向AI转型的程序员都关注公众号 机器学习AI算法工程
MCP （Model Context Protocol ，即模型上下文协议 ）是由 Anthropic （Claude 的母公司）于 2024年11月 开源发布的一项 全新技术 。
简单来说，MCP 是一个 AI 大模型的标准化工具箱 。
大模型可以通过这些工具与 外界互动 ，获取信息 ，并 完成具体任务 。
在日常工作和学习中，我们经常需要与 浏览器 、文件 、数据库 和 代码仓库 等外部工具进行交互。
在 传统方式 中，我们需要 手动截图 或 复制文本 ，再将其 粘贴 到 AI 窗口 中进行对话。
大家请注意，我的插画中的箭头都是从右到左 ，表示内容是单向流动 的，而不是双向的。
这意味着我们是将浏览器 、文件系统 或GitHub 中的信息复制到 AI 中 ，以便进行对话时的数据流向。
MCP 通过标准化的协议 ，让我们不再需要手动截图 、复制文本 ，然后再粘贴 到AI 窗口 中进行对话。
这一过程被自动化 了，简化了我们的操作 。
MCP 服务 充当AI 和外部工具之间的桥梁 ，能够自动替代人类 访问和操作这些外部工具。
在我的插图中，箭头为双向 ，表示AI 可以直接访问 MCP 服务 。
而 MCP 服务 则能访问浏览器、文件系统等数据源 。
通过这种方式，数据能够通过 MCP 服务传输到 AI 中 。
每个 MCP 服务 （也称为 MCP Server ）专注于特定的任务 。
例如，有的服务专门用于读取和写入浏览器信息 ，有的负责处理本地文件 ，还有的用于操作 Git 仓库 等。
MCP Server 通常是一个在本地运行的程序 ，可能是用 Node.js 或 Python 开发的。
大模型 通过操作系统的 标准输入输出（stdio） ，即我们常说的输入与输出通道 ，来进行信息交流与处理 ，并调用某个 MCP Server 。
它的信息格式是 JSON ，这是一种常用的数据交换格式 。
{
"jsonrpc":"2.0",
"id":129,
"method":"tools/call",
"params":{
"name":"search\_repositories",
"arguments":{
"query":"user:BNTang"
}
}
}
MCP Server 在接收到请求后，会通过自身的代码 或外部工具的 API 来执行任务。
从这里可以看出，MCP 协议 与 Function Calling 非常相似。
MCP 的最大优点 是整合了之前各大模型不同的Function Call 标准 ，形成了一个统一的标准协议 。
而且，不仅是 Claude ，几乎所有市面上的大模型 都可以接入 MCP 。
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx