MCP的核心概念：扩展大型语言模型的能力（三）

引言

随着人工智能技术的飞速发展，大型语言模型（LLMs）在自然语言处理领域展现出了强大的能力。然而，这些模型通常在孤立的环境中运行，无法直接访问外部数据或调用外部工具，这严重限制了它们在实际应用中的表现。为了解决这一问题，Anthropic于2024年11月推出了Model Context Protocol（MCP，模型上下文协议）。
MCP是一种开放标准协议，旨在标准化应用程序向大型语言模型提供上下文信息的方式。通过提供统一的接口，MCP使LLMs能够安全地访问本地和远程资源、工具和预定义的提示词模板，从而显著扩展了它们的能力范围。
MCP的推出被认为是AI领域的重要里程碑，它类似于为AI应用提供了一个"USB-C接口"，使不同设备能够通过相同的接口连接各种外设和配件。这一标准化协议将促进AI应用的开发和集成变得更加简单和统一。

MCP的基本架构

MCP建立在客户端-服务器架构之上，主要包括两个核心组件：

1. 客户端（Client）：运行LLM并与用户或其他系统交互。当模型需要访问外部资源或工具时，客户端负责与适当的MCP服务器建立连接。
2. 服务器（Server）：提供资源、工具和提示词等上下文数据。服务器实现了MCP协议，能够响应客户端的请求并提供所需的服务。
   在交互过程中，客户端通过MCP协议与一个或多个服务器通信，以访问所需的数据或功能。这种架构使得LLMs可以无缝集成到现有系统中，并利用外部数据和工具。

MCP的核心概念

MCP协议中规定服务器主要提供下面三种核心对象：

工具（Tools）

工具是模型上下文协议(Model Context Protocol, MCP)中的一项强大原语，允许服务器向客户端暴露可执行功能[9]。借助工具，LLMs可以与外部系统交互、执行计算，并在现实世界中产生影响。

工具的功能

工具允许LLMs调用外部函数或执行特定任务。这些函数可以执行各种操作，从简单的计算到复杂的任务，如从API获取数据或控制外部设备。通过工具，LLMs可以执行其自身无法完成的任务，从而扩展其能力。
工具的主要功能包括：

1. 系统操作：运行系统命令
2. API集成：包装外部API，如创建GitHub问题
3. 数据处理：分析和处理数据
4. 文件系统操作：读取和写入文件

工具的示例

MCP官方提供了一个测试服务器，实现了提示、工具、资源、采样等功能，以展示MCP的能力。其中包含一个简单的工具echo，用于回显输入消息。
另一个示例是文件系统MCP服务器，当Claude模型决定需要访问文件系统时，内置的MCP客户端会被激活，负责与文件系统MCP服务器建立连接。

工具的实现

工具的实现通常涉及封装外部API或系统功能，使其可以通过统一的接口被LLM调用。例如，一个简单的MCP工具服务器可以提供获取当前时间的功能：

from mcp import ToolServer
class TimeToolServer(ToolServer):
    async