第13章 给工具世界定个规矩

第6章我们讲了Function Calling，第12章讲了安全。但还有一个痛点没解决：你写的Agent接入的是OpenAI，工具定义是OpenAI的格式；另一个Agent用的是Anthropic，工具定义又是另一种格式。换个模型就得重写工具？MCP协议就是来解决这个问题的——让所有工具说同一种语言。

---

13.1 为什么需要MCP？

13.1.1 "万国插座"问题

假设你写了三个Agent，用了三个不同的LLM：

Agent	LLM	工具定义方式
Agent A	OpenAI	OpenAI Function Calling 格式
Agent B	Anthropic	Anthropic Tool Use 格式
Agent C	Ollama(本地)	自定义JSON Schema

同一个工具 get_weather，你得写三遍定义。三套代码，三种格式，维护噩梦。

这就是MCP要解决的问题——一套工具定义，所有LLM都能用。

13.1.2 MCP是什么

MCP（Model Context Protocol） 是一个开放协议，由Anthropic在2024年底提出。它定义了LLM和外部工具之间的标准通信方式。

简单类比：

• USB-C出现之前：每个手机有自己充电口，出门得带三根线
• MCP出现之前：每个LLM有自己的工具调用格式，写工具得适配三套
• 有了MCP之后：一套接口，所有LLM都能用

---

13.2 MCP架构：Server、Client与协议规范

13.2.1 三个角色

角色	做什么	类比
MCP Server	暴露工具，等待调用	微服务里的一个API服务
MCP Client	发起工具调用请求	微服务里发起HTTP请求的服务
LLM	决定什么时候调哪个工具	大脑

13.2.2 MCP协议的四个核心概念

Tools（工具）：Server暴露的可调用函数。每个工具有名称、描述、参数schema。

Resources（资源）：Server暴露的数据。比如"用户手册"、"产品目录"——LLM可以读取这些数据作为上下文。

Prompts（提示模板）：Server提供的预制Prompt模板。比如"客服对话模板"。

Sampling（采样）：Server可以反过来请求LLM生成内容——这是个高级功能。

---

13.3 自己写一个MCP Server

13.3.1 最小MCP Server

用Python的 mcp 库，几行代码就能搭一个MCP Server：

from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationCapabilities
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent
import json

# 创建Server
server = Server("weather-server")

# 注册一个工具
@server.list_tools()
async def handle_list_tools():
    return [
        Tool(
            name="get_weather",
            description="查询指定城市的天气",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名称"
                    }
                },
                "required": ["city"]
            }
        )
    ]

# 实现工具逻辑
@server.call_tool()
async def handle_call_tool(name: str, arguments: dict):
    if name == "get_weather":
        city = arguments["city"]
        weather_data = {
            "北京": {"temp": 25, "condition": "晴"},
            "上海": {"temp": 28, "condition": "多云"},
        }
        result = weather_data.get(city, {"error": "未找到该城市"})
        return [TextContent(type="text", text=json.dumps(result, ensure_ascii=False))]

# 启动Server
async def main():
    async with stdio_server() as (read_stream, write_stream):
        await server.run(read_stream, write_stream)

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

13.3.2 测试你的MCP Server

from mcp.client.stdio import stdio_client
from mcp import ClientSession, StdioServerParameters

async def test_weather_server():
    # 连接到Server
    server_params = StdioServerParameters(command="python3", args=["weather_server.py"])
    
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            # 初始化
            await session.initialize()
            
            # 列出可用工具
            tools = await session.list_tools()
            print(f"可用工具: {[t.name for t in tools.tools]}")
            
            # 调用工具
            result = await session.call_tool("get_weather", {"city": "北京"})
            print(f"结果: {result.content[0].text}")

---

13.4 MCP与Function Calling的关系

13.4.1 不是替代，是互补

很多人问：有了MCP，是不是不需要Function Calling了？

不是。它们解决不同层面的问题：

	Function Calling	MCP
做什么	LLM决定调哪个工具	工具如何被定义和暴露
谁定义的	各LLM厂商自己	开放的行业标准
问题域	"Agent内部怎么做决策"	"工具怎么被外部系统调用"

你可以同时用两者：LLM通过Function Calling决定调用 get_weather，然后通过MCP协议去调用部署在MCP Server上的 get_weather 工具。

13.4.2 MCP的生态现状

• Claude Desktop 原生支持MCP，可以直接连接MCP Server
• LangChain 有 langchain-mcp 适配器，让LangChain Agent调用MCP工具
• Cursor、Zed 等编辑器开始支持MCP，让AI编程助手访问本地工具
• 社区贡献了大量MCP Server：文件系统、数据库、浏览器、GitHub……

---

13.5 MCP生态与未来展望

13.5.1 为什么MCP值得关注

MCP如果成功，意味着：

对工具开发者：写一次工具，所有支持MCP的LLM都能用。不用再适配各个厂商的格式。

对LLM厂商：不用自己造工具调用标准了。接入MCP，自动获得整个生态的工具。

对Agent开发者：你的Agent可以"插"上任何MCP Server，就像给电脑插USB设备。

13.5.2 你可能遇到的挑战

MCP还很新（2024年底才提出），目前有一些局限：

• 标准还在演进：API可能还会有变化
• 生态还不够大：虽然增长快，但和REST API的生态比还差得远
• 调试工具不成熟：出了错排查起来比较费劲

但这些是时间问题。本书第17章做项目时，你会在实战中用MCP——到时候这些问题大部分应该已经解决了。

---

13.6 本章小结

1. MCP是工具的"USB-C标准"：一套接口，所有LLM通用。告别三套格式适配的噩梦。
2. 三个角色：MCP Server暴露工具、MCP Client发起调用、LLM做决策。
3. MCP不是替代Function Calling：MCP管执行层（工具怎么暴露），Function Calling管决策层（该调哪个工具）。
4. 生态在快速增长：Claude Desktop原生支持，LangChain适配器可用，社区Server越来越多。

---

✅ 知识点检查

学完这一章，试试回答这几个问题：

• [ ] MCP解决了什么核心问题？为什么把它比作USB-C？
• [ ] MCP架构中有哪三个角色？各负责什么？
• [ ] MCP和Function Calling的关系是什么？
• [ ] 写一个MCP Server需要几个步骤？

---

📚 延伸阅读

• MCP官方文档：https://modelcontextprotocol.io
• MCP GitHub仓库（含工具列表）：https://github.com/modelcontextprotocol/servers
• LangChain MCP适配器：https://python.langchain.com/docs/integrations/tools/
• 本书配套源码：关注公众号「图解AI系列」免费领取

---

🎯 下一章预告

第14章，认清边界，比知道怎么做更重要——

"Agent不是万能的。知道它不能做什么，你才能用好它。"

---