当前位置：首页 > news >正文

让AI看见世界：MCP协议与服务器的工作原理

news 来源：原创 2025/8/10 3:11:00

让AI看见世界：MCP协议与服务器的工作原理

MCP（Model Context Protocol）是一种创新的通信协议，旨在让大型语言模型能够安全、高效地与外部资源进行交互。在AI技术快速发展的今天，MCP正成为连接AI与现实世界的重要桥梁。
本文以自己开发的fetch_news MPC Server为例，基于MCP（Model Control Protocol）框架开发的新闻获取和分析服务器，专门用于获取最新新闻、搜索特定主题的新闻，并对新闻内容进行情感分析和摘要生成。该项目提供了一套完整的工具和资源，可用于快速检索和处理新闻数据。

核心功能（实际上就是提供的几个工具函数）

最新新闻获取：获取指定类别的最新新闻，支持科技、财经、体育、娱乐、社会等类别 get_latest_news，对于新闻的获取我使用的是https://newsapi.org/提供的API
新闻搜索：根据关键词搜索最近一段时间内的新闻search_news
情感分析：分析新闻文本的情感倾向 analyze_sentiment
新闻摘要：为新闻内容生成简短摘要summarize_news

提出问题

我在Claude中输入"给我看看今天的十条关于人工智能的新闻，给出链接和相关内容摘要和情感分析"，大家可以看到它给出的结果"我很抱歉，我的知识截止到2024年10月，所以我无法提供今天(2025年3月19日)的最新人工智能新闻。此外，我没有直接的网络搜索功能来访问和提供当前新闻链接。"大模型的知识受限于训练数据。

在这里插入图片描述
其实同样，在CherryStudio中调用qwen-max时也不能给出最新的数据。

以下为Claude Desktop中安装了fetch_news的MPC server后，变得可以进行实时搜索。

MCP是什么？

简单来说，MCP是一个标准化的通信协议，旨在让大型语言模型与外部资源和工具实现顺畅的集成。它就像一座桥梁，连接了五个关键部分：主机（Host）、客户端（Client）、服务器（Server）、本地资源（Local Resources）和远程资源（Remote Resources）。这五个部分各司其职，但又必须遵守MCP的"游戏规则"，才能协同工作。

以下为官方文档的架构图：
https://modelcontextprotocol.io/introduction
在这里插入图片描述
以下为官方对架构中各部分的描述

MCP Hosts: Programs like Claude Desktop, IDEs, or AI tools that want to access data through MCP
MCP Clients: Protocol clients that maintain 1:1 connections with servers
MCP Servers: Lightweight programs that each expose specific capabilities through the standardized Model Context Protocol
Local Data Sources: Your computer's files, databases, and services that MCP servers can securely access
Remote Services: External systems available over the internet (e.g., through APIs) that MCP servers can connect to

对这五个部分逐一解析：

MCP Hosts: Programs like Claude Desktop, IDEs, or AI tools

理解：“Hosts”，因为不同的程序（如Claude Desktop、VS Code、某个AI写作工具）都可以充当MCP的主机。每个主机是一个独立的应用程序，它们通过MCP协议访问外部数据或功能。
场景：
- 用户可能同时运行Claude Desktop和一个IDE，这两个程序都作为Host，通过MCP获取文件或API数据。
- 在企业环境中，多个AI工具可能并行工作，每个工具都是一个Host。

MCP Clients: Protocol clients that maintain 1:1 connections with servers

理解： “Clients”，因为每个Host内部可以嵌入一个或多个MCP客户端，每个客户端与一个特定的服务器建立一对一连接。系统中可能有多个Client实例，分别处理不同的任务。
场景：
- 一个IDE（Host）可能同时需要访问本地文件和远程API，它会创建两个Client：一个连接本地文件服务器，另一个连接API服务器。
- 在多用户场景中，每个用户的Host可能都有自己的Client实例。

MCP Servers: Lightweight programs that each expose specific capabilities

理解： “Servers”，因为MCP设计允许多个轻量级服务器程序运行，每个服务器负责暴露特定的功能（如文件读写、数据库查询、API调用）。这些服务器彼此独立，通过MCP协议服务于不同的Client。
场景：
- 用户电脑上可能同时运行一个文件服务器（暴露本地文件）和一个网络服务器（连接远程API），两者都是MCP Servers。
- 在分布式系统中，可以有多个Server分布在不同设备上，共同支持一个Host。

Local Data Sources: Your computer’s files, databases, and services

理解： “Sources”，因为本地数据源种类繁多（文件、数据库、服务等），而且同一类型的数据源可能有多个实例。MCP服务器可以连接多个本地数据源以满足不同需求。
场景：
- 一个Server可能同时访问你的文档文件夹（文件）和SQLite数据库，这两个都是Local Data Sources。
- 在复杂应用中，可能有多个文件目录或服务（如本地Web服务）需要被访问。

Remote Services: External systems available over the internet

理解：
“Services”，因为远程服务指的是互联网上的各种外部系统（如天气API、股票API、云存储）。MCP服务器可以连接多个远程服务，提供多样化的功能。
场景：
- 一个MCP Server可能同时调用天气API和GitHub API，这两个都是Remote Services。
- 在AI任务中，模型可能需要从多个云端服务获取数据，这些服务并存于系统中。

为什么需要MCP？

你可能会问：为什么不直接让模型自己去抓数据，或者干脆用现有的协议呢？答案在于AI应用的特殊需求和现实中的挑战。MCP的出现，正是为了解决这些问题：

打破孤岛，提升能力
大型语言模型很聪明，但它们天生是"孤岛"——只能依靠训练数据或用户输入。如果想让模型读你的文件、查实时天气，甚至调用代码工具，就需要一个标准化的接口。MCP填补了这个空白，让模型从"闭门造车"变成"开门迎客"。
安全第一
直接让模型访问本地文件或网络API，听起来很酷，但也很危险。万一模型误删文件，或者被恶意指令利用怎么办？MCP通过服务器的中介作用，加入了权限控制和数据隔离，确保交互既强大又安全。
标准化带来可扩展性
想象一下，如果每个AI工具都用自己的方式连接外部资源，开发者得多累啊？MCP提供了一个统一的框架，无论是本地文件还是云端服务，无论是Mac还是Windows，只要遵守MCP，就能轻松集成。这不仅减轻了开发负担，还让生态系统更具扩展性。
效率与灵活性并存
MCP基于JSON-RPC 2.0，轻量高效。它支持异步通知，意味着服务器可以在不打断客户端的情况下主动推送更新。这种灵活性特别适合实时性要求高的场景，比如实时协作工具或动态数据分析。

MCP 的工作流程

当用户说"给我看看今天的十条关于人工智能的新闻，给出链接、相关内容摘要及情感分析"时，整个系统是如何协同工作的？让我们通过一个流程图来详细了解：

详细流程解析：

用户请求阶段 (1-3步)
- 用户输入自然语言请求
- MCP Host 接收并转发
- AI 模型理解用户意图
命令转换阶段 (4-6步)
- 将自然语言转换为结构化命令
- 通过 WebSocket 传输
- 服务器验证请求合法性
数据处理阶段 (7-9步)
- 调用相应的新闻 API
- 获取原始数据
- 处理和过滤信息
响应返回阶段 (10-13步)
- 格式化处理结果
- AI 优化展示内容
- 用户获得最终信息

新闻查询服务时序图

读懂这两张图后应该就清楚了：当你输入 “给我看看今天的十条关于人工智能的新闻，给出链接、相关内容摘要及情感分析”，就能得知调用 MPC Server 的秘密。

小结：理解MCP与MCP Server的关系

MCP (Model Context Protocol) 是一种标准化通信协议，它的核心目的是让大型语言模型能够安全、高效地与外部资源和工具进行交互。它就像AI世界中的"HTTP协议"，定义了不同组件之间如何交换信息的规则，让语言模型摆脱"知识孤岛"的限制。

MCP Server 是实现MCP协议的服务器程序，它在整个生态系统中扮演着"翻译官"和"守门人"的角色。就像我们例子中的fetch_news服务器，它负责接收来自AI的请求，转化为对外部资源（如新闻API）的调用，然后将获取的数据安全地返回给模型。每个MCP Server通常专注于提供一种特定能力（如文件访问、API调用、数据分析等）。

简而言之，MCP是标准，MCP Server是实现。MCP定义了"游戏规则"，而MCP Server则是遵循这些规则的"玩家"。这种分离设计带来了极大的灵活性和安全性，使AI应用生态系统能够像积木一样组合不同功能。
随着AI技术的普及，MCP有望成为连接AI与数字世界的重要桥梁，让语言模型不再局限于训练数据，而能实时获取和处理各类信息。未来，我们可能会看到更多专业化的MCP Server出现，形成一个丰富多彩的工具生态系统，大大扩展AI应用的边界。如果你对开发自己的MCP Server感兴趣，可以参考官方文档和开源项目，加入这个正在蓬勃发展的生态系统。
注：fetch_news MPC Server项目整理好后上传