当前位置: 首页 > news >正文

MCP的应用

文章目录

  • 什么是mcp
  • 架构
  • 核心功能
  • 使用场景
  • MCP SDK功能
    • FastMCP功能
  • MCP Inspector
  • UV工具

什么是mcp

Model Context Protocol (MCP) 是由 Anthropic 公司于 2024 年 11 月推出的一种开放协议标准,目的在于标准化LLM 与外部数据源、工具及服务之间的交互方式。MCP 被广泛类比为“AI 领域的 USB-C 接口”

架构

架构与组件
MCP 采用 客户端-服务器(Client-Server)架构,主要包括以下核心组件:

  • MCP Host:运行 AI 模型的环境,如 Claude Desktop、Cursor IDE 等。
  • MCP Client:嵌入在 Host 中的组件,负责发起请求并与 MCP Server 通信。
  • MCP Server:轻量级服务,提供特定功能(如数据查询、API 调用等),供 AI 模型调用。

核心功能

MCP 提供三种关键能力:

  • Resources(知识扩展):提供结构化数据(如数据库、文档)以增强 AI 的上下文理解。
  • Tools(工具调用):允许 AI 执行外部操作(如发送邮件、查询 GitHub、调用智能合约等)。
  • Prompts(提示模板):预定义的指令模板,优化 AI 的任务执行。

使用场景

  1. 增强 AI 的实时性与执行能力
  • 实时数据访问:MCP 允许 AI 访问最新数据(如股票行情、新闻),而非仅依赖训练时的静态数据。
  • 自动化任务:AI 可通过 MCP 直接执行任务,如整理文件、发送邮件、管理代码仓库等。
  • 区块链交互:MCP 可集成以太坊智能合约,让用户通过自然语言完成链上操作(如 DeFi 交易)。
  1. 去中心化 AI 生态
  • 创作者经济:个人或企业可搭建 MCP Server 提供特定服务(如鸟类知识库),并通过调用次数获得收益。
  • 抗审查与去中心化:MCP 使 AI 能力分散在多个 Server 上,减少大公司垄断风险。
  1. 开发者工具
  • 简化集成:MCP 标准化了 AI 与外部系统的交互,开发者无需为每个数据源编写定制 API。
  • 多模态支持:MCP 可整合语音、图像、传感器数据等,使 AI 具备更全面的环境感知能力
"""基于 Assistant 实现的高德地图智能助手 这个模块提供了一个智能地图助手,可以: 1. 通过自然语言进行地图服务查询 2. 支持多种交互方式(GUI、TUI、测试模式) 3. 支持旅游规划、地点查询、路线导航等功能 """importosimportasynciofromtypingimportOptionalimportdashscopefromqwen_agent.agentsimportAssistantfromqwen_agent.guiimportWebUI# 定义资源文件根目录ROOT_RESOURCE=os.path.join(os.path.dirname(__file__),'resource')# 配置 DashScopedashscope.api_key=os.getenv('DASHSCOPE_API_KEY','')# 从环境变量获取 API Keydashscope.timeout=30# 设置超时时间为 30 秒definit_agent_service():"""初始化高德地图助手服务 配置说明: - 使用 qwen-max 作为底层语言模型 - 设置系统角色为地图助手 - 配置高德地图 MCP 工具 Returns: Assistant: 配置好的地图助手实例 """# LLM 模型配置llm_cfg={'model':'qwen-max','timeout':30,# 设置模型调用超时时间'retry_count':3,# 设置重试次数}# 系统角色设定system=('你扮演一个地图助手,你具有查询地图、规划路线、推荐景点等能力。''你可以帮助用户规划旅游行程,查找地点,导航等。''你应该充分利用高德地图的各种功能来提供专业的建议。')# MCP 工具配置tools=[{"mcpServers":{"amap-maps":{"command":"npx","args":["-y","@amap/amap-maps-mcp-server"],"env":{"AMAP_MAPS_API_KEY":"你的KEY"}}}}]try:# 创建助手实例bot=Assistant(llm=llm_cfg,name='地图助手',description='地图查询与路线规划',system_message=system,function_list=tools,)print("助手初始化成功!")returnbotexceptExceptionase:print(f"助手初始化失败:{str(e)}")raisedeftest(query='帮我查找上海东方明珠的具体位置',file:Optional[str]=None):"""测试模式 用于快速测试单个查询 Args: query: 查询语句,默认为查询地标位置 file: 可选的输入文件路径 """try:# 初始化助手bot=init_agent_service()# 构建对话消息messages=[]# 根据是否有文件输入构建不同的消息格式ifnotfile:messages.append({'role'
http://www.jsqmd.com/news/120696/

相关文章:

  • 多源异构数据采集与融合应用综合实践
  • Excalidraw离线使用指南:无网络环境下的应对策略
  • 2025年最新盘点:十大高口碑棕刚玉定制服务商,磨料/棕刚玉/白刚玉/不锈钢灰/铬刚玉/黑碳化硅/精密铸造砂/碳化硅棕刚玉品牌排行榜单 - 品牌推荐师
  • 如何构建一个 OpenAI 兼容的 API
  • 笨人小白的温故知新——排序(3)
  • Day8 判断集合成员 -卡码网C++基础课
  • Excalidraw网格与参考线:辅助精确定位
  • opencv和摄影测量坐标系的转换
  • Excalidraw直线箭头样式:多种类型任你选
  • 【开源免费】基于 STM32的远程环境监测系统(环境数据的实时感知与远程监测)
  • ExcalidrawAPI文档配图:接口调用流程展示
  • Excalidraw商业模式画布:创业团队战略讨论
  • aws 配置导出的SSL证书
  • Excalidraw家庭教育计划:孩子成长路径设计
  • Excalidraw思维导图玩法:结构化思考新工具
  • CSAPP 异常控制流
  • 基于Java+SpringBoot+SSM高校科研管理系统(源码+LW+调试文档+讲解等)/高校科研管理平台/高校科研信息管理系统/高校科研项目管理系统/高校科研成果管理系统/高校科研数据管理系统
  • 3.7 分段 Segmentation
  • Excalidraw常见问题汇总:官方FAQ精华整理
  • 从人到人机再到人机环境:东西方思想的融合
  • 近两百万人围观的Karpathy年终大语言模型清单,主角是它们
  • Excalidraw鱼骨图绘制:根本原因分析法实践
  • Excalidraw暗黑模式设置:夜间使用的护眼方案
  • Excalidraw与AI结合前景:未来功能演进预测
  • 分层模糊系统:梯度下降与递推最小二乘法联合辨识研究(Matlab代码实现)
  • Excalidraw用户体验监控:前端性能指标采集
  • Excalidraw类图绘制:面向对象设计辅助
  • 远程连接内网服务器
  • Excalidraw构建流程分析:Webpack/Vite打包配置
  • 基于Spring Boot技术的数字乡村农作物智慧管理系统设计毕设