了解一波MCP及简单功能实现

详细信息

作者优秀: 优秀教师/意见领袖/博士学历/特邀专家
平台推荐: 内容稀缺

3天前浏览29

这阵子MCP挺火的，闲来无聊尝试了一波，感觉挺有意思的。前阵子说利用AI大模型驱动Fluent似乎可以借助MCP实现。

MCP（Model Context Protocol）是Anthropic于2024年开源的标准协议，旨在统一AI模型与数据源的交互方式，提升数据访问的便捷性和可靠性，提供标准化的工具调用、资源管理和提示词功能。目前，MCP仍处于探索阶段，其行业影响力有待进一步验证。

早期的AI大模型依赖于训练，其根据用户输入的提示词给出模型的推理结果，其输出结果受限于模型的训练效果，经常会因为模型能力的不足而出现幻觉。后来人们发现可以借助于利用AI大模型调用函数来实现模型能力的补充，但这种情况经常会因为调用接口的不统一而导致兼容性很差，常常一个实现相同功能的函数为了迎合不同的模型而要重复编写。再后来就有了MCP，人们终于可以在同一个接口规范下去实现函数调用了。也就是说，有了MCP后，只要你的函数满足MCP协议，那么所有支持MCP的AI大模型都可以调用了。

MCP的运作主要包括三部分：

MCP Host：需要通过MCP获得数据的程序，例如Claude Desktop, IDEs或者一些AI工具等
MCP Client: MCP协议客户端，和MCP Server是一对一支持的。
MCP Server：需要通过MCP暴露一些特殊的能力的轻应用。根据MCP协议定义，Server可以提供三种类型的标准能力，Resources、Tools、Prompts，每个Server可同时提供者三种类型能力或其中一种。

Resources：资源，类似于文件数据读取，可以是文件资源或是API响应返回的内容。
Tools：工具，第三方服务、功能函数，通过此可控制LLM可调用哪些函数。
Prompts：提示词，为用户预先定义好的完成特定任务的模板

借用网上流行的一张图来说明MCP各组件之间的关系。

下面举个简单的例子来说明。

比如说前些时候人们经常用“9.11和9.9比较谁更大？”这样的问题来考验AI大模型，虽然说现在的大模型基本都能回答，但是如果我们使用MCP，可以让小模型也能很好地回答此问题。

首先确保机器上安装了python。然后用下面的命令安装MCP组件：

pip install mcp
或者pip install mcp[cli]

安装完毕后执行下面的命令查看mcp是否安装成功：

mcp version

如果显示以下结果，则表示安装成功。

下面来创建一个mcp server。

新建一个 test.py 文件，用于编写 MCP Server 的 python 程序代码。

以下是 test.py 文件内容，注意，备注内容非常重要，大模型通过函数名和备注来判断是否调用次函数。这里只是简单演示而随便编的一段代码，并没有考虑参数a和b相等的情况。

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("compareNumber")

@mcp.tool()
def getNumber(a,b):
    """ 比较两个数的大小，返回较大的数
    参数:
        a : 第一个数
        b : 第二个数
    返回：
        a和b中的最大值
    """
    if a > b:
        return a
    else:
        return b
    
if __name__ == "__main__":
    mcp.run(transport='stdio')

代码编写完毕后将其放在d盘跟路径下，完整路径为d:\test.py。

下面我们到CherryStudio中测试MCP。

在CherryStudio中点击设置按钮，然后进入 MCP服务器 栏目下，点击 编辑JSON 按钮打开编辑对话框

输入以下信息

{
  "mcpServers": {
    "compareNumber": {
      "description": "比较两个数的大小，返回较大的那个数",
      "isActive": true,
      "command": "python",
      "args": [
        "d:\\test.py"
      ]
    }
  }
}