DeepSeek+dify知識庫，查詢數據庫的兩種方式（api+直連）
而最火的開源項目OpenMauns，在查找Karpathy個人信息主頁信息時，也是基于強大的工具使用能力。
這些案例生動地證明了，工具使用，能讓智能體跳出空想局限，進化出會做事的能力。
而作為最強的標準化接口協議，MCP也在一夜間爆紅硅谷，無人不知。
對于圈外的人來說，可能對此有所陌生。而它的本質，就是智能體系統的一種。
去11月，Anthropic首次提出「模型上下文協議」，即MCP，賦予了Claude模型超級能力，一次構建，讓AI與工作流深度集成。
其主要優勢如下：
用通俗的話講，MCP就像是專為AI應用設計的通用接口，類似我們日常使用的USB-C。
正如USB-C簡化了不同設備與計算機的連接方式，MCP簡化了AI模型與數據、工具和服務之間的交互方式。
通過MCP，AI助手不僅能夠「讀懂」代碼，還能「理解」團隊討論、涉及文檔等外部信息，提供更加精準的回答。
MCP是一種標準化協議，用于連接AI智能體與各種外部工具和數據源
相比之下，在沒有MCP之前，AI助手要想與外部工具互動，必須通過編寫代碼并調用API，這意味著每一種具體的連接都需要提前手動編程，效率低下且耗時費力。
更棘手的是，每個AI助手與每個外部工具之間都需要單獨進行配置。如果有1000個AI助手和1000個外部工具，理論上需要編寫1000×1000=100萬個獨立的連接代碼，工作量簡直是個天文數字。
打個比方：API就像是不同的門，其中每扇門都有自己獨特的鑰匙和使用規則：
傳統API要求開發人員為每個服務或數據源編寫定制化的集成代碼
而MCP的出現就像為AI助手和外部系統打造了一套通用的「標準語言」，堪稱是智能體生態的一次「標準化革命」。
一旦某個AI助手實現了MCP協議，它就能通過這個協議無縫連接上成千上萬的外部工具，無需再為每種連接單獨編寫代碼。
同樣，外部工具（比如郵件、天氣應用等）也只需搭建一次MCP服務器，之后所有支持MCP的AI助手都可以直接與之交互。
假如有1萬個AI助手和1萬個外部工具。在MCP模式下，每方只需實現一次協議，總共只需2萬次配置。
而按照傳統編碼方式，每種AI助手與每種外部工具都要單獨對接，那將是1萬×1萬=1億次配置！
這直接使配置效率提高了不止一個維度。
MCP的靈活性也非常突出，它既可以在云端運行，也可以在本地設備上部署，適應性極強。
可以說，MCP就像為AI助手和外部系統之間架設了一條高速路，取代了過去需要技術人員一橋一橋手工搭建的低效模式。
正如前文所說，MCP（Model Context Protocol）是一種新的開放協議，目的是為LLM提供標準化的上下文信息傳遞方式，從而實現AI智能體與外部數據及工具的結合。
和傳統的API相比，MCP的區別在于：
其中，實時雙向通信的機制如下：
不過，如果應用場景需要精確、可預測的交互模式，并有嚴格的限制條件，傳統API可能更為適合。
MCP提供了廣泛、動態的能力，非常適合需要靈活性和上下文感知的場景，但對于高度受控的、確定性的應用可能不是最佳選擇。
在以下情況下推薦使用傳統API：
MCP采用簡單的客戶端-服務器架構模式：
將MCP比作一座橋梁可以更清晰地理解：MCP本身不處理復雜邏輯；它只是協調AI模型和各種工具之間的數據和指令流通。
具體來說，服務器就是與API進行交互的東西。它可以在遠程服務器上（例如，在云上），或者在你的本地系統上。
它包含了所有系統上需要與之交互進而采取行動的代碼，比如發送Slack消息、創建文件等等。
如下圖所示，可以通過MCP服務，調用GitHub API在倉庫里創建代碼文件。
MCP客戶端負責與服務器進行通信。客戶端的一個非常酷的特點是它可以同時與多個服務器進行交互。
所以你可以設置專門的服務器來處理GitHub交互和Slack交互，然后把它們接入同一個客戶端。
最重要的，協議是使一切運作的關鍵。可以將它視為一種永遠不會改變的通用語言，MCP服務器和MCP客戶端都能使用。
它就像USB接口一樣，用于將MCP客戶端連接到MCP服務器。
USB接口讓手機連接到筆記本電腦，MCP協議讓你可以將第三方API連接到桌面應用程序。
針對各種類型的MCP客戶端，Total TypeScript的作者Matt Pocock還進行了一波對比。
可以看到，Claude Desktop和Continue支持資源、提示、工具，功能很全面。5ire和BeeAI Framework就比較有限，工具支持還可以，但其他方面基本不行。Cline也支持資源和工具，但不支持提示。Cursor和Emacs Mcp主要支持工具，其他功能都不行，適合簡單工具操作。
在實際應用中，MCP客戶端（例如，client.py中的Python腳本）會與管理各種特定工具（如Gmail、Slack或日歷應用）交互的MCP服務器進行通信。
這種標準化大大降低了復雜度，使開發人員能夠快速實現復雜的交互功能。
1. 行程規劃助手
2. 高級IDE（智能代碼編輯器）
3. 復雜數據分析
MCP集成流程：
大模型爆火之后，提示工程師成為新型職業。如今，已經有大佬建議，開發者們趕快去構建商業化MCP服務器吧。
Total TypeScript的作者Matt Pocock僅用28行代碼就開發出了一個MCP服務器。
Cursor+MCP夢幻聯動，即可迅速構建出客戶需求的功能，全程無需人類干預。
對于碼農來說，又是效率的一次極致提升。AI不僅能幫你寫代碼，還能自動完成從需求分析到功能上線的全流程。
，時長01:33
客戶通過Slack發送功能需求，Cursor自動讀取消息、構建功能，并創建Pull Request
前Meta研究員、CopilotKit創始人Atai Barkai剛剛開源了一個Open MCP Client的項目。
它可以讓任何應用，直接與MCP服務器直接對話，實現更更多智能的功能。
只需從Composio中獲取一個URL，開發者即可在自己的應用中集成這個MCP的能力，無需從0開發。
項目地址：https://open-mcp-client.vercel.app/
Agno的開發者Ashpreet Bedi打造了一款「通用MCP智能體」UAgl，可以借此輕松連接和管理多個MCP服務器。
開發者Will Brown開源了MCP Test Client，可以在開發過程中測試MCP服務器時既充當服務器（對Claude而言），又充當客戶端（對被測試的服務器而言）。
參考資料：
https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/
https://x.com/AtomSilverman/status/1898148065896546385
https://x.com/mattpocockuk/status/1897932371799810314
本文轉載自公眾號@Founder Park
