MCPModel Context Protocol是AI应用与外部工具交互的开放协议如同AI应用的“USB-C端口”支持本地和远程数据传输。文章详细介绍了MCP的概念、架构、数据传输方式以及与工具调用的关系。通过JSON-RPC 2.0MCP实现标准化工具发现、连接和执行使模型能高效调用外部工具。掌握MCP让大模型应用开发更简单。一、概念MCP: Model Context Protocol, 是AI 应用的 USB-C 端口, 不管设备数据源什么样插上就能用, 所有符合协议的客户端都能接入, 架构分为client/host/ server底层通信JSON-RPC 2.0。角色作用HostAI 应用本体跑模型、做编排Client在 Host 内部、一对一连某个 Server 的部件Server服务端独立进程提供工具/数据/提示词Server 是独立进程和 Agent 主程序分开跑靠标准输入/输出或网络通信。工具实现完全封装在 Server 里Host 不用知道 web_search 内部调的是什么。两种传输方式传输连接方式适合安全特点stdioServer 作为子进程被 Host 拉起用 stdin/stdout 交换消息本地、同机不占网络端口进程退出即断最安全HTTPSSEServer 运行在远端Client 通过网络连接远程、跨机器/云端要走鉴权、HTTPS运维成本更高二、通过JSON-RPC 2.0传数据① Client 问 Server你有哪些工具{ jsonrpc: 2.0, id: 1, method: tools/list, params: {}}② Server 回答工具清单inputSchema是告诉模型工具的数据格式{ jsonrpc: 2.0v, id: 1, result: { tools: [ { name: read_notev, description: 读取某篇笔记的全文内容, inputSchema: { type: object, properties: { name: { type: string } }, required: [name] } } ] }}③ Client 让 Server 执行调用{ jsonrpc: 2.0, id: 2, method: tools/call, params: { name: read_note, arguments: { name: doc1.md } }}模型根据description决定是否调用根据inputSchema知道传什么参。和之前自定义工具 tool的 docstring作用相同在 MCP 里被规范化成了 JSON。端到端时序你 ──知识库里有哪些笔记──▶ Host(模型) │ 模型判断要调 list_notes ▼ Client(连 notes-server) │ ① initialize 握手 │ ② tools/list 要清单 ▼ Server(notes-server, 独立进程) │ 回工具清单 ▼ Client ──③ tools/call(list_notes)──▶ Server │ 执行 os.listdir ▼ 回文件列表 │ ▼ Host(模型)把结果组织成自然语言回你模型只负责想调用哪个工具, 其他的问题由MCP解决。三、MCP 和 工具调用(Function Calling) 的关系Function Calling是大模型的能力模型决定 “要调用哪个工具参数是什么”, 是模型能力侧。MCP是应用和外部工具之间的开放通信协议: 用来标准化工具发现、连接、执行, 是基础设施侧。两者是叠加关系。模型用 Function Calling 发起意图MCP 负责把意图路由到正确的 Server 工具上并执行。用户提问 ↓Host应用通过MCP Client向MCP Server查询可用工具列表、Schema ↓Host拿到工具描述把工具定义传给大模型API ↓【Function Calling环节】大模型判断要调用工具输出结构化调用JSON ↓Host收到模型的调用请求交给MCP Client ↓【MCP协议环节】MCP Client通过JSON-RPC向MCP Server发起工具调用 ↓MCP Server执行真实逻辑读文件、查数据库返回结果 ↓结果原路返回给大模型模型整合信息输出最终回答计划下次学习如何搭建MCP server以及Agent怎么调用MCP如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取