改变游戏规则？
核心内容：
1. MCP协议的诞生背景和基本概念
2. MCP如何助力AI模型与外部工具的无缝对接
3. 实际应用案例：使用MCP在GitHub上自动创建Pull Request

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

2024 年 11 月，Anthropic 这家公司做了件大事，开源了 Model Context Protocol，也就是咱们说的 MCP 协议。这 MCP 拆开来看，包含三个关键部分：

• Model（模型）：像现在超火的 GPT、Claude 这些 AI 模型都在这个范畴里。它们就像是聪明的大脑，能处理各种信息，给我们生成五花八门的内容。

• Context（上下文）：简单理解，就是给模型提供额外资料，帮助模型更精准地理解任务。打个比方，你想让模型写一篇关于某个特定活动的报道，那把活动的详细信息，比如时间、地点、流程等作为上下文提供给它，写出来的内容肯定更靠谱。

• Protocol（协议）：这是一种通用标准或规范，有了它，各种操作和交互才能有序进行。

合起来说，MCP 就是一种能让 AI 模型和外部资料无缝对接的标准协议。为啥这很重要呢？咱知道，AI Agent 想要发挥出真正的价值，就得能操作各种外部工具。而软件程序的底层逻辑，其实就是对数据进行处理和操作。

给大家举个超常见的例子。现在不少小伙伴会用 AI 驱动的 IDE 写代码，像 Cursor 或者 Windsurf 就很受欢迎。当你在这些工具里写好代码，想直接把代码提交到 GitHub 上，生成 Pull Request（PR），要是按照传统方法，这根本行不通。哪怕 AI 再聪明，没有外部工具接口，它也没办法完成这个任务。以往开发者只能自己手动打开 GitHub，一步步创建 PR，再添加详细描述，又麻烦又费时间。

但有了 MCP 就不一样啦！在 GitHub 上发送 PR，本质就是在特定代码库中创建和 PR 相关的数据。借助 MCP 服务器，把 AI IDE 和 GitHub 连接起来，AI Agent 写完代码后，就能自动帮你完成创建 PR 的一系列操作，是不是超方便？

可能有的朋友要问了：“这听起来不就是让 AI 调用 GitHub 的 API 嘛，为啥还需要 MCP 这么个东西呢？” 这里面的门道可不少。没有 MCP 的话，AI 模型根本不知道该怎么正确调用 GitHub 的 API。你要是直接问 AI “怎么调用 GitHub API 发送 PR”，它可能会因为训练数据过时，给出错误的答案，甚至还会 “胡说八道”，出现所谓的 “幻觉” 情况。

以前大家为了解决这个问题，常用 “函数调用”（function calling）的方法。开发者自己定义特定的函数和调用方式，让模型按照规定的格式传递参数然后调用。这方法虽然有一定效果，但也有明显的缺点。每个开发者定义函数和调用方式都不一样，就像每个人都有自己独特的 “语言”，这就导致不同开发者的代码之间很难通用。这样一来，推广普及变得困难重重，每次开发新功能都得重复做很多工作。

Anthropic 开源 MCP，就是希望它能像 USB-C 接口一样，成为一个通用标准。大家想想，以前各种电子设备接口五花八门，充电、传输数据特别麻烦。有了 USB-C 接口后，不管是手机、电脑还是平板，都能通过同一个接口连接，轻松实现各种功能，再也不用担心接口不匹配的问题。MCP 对于 AI 应用来说，就起到了类似 USB-C 接口的作用。它让 AI 应用能轻松切换不同的模型，同时也让模型能毫无障碍地对接各种数据源和工具。

总的来说，MCP 的核心价值就在于提供了标准化接口。有了这个接口，AI 开发者在开发过程中，就能更轻松地把 AI 模型和外部资源、工具连接起来，打造出功能更强大、更实用的 AI 应用。

笔者能力有限，欢迎批评指正或者在留言区讨论。