日韩欧美国产精品免费一二-日韩欧美国产精品亚洲二区-日韩欧美国产精品专区-日韩欧美国产另-日韩欧美国产免费看-日韩欧美国产免费看清风阁

?聊一下MCP，希望能讓各位清醒一點吧。

先說觀點：MCP不錯，但它僅僅是個協(xié)議而已，很多科普文章中，提到的更多都是愿景，而不是落地的場景。

本文不再重新陳述MCP的基本概念，而是旨在能讓大家了解的是MCP 有什么用？、怎么用？、要不要用？

我準備了一份MCP實現(xiàn)的核心代碼，只保留必要的內(nèi)容，五分鐘就能看明白MCP怎么回事。

先上代碼，讓我們看看實現(xiàn)MCP最核心的部分我們都干了些什么東西。順便讓大家看看MCP到底和Function call是個什么關(guān)系。

MCP代碼核心邏輯

我們在本地運行的MCP，所以使用的是Stdio模式的客戶端和服務端。也就是：StdioServerTransport和StdioClientTransport

先看打滿日志的demo運行起來起來后，我們獲得的信息：

我們的服務端寫了兩個簡單的工具，加法和減法。

服務端啟動成功之后，客戶端成功的從服務端獲取到了這兩個工具。

我們發(fā)起了一個問題：計算1+1

接下來做的事情就是MCP的客戶端核心三步邏輯：

1. 客戶端調(diào)用AI的function call能力，由AI決定是否使用工具，使用哪個工具。

2. 客戶端把確定要使用的工具和參數(shù)發(fā)送回服務端，由服務端實現(xiàn)API調(diào)用并返回結(jié)果。

3. 客戶端根據(jù)結(jié)果，再次調(diào)用AI，由AI進行回答。

我們一邊看代碼一邊說里面的問題：

第一步調(diào)用AI，決定使用工具

客戶端代碼：

  const response = await this.openai.chat.completions.create({
    model: model,
    messages,
    tools: this.tools, // ! 重點看這里，this.tools是服務端返回的工具列表
  });

看到了么？這里用的還是Function call! 謠言一：MCP和Function call沒關(guān)系，MCP就可以讓大家調(diào)用工具，終結(jié)了。MCP就是用的function call的能力來實現(xiàn)的工具調(diào)用。當然我們也可以不用Function call，我們就直接用提示詞判斷，也是可以的。

這里要說的是：MCP就是個協(xié)議。并沒有給大模型帶來任何新的能力，也沒有某些人說的MCP提升了Function call的能力，以后不用Function call了，用MCP就夠了這種話，千萬不要被誤導。

MCP并沒有讓大模型的工具調(diào)用能力提升

在真實的生產(chǎn)環(huán)境中，目前Function call主要的問題有：

• 工具調(diào)用準確性不夠。 真正的生成環(huán)境可能不是三個五個工具，而是三十個五十個。工具之間的界限不夠清晰的話，就會存在模型判斷不準確的情況。

• 參數(shù)提取準確性不夠。 特別是當一個工具必填加選填的參數(shù)達到十個以上的時候，面對復雜問題，參數(shù)的提取準確率會下降。

• 多意圖的識別。
  用戶的一個問題涉及到多個工具時，目前沒有能夠穩(wěn)定提取的模型。

第二步把工具和參數(shù)發(fā)回服務端，由服務端調(diào)用API

客戶端代碼：

const result = await this.mcp.callTool({
  name: toolName,
  arguments: toolArgs,
});

服務端的代碼：

server.tool(
  "加法",
  "計算數(shù)字相加",
  {
    "a": z.number().describe("加法的第一個數(shù)字"),
    "b": z.number().describe("加法的第二個數(shù)字"),
  },
  async ({ a, b, c }) => {
    console.error(`服務端: 收到加法API，計算${a}和$兩個數(shù)的和。模型API發(fā)送`) 
    // 這里模擬API的發(fā)送和使用
    let data = a + b
    return {
      content: [
        {
          type: "text",
          text: a + '+' + b + '的結(jié)果是：' + data,
        },
      ],
    };
  },
);

發(fā)現(xiàn)問題了么？ API是要有MCP服務器提供者調(diào)用的。要花錢的朋友！

每一臺MCP服務器背后都是要成本的，收費產(chǎn)品進行MCP服務器的支持還說的過去，不收費的產(chǎn)品全靠愛發(fā)電。更不要說，誰敢在生成環(huán)境接一個不收費的私人的小服務器？

百度地圖核心API全面兼容MCP了，百度地圖是收費的，進行多場景的支持是很正常的行為。

來看看百煉吧，阿里的百煉目前推出了MCP的功能，支持在百煉上部署MCP server。

也是要花錢的朋友~，三方API調(diào)用費用另算。

阿里的魔塔社區(qū)提供了大量的MCP，可以看到有一些大廠的服務在，當然有收費的有免費的，各位可以嘗試

第三步客戶端根據(jù)結(jié)果，再次調(diào)用AI，由AI進行回答。

客戶端代碼：

messages.push({
  role: "user",
  content: result.content,
});
const aiResponse = await this.openai.chat.completions.create({
  model: model,
  messages: messages,
});

從服務端返回的結(jié)果，添加到messages中，配合提示詞由大模型進行回復即可。

這一步屬于正常的流程，沒什么好說的。

那么問題是：我們使用MCP來實現(xiàn)，和我們自己實現(xiàn)這套流程有什么區(qū)別么？我們?yōu)槭裁匆肕CP呢？

當初群里朋友第一次提到MCP的時候，我去看了一眼文檔，給了這樣的結(jié)論：

大廠為了搶生態(tài)做的事情，給落地的流程中定義了一些概念，多了腦力負擔，流程和自己實現(xiàn)沒區(qū)別。

對于工具的使用，自己實現(xiàn)和用MCP實現(xiàn)有什么區(qū)別么？

自己實現(xiàn)的流程和邏輯是這樣的：

1. 我們的提示詞工程師寫好每個工具的提示詞
2. 我們的后端工程師寫好模型的調(diào)用，使用的是前面寫好的提示詞
3. 提供接口給前端，等待前端調(diào)用
4. 前端調(diào)用傳入query，后端通過AI獲取了工具
5. 通過工具配置調(diào)用API，拿到數(shù)據(jù)交給AI，流式返回用戶。

MCP的邏輯是這樣的：

1. 我們的提示詞工程師寫好每個工具的提示詞
2. 我們后端工程師分別寫好MCP服務端、MCP客戶端
3. MCP客戶端提供個接口給前端，等待前端調(diào)用
4. 前端調(diào)用傳入query，MCP客戶端調(diào)用AI，獲取了工具。
5. 客戶端把確定要使用的工具和參數(shù)發(fā)送會服務端，由服務端實現(xiàn)API調(diào)用并返回結(jié)果。
6. 客戶端根據(jù)結(jié)果，再次調(diào)用AI，由AI進行回答，流式返回用戶。

看吧，本質(zhì)上是沒有區(qū)別的。

什么？你說MCP服務端，如果日后需要與其他企業(yè)進行合作，可以方便的讓對方的MCP客戶端調(diào)用？ 我們的客戶端也可以很方便的接入別人的MCP服務端。

不好意思，不用MCP也可以，因為Function call的參數(shù)格式已經(jīng)確定了，這里原本存在差異性就極小。而且MCP也并沒有解決這個差異性。還是需要客戶端進行修改的。

MCP真正的意義

現(xiàn)在還是諸神混戰(zhàn)時期，整個AI產(chǎn)品的上下游所有的點，都具有極高的不確定性。

MCP給出了一個技術(shù)標準化的協(xié)議，是大家共建AI的愿景中的一環(huán)，潛力是有的。

但是Anthropic真的只是在乎這個協(xié)議么？前面的內(nèi)容我們也看到了，MCP和我們自己實現(xiàn)的流程幾乎是一樣的。但是為什么還要提出MCP呢？

為了生態(tài)控制權(quán)和行業(yè)話語權(quán)。

MCP它表面上是一個開放的協(xié)議，旨在解決AI模型與外部工具集成的碎片化問題，但其實他就是Anthropic對未來AI生態(tài)主導權(quán)的競爭。

未來MCP如果真的作為一個標準的協(xié)議成為大家的共識，圍繞這個協(xié)議，甚至每家模型的工具調(diào)用格式都將被統(tǒng)一，此時Anthropic在委員會里的位置呢？不言而喻啊。

結(jié)語

最后把我的策略分享給大家吧：

打算在圈子里玩的部分，就和大家用一樣的，不在圈子里玩的，其實自己團隊實現(xiàn)也是OK的。

我這邊更多的是自己團隊實現(xiàn)的，而且在這個實現(xiàn)過程中大家對模型應用、AI產(chǎn)品的理解不斷地在提升。

希望各位讀者也多進行嘗試，這樣未來面對新出的各路牛鬼蛇神時大家才能有更多的判斷力。

共勉吧！

轉(zhuǎn)自https://juejin.cn/post/7492271537010671635