MCP是一种开放协议，它标准化了应用程序如何向LLM提供上下文。把MCP想象成人工智能应用程序的USB-C端口。正如USB-C提供了一种将您的设备连接到各种外围设备和附件的标准化方式，MCP提供了一种将人工智能模型连接到不同数据源和工具的标准化方式。

MCP分服务器和客户端：

• 服务器提供MCP定义的功能，主要包括工具（tool）、资源（resource）、提示（prompt）和采样（sampling）。
• 客户端则充当服务器和LLM之前通信的桥梁，告知LLM有哪些MCP功能可用，调用MCP服务器提供的获取返回再提交给LLM。

概念

tool 工具

工具让LLM可以通过用户提供的服务器执行操作，通过工具LLM可以和外部系统交互。

比如需要获取实时新闻，天气等，LLM是不知道这些实时数据的，就可以通过工具来获取。

resource 资源

资源是指可以公开给LLM的数据和内容，可以是任意类型的数据。

比如：

• 文件内容
• 图像内容
• 日志文件
• 等等......

资源是用URI来标识的，比如：

• 本地文件：file:///home/user/documents/report.pdf
• 数据库： postgres://database/customers/schema

URI里面的协议和路径由MCP服务器自己实现定义。

客户端需要使用资源的时候用URI发起read请求来读取资源的内容。

prompt 提示

提示则是预定义的一些提示词，可以是动态的，也可以是静态的。

simping 采样

采样则是服务器通过客户端请求LLM补全内容。

客户端可以对请求和结果进行审核和修改。

这里的服务器指的是通常的应用服务器，比如聊天机器人，数据分析系统。

客户端可以是自定义的或者是MCP客户端。

客户端相当于是一个代理，应用系统不能直接访问LLM而是需要通过客户端来访问，客户端可以对请求和响应内容做控制，从而达到保护数据安全和隐私的作用,主要是可控的交互。

mcp demo

MCP Demo代码库：https://github.com/ilaziness/mcp_demo

包含可执行的demo代码和说明注释。