共计 2102 个字符，预计需要花费 6 分钟才能阅读完成。
在 AI 领域，代理和工作流的概念正变得越来越热门。尽管这些话题确实值得关注，但我们似乎忽略了一个关键点：如何将 AI 代理与现有的企业系统和业务应用无缝集成。最近，我意识到，实现 AI 代理其实有点像处理一个复杂的企业应用集成项目。
Anthropic，这家在 AI 模型领域颇有名气的公司，最近提出了一种新的协议和架构，旨在为语言模型提供从外部系统获取的必要上下文。这个协议被称为模型上下文协议（Model Context Protocol，简称 MCP），它定义了如何将各种数据源（比如文件系统、数据库、代码仓库等）连接到大型语言模型（LLM）和代理。
MCP 的出现，可以说是 AI 集成领域的一大飞跃。它提供了一个通用的标准，简化了 AI 系统与各种数据源之间的连接。这个开源协议解决了数据访问的碎片化问题，使得 AI 应用更加高效和上下文感知。通过更容易地与不同数据源交互，MCP 显著提高了 AI 生成响应的相关性和准确性。这无疑是 AI 能力发展的一个重要里程碑。
MCP 的架构设计相当复杂，它采用了一个客户端 - 服务器模型，包含三个核心组件：MCP 服务器、MCP 客户端和通信层。MCP 服务器作为数据网关，向 AI 应用程序暴露资源、工具和提示；MCP 客户端则是与这些服务器交互的 AI 驱动的工具；通信层则确保本地和远程资源之间的安全双向数据交换。
这个协议允许数据在 AI 模型和外部数据源之间双向流动，这使得 AI 应用程序更具交互性和环境感知能力。MCP 作为集成 AI 模型与各种工具的基础层，对于开发更细致和功能性的 AI 应用程序至关重要。
通过提供一个开源框架，MCP 简化了开发者的工具集成，减少了为每个新数据源进行定制实现的需求。设计用于跨各种环境工作，包括低代码平台和云服务，MCP 提供了多功能性和适应性。
Anthropic 已经为 Python 和 TypeScript 开发了 SDK，并为企业系统（如 Google Drive、Slack、GitHub 和 Postgres）提供了预构建的服务器。
虽然有许多框架可以构建 AI 代理，但几乎所有这些框架都依赖于利用 LLM 的函数调用能力的工具。尽管这是正确的方法，但这种机制限制了 LLM 可以映射到提示或查询的工具和函数的数量。
Anthropic 的 MCP 通过实现与外部系统的直接双向通信，显著增强了 AI 代理的能力。这一进步使得 AI 代理能够访问外部数据库的实时信息、管理文件系统并与 GitHub 等平台无缝交互。因此，AI 代理可以自主执行复杂的任务，如简化软件开发工作流，从而提高效率并减少手动干预的需求。
通过促进这些交互，MCP 使 AI 代理能够在各个领域执行复杂的操作，标志着 AI 代理工作流进化的重大进展。
虽然 MCP 专注于 AI 集成，但将其与 SOA 协议进行比较是有意义的，后者帮助塑造了企业架构。SOA 协议（如 SOAP、WSDL 和 WS-*）设计用于使用基于 XML 的消息进行 Web 服务通信。它们提供了强大的安全性和可靠的错误处理，适合企业级应用，并为服务描述和附加功能（如安全和事务）提供了全面的标准。
相比之下，MCP 专门针对 AI 模型与外部数据源的集成，支持双向通信并实现更动态的 AI 交互。它专注于简化跨各种工具和平台的 AI 集成。
虽然 SOA 协议在实现不同系统之间的互操作性方面至关重要，但 MCP 解决了集成 AI 模型与多样数据源和工具的独特挑战。MCP 专注于双向通信和 AI 特定的集成，使其特别适合新兴的 AI 驱动应用领域。
毫无疑问，MCP 有可能成为实现 AI 代理工作流并加速其发展的关键部分。这些工作流使用自主的、目标导向的 AI 系统。它使 AI 代理能够基于来自多样来源的实时数据做出明智的决策。该协议能够在各种工具和数据集中保持上下文，支持开发更独立的 AI 代理。通过集成多个工具和数据源，MCP 实现了复杂 AI 驱动工作流的协调。
像 MCP 这样的协议的成功和广泛采用在很大程度上取决于行业的参与和标准化努力。标准化确保 AI 系统可以在不同平台和司法管辖区运行，这对全球公司至关重要。它通过确保 AI 系统的透明性、可靠性和安全性来建立信任。明确的指导方针减少了合规复杂性，降低了创新障碍，并加速了 AI 产品的开发。标准可以将公平、问责和非歧视原则嵌入 AI 系统中。遵守国际标准促进了市场准入，特别是对中小企业而言。AI 标准的开发促进了利益相关者之间的合作，确保了全面和反映最佳实践。
领先 AI 实体（如 OpenAI、Google、Microsoft、Meta 和 Mistral）的参与对于推动像 MCP 这样的协议的标准化和采用至关重要。他们的参与可以导致开发符合共同标准的互操作系统，减少碎片化并促进创新。
在 SOA 背景下，像 SOAP、WSDL 和 WS-* 套件这样的协议的演变中，行业范围内的接受对于将这些协议确立为 Web 服务的基础技术至关重要。同样，主要行业参与者对 MCP 的集体认可可以加速其集成到 AI 系统中，促进一个连贯和高效的 AI 生态系统。
Anthropic 的模型上下文协议代表了 AI 集成的重要进步，提供了一种标准化方法来连接 AI 模型与外部数据源。
MCP 的成功取决于行业的广泛采用和领先 AI 组织的协作努力，以将其确立为标准协议，从而促进一个更集成和高效的 AI 环境。
