MCP协议：增强大模型认知能力的新范式

MCP协议基本概念

MCP (Model Context Protocol，模型上下文协议) 是由 Anthropic 在 2024 年底推出的一种开放协议，它通过提供一种标准化的接口，旨在通过标准化的接口实现大语言模型 (LLM) 与外部数据源及工具的无缝集成。

问题	描述	MCP如何解决
上下文碎片化	模型输入只能接收简单串联的 prompt，不擅长处理结构化、多源上下文	MCP定义标准的结构化上下文协议（如用户意图、候选对象、系统状态等）
插件难组合	模型与插件之间的接口不统一，扩展困难	MCP提供模块化的上下文与响应结构，实现模型与插件之间的协议对接
上下文协同能力弱	模型只能基于静态 prompt 推理，缺乏动态感知环境变化的能力	MCP支持动态上下文更新、插件调用、memory等机制，增强模型实时感知和响应能力

原始问题	MCP解决方案	示例
prompt难以表达复杂上下文	上下文结构化表达	用户画像+历史行为+候选列表
插件调用无法统一接入模型	协议化插件封装	plugin: name + function
多模态数据难融合	多模态统一上下文协议	支持图文、表格等模态
对话缺乏记忆、协同规划	memory字段 + multi-turn	类似agent framework

架构

MCP生态

Jupter MCP Server

让AI助手在Jupyter笔记本中添加代码/文字。

Agent2Agent协议

让Agent调用其他Agent

协议原则

1. 拥抱智能体的核心能力：允许智能体以自然、非结构化的方式进行互动。
2. 基于现有标准构建：采用现代流行的技术标准，如HTTP、SSE和JSON-RPC。
3. 默认安全：内置认证和授权机制，确保通信的安全性。
4. 支持长时间运行的任务：能够处理长时间任务的执行，并同步任务状态。
5. 支持多种模态：支持音频和视频等多种数据格式

关键功能

1. 能力发现：智能体可以通过JSON格式的“智能体名片”（Agent Card）宣传自己的能力，使客户端智能体能够识别最适合执行特定任务的智能体。
2. 任务管理：定义了任务的生命周期，支持短期和长期任务的管理。
3. 协作：智能体之间可以互相发送消息，传递上下文信息、回复、成果或用户指令。
4. 用户体验协商：每条消息包含“内容片段”，允许智能体协商所需的正确格式，并明确包含对用户界面能力的协商。

技术架构

1. 通信协议：定义了一套标准的通信协议，规范智能体间消息的交换规则、语法结构和传输机制。
2. Agent身份：智能体可以通过Agent Card声明自身标识、功能特性、服务接口等信息。
3. 服务发现机制：提供了服务发现机制，使智能体能够依据任务需求查询并定位具备特定能力的其他智能体。

目标及优势

示例

UTCP

通用工具调用协议

参考资料

不同的语言模型可能需要针对其特性调整MCP协议的实施方式，增加了跨模型应用的难度。
MCP 是什么，现状和未来
Jupter MCP Server

MCP应用案例

10分钟搞定高德地图MCP