MCP（Model Context Protocol，模型上下文协议）
2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大模型与外部数据源和工具之间的通信协议。
MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
对于 LLM 开发者，MCP 是一个变革性的协议。
它消除了为每个数据源或工具进行定制集成的需要，减少了开发时间和维护成本。
从本质上来说，MCP是一种技术协议，一种智能体Agent开发过程中共同约定的一种规范。
在统一的规范下，协作效率就能大幅提高，最终提升智能体Agent的开发效率。
MCP协议本质就是Function calling技术的更高层封装和实现。
传统的Function calling技术要求围绕不同的外部工具API单独创建一个外部函数，类似一把锁单独配一把钥匙，而一个智能体又往往涉及到多个外部工具设计，因此开发工作量很大。
MCP 的灵感部分来源于 USB-C 的类比：如同 USB-C 通过统一接口连接多种设备，MCP 旨在为 AI 应用提供一个“即插即用”的上下文管理框架。
MCP 的核心思想是将模型与外部系统之间的通信抽象为一个客户端-服务器架构，通过标准化的接口（如基于 JSON-RPC 的通信）实现上下文的动态传递和工具的灵活调用。Anthropic 在发布时提供了初步的规范和 SDK（如 Python 和 TypeScript），并开源了多个预构建的 MCP 服务器（如 Google Drive、GitHub 集成），以加速该协议的推广。
MCP服务器与客户端
MCP技术体系中对大模型和外部工具的一种划分方式，也就是说在MCP技术体系中，会将外部工具称作服务器，而接入这些外部工具的大模型运行环境称作客户端。
MCP 客户端调用服务器工具的流程如下：
1、建立连接 ：与 MCP 服务器搭建通信链路。
2、查询工具 ：获取服务器上所有外部工具的数量信息。
3、生成列表 ：将查询到的外部工具整理成列表，并融入当前对话场景。
4、调用工具 ：通过 Function calling 技术调用所需的外部工具。
一个客户端可以接入多个不同类型的服务器的，但要求是都要遵循MCP通信协议。MCP服务器的输出内容是一种标准格式的内容，只能被MCP客户端所识别。在客户端和服务器都遵循MCP协议的时候，客户端就能够像Function calling中大模型调用外部工具一样，调用MCP服务器里面的工具。
VS Function calling
Function Calling是AI大模型模型调用函数的机制，
MCP是一个标准协议，使大模型与API无缝交互，
而AI Agent是一个自主运行的智能系统，利用Function Calling和MCP来分析和执行任务，实现特定目标。