Junki Space

Menu

Junki
Junki
Published on 2025-03-19 / 45 Visits
0
0

MCP 原理与实战：模型上下文协议的奥秘

#AI#LLM#MCP

MCP，即 Model Context Protocol（模型上下文协议），是 Anthropic 推出的一项开放标准。其核心目标是统一大型语言模型（LLM）与外部数据源及工具之间的通信协议。在当下，AI 模型常受数据孤岛问题制约，难以充分释放潜力，MCP 的出现正是为攻克这一难题。它赋予 AI 应用安全访问和操作本地及远程数据的能力，堪称是为 AI 应用打造了连接万物的关键接口。

官方文档：https://modelcontextprotocol.io/introduction

一、MCP 架构详解

MCP 采用客户端-服务器架构（client-server），其中蕴含几个关键概念：

  1. MCP 主机（MCP Hosts）：作为发起请求的LLM应用程序，像Claude Desktop、IDE或者各类AI工具都属于此类。

  2. MCP 客户端（MCP Clients）：存在于主机程序内部，与MCP server维持着一对一的连接关系。

  3. MCP 服务器（MCP Servers）：负责向MCP client提供上下文、工具以及prompt信息。

  4. 本地资源（Local Resources）：指本地计算机中可供MCP server安全访问的资源，例如文件、数据库等。

  5. 远程资源（Remote Resources）：即MCP server能够通过API等方式连接到的远程资源 。

mcp.png

二、MCP Client

MCP client 在整个模型交互过程中起着至关重要的桥梁作用，连接着LLM与MCP server，其详细的工作流程如下：

  1. 获取工具列表：MCP client启动后，率先向MCP server发起请求，获取当前可用的工具列表。这些工具涵盖了多样化的功能，比如文件读取、数据库查询、特定格式数据处理等，为后续的任务处理提供了丰富的能力支持。

  2. 发送查询与工具描述：MCP client将用户输入的查询内容，与刚刚获取到的工具描述，通过function calling的方式一并发送给LLM。这种结合方式，让LLM能全面了解用户需求以及可调用的工具资源，从而为决策提供更充足的信息。

  3. LLM决策：LLM接收到信息后，会对用户查询进行深入分析。它会依据自身的理解和逻辑判断，决定是否需要借助工具来更准确地回答问题。如果确定需要，还会进一步筛选出最适合解决当前问题的工具。

  4. 执行工具调用：一旦LLM确定了所需工具，MCP client就会按照指令，通过MCP server执行相应的工具调用操作。MCP server会根据请求，协调本地或远程资源，确保工具能够顺利运行。例如，若调用的是数据库查询工具，MCP server会与对应的数据库建立连接并执行查询语句。

  5. 返回工具调用结果：工具执行完毕后，其产生的结果会经由MCP server回传至MCP client，再由MCP client转发给LLM。这些结果作为重要的补充信息，将帮助LLM更精准地生成回复内容。

  6. 生成自然语言响应：LLM整合用户查询、工具描述以及工具调用结果等多方面信息，运用自身的语言生成能力，将处理后的信息转化为自然流畅的语言形式。这一过程确保了最终输出的内容符合人类的语言习惯，易于理解。

  7. 展示响应给用户：最后，MCP client将LLM生成的自然语言响应展示给用户，完成一次完整的交互流程。用户得以直观地获取问题的答案，感受到MCP协议在增强模型能力方面的显著效果。

当前支持 MCP 协议的客户端应用：https://modelcontextprotocol.io/clients

三、MCP Server

MCP server作为MCP架构的核心部分，在提升AI应用性能方面发挥着不可替代的关键作用，主要体现在其提供的三大核心功能上：

  1. 资源（Resources）：MCP server 所提供的资源涵盖了各种类似文件的数据形式，这些数据对于 AI 应用的运行意义重大。其中，API 响应能为 AI 模型带来实时的外部数据，例如从地图 API 获取的地理位置信息，或者从新闻 API 获取的最新资讯等，让模型可以基于最新信息进行处理和分析。而文件内容则包含各类格式的文档，像文本文件、JSON 文件等，为模型提供了丰富的知识储备。客户端能够便捷地读取这些资源，从而拓宽了AI模型的数据来源渠道，增强了其处理复杂任务的能力。

  2. 工具（Tools）：工具是 MCP server 提供的可被 LLM 调用的函数集合，但为确保安全性和用户隐私，每次调用都需要获得用户的批准。这些工具丰富多样，比如数据处理工具可以对大量的原始数据进行清洗、转换；图像识别工具能够对图像内容进行分析和标注；文本处理工具可以实现文本的分类、翻译等功能。LLM 通过调用这些工具，突破了自身能力的局限，能够更高效地完成各种特定任务，大大提升了应用的实用性。

  3. 提示（Prompts）：提示是 MCP server 预先编写好的模板，旨在引导用户和模型完成特定类型的任务。例如，在写作辅助场景中，提示模板可以为用户提供文章的结构框架、开头结尾的示例等，帮助用户更快地组织思路、撰写内容。对于模型而言，合适的提示能够引导其生成更符合用户需求的回复，在问答系统中，通过特定的提示模板，模型可以更准确地理解用户问题的意图，进而给出更精准、更有用的答案，有效提升了LLM的灵活性。

MCP Server 社区仓库推荐：

四、实践：通过 PostgreSQL MCP Server 查询数据库信息

（一）安装 PostgreSQL 并初始化数据库

使用 Docker 启动 PostgreSQL 服务：

docker run -d --name postgres -e POSTGRES_PASSWORD=postgres -p 5432:5432 postgres

创建数据库和表，并插入数据：

-- 登录 PostgreSQL
docker exec -it postgres psql -U postgres

-- 创建数据库
CREATE DATABASE db01;

-- 连接到新创建的数据库
\c db01;

-- 创建 user_info 表
CREATE TABLE user_info (
    id SERIAL PRIMARY KEY,
    username VARCHAR(50) NOT NULL,
    password VARCHAR(50) NOT NULL,
    phone VARCHAR(20) UNIQUE NOT NULL
);

-- 创建 message_record 表
CREATE TABLE message_record (
    id SERIAL PRIMARY KEY,
    from_user_id INT REFERENCES user_info(id),
    to_user_id INT REFERENCES user_info(id),
    create_time TIMESTAMP NOT NULL,
    content VARCHAR(500) NOT NULL
);

-- 插入示例数据
INSERT INTO user_info (username, password, phone) VALUES
('junki', '12345', '18888888888'),
('suki', 'qwert', '16666666666');

INSERT INTO message_record (from_user_id, to_user_id, create_time, content) VALUES
(1, 2, '2025-03-18 17:17:17', 'hi~'),
(2, 1, '2025-03-18 19:19:19', 'hello!');

（二）安装 MCP Client 之 5ire

由于 Claude 国内难注册，这里推荐一个开源的 MCP Client：https://github.com/nanbingxyz/5ire

安装后可配置支持工具的大模型，例如 Moonshot。

0.png

（三）安装 MCP Server 之 server-postgres

在工具中推荐 server-postgres 配置参考如下：

1-inuo.png

命令：npx -y @modelcontextprotocol/server-postgres postgresql://postgres:postgres@127.0.0.1/db01

（四）联调测试

2-etpk.png

MCP 开发快速入门：构建你的专属...
Docker 命令大全：掌握容器化...

Comment