Anthropic 的 David Soria Parra 在 Sutter Hill Ventures 的 AI 演讲系列演讲中分享了他对模型-上下文-协议 (MCP) 的见解。MCP 是一种开放协议，旨在标准化 AI 应用程序与外部数据源和工具的交互方式。以下是我对他演讲的笔记：
- 模型的好坏取决于提供给它们的上下文，因此确保它们能够获取特定任务的相关信息至关重要
- MCP 标准化了 AI 应用程序与外部系统的交互方式，类似于语言服务器协议 (LSP) 标准化开发工具的方式
- MCP 不是模型与外部系统之间的协议，而是使用 LLM 的 AI 应用程序与外部系统之间的协议
- 如果没有 MCP，AI 开发就会变得碎片化，每个应用程序都会构建自定义实现、自定义提示和自定义工具调用
- MCP 将提供数据访问与构建应用程序的关注点分离开来
- 这种分离使应用程序开发人员能够专注于构建更好的应用程序，而数据提供者可以专注于有效地公开其数据
MCP 的工作原理
- MCP 系统中存在两个主要组件：客户端（由使用 LLM 的应用程序实现）和服务器（为客户端提供上下文）
- MCP 服务器提供：工具（执行操作的功能）、资源（服务器公开的原始数据内容）、提示（显示如何调用工具）
- 应用程序开发人员可以将其应用程序连接到生态系统中的任何 MCP 服务器
- API 开发人员只需实现一次 MCP 服务器即可将其数据公开给多个 AI 应用程序
- 允许大公司内的不同组织独立构建组件，并通过协议协同工作
为 MCP 编写优秀的工具
- 工具应该简单并专注于特定任务
- 全面的描述有助于模型了解何时以及如何使用工具
- 错误消息应使用自然语言，以促进更好的交互
- 目标是创建对模型和用户都直观的工具
MCP 的未来方向
- 具有适当授权机制的远程 MCP 服务器
- 官方 MCP 注册中心，用于发现可用的服务器和工具
- 长时间运行任务的异步执行
- 从服务器到客户端的流数据功能
- 用于组织工具和资源的命名空间
- 改进启发技术以实现更好的互动
- 随着协议的发展，需要一个结构来管理它