一、前言
在大型语言模型与外部世界交互的探索中，如何高效、灵活地接入多样化数据始终是核心命题。MCP（Model Context Protocol）协议中的Resources 机制，正是为这一问题提供了优雅的解决方案。通过URI（统一资源标识符）的抽象设计，MCP服务器能够将文件系统、数据库、API响应甚至实时系统日志等数据转化为LLM可理解的上下文。这种“无副作用”的读取方式不仅简化了数据调用逻辑，更通过应用层控制权的让渡，赋予客户端对资源访问的自主性与灵活性。
本文将深入解析MCP资源的使用逻辑，从协议规范到实战场景，探讨如何通过这一机制释放大模型的无限潜能。
二、术语介绍
2.1.MCP
MCP协议（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年11月推出的开放标准协议，旨在为大型语言模型（LLM）与外部数据源、工具之间建立统一的通信接口。其核心作用在于解决AI模型因数据孤岛限制难以发挥潜力的问题，通过标准化交互方式提升AI应用的扩展性和实用性。
一、MCP协议的核心定义
1.1. 协议定位
MCP被类比为AI领域的“USB-C接口”，通过解耦LLM与外部系统的集成，实现一次开发即可动态连接多种服务（如数据库、API、本地文件系统等）。例如，开发者无需为每个新工具单独定制接口，只需遵循MCP标准即可实现AI与工具的即插即用。
1.2. 技术架构
采用客户端-服务器模型，包含三个核心组件：
- MCP主机：运行AI模型的环境（如Claude桌面应用）；
- MCP客户端：负责与服务器通信并转发请求；
- MCP服务器：提供具体功能服务的轻量级程序（如文件管理或API调用）。
二、MCP协议的核心作用
2.1. 统一交互标准
标准化JSON-RPC 2.0协议支持本地（标准输入输出）与远程（HTTP/SSE）通信，兼容Python、Java等多种编程语言，降低开发复杂度。例如，本地通信保障医疗数据安全传输，远程通信支持云端服务扩展。
2.2. 动态扩展能力
通过资源（Resource）、工具（Tool）、提示（Prompt）三大核心概念，AI模型可自动发现新工具并实时交互。例如连接GitHub时，AI可自动提交代码或修复BUG，无需人工预定义接口。
2.3. 安全与权限控制
内置权限验证机制，用户需手动批准敏感操作（如文件删除或邮件发送），确保数据隐私。在企业场景中，该特性尤为重要，如金融分析时需严格管控市场数据访问权限。
2.2.资源
代表服务器向客户端暴露的、可供读取的数据或内容原语。其主要作用是为大型语言模型提供交互所需的上下文信息。
具体特点包括：
1.数据类型多样性
- Resources 可以涵盖多种结构化或非结构化数据，例如文件内容、数据库记录、API响应、实时系统数据、日志文件、屏幕截图等。
2.只读性
- Resources 被设计为只读 实体，客户端只能检索数据而无法修改，确保数据的安全性和一致性。
3.上下文与应用控制
- 它们作为LLM交互的上下文来源，同时由应用程序（服务器端）控制，即客户端仅能按预设规则访问特定资源。
4.协议功能支撑
- Resources 是MCP协议三大核心能力之一（另两类为工具和提示），用于实现模型对本地或外部数据的定制化访问
三、前置条件
3.1.基础环境及前置条件
1. 操作系统：无限
3.2.MCP环境安装
3.3.QWEN3推理环境准备
参见：
开源模型应用落地-qwen模型小试-Qwen3-8B-推理加速-vLLM（一）-CSDN博客文章浏览阅读8.9k次，点赞22次，收藏18次。解析Qwen3-8B与vLLM的技术协同逻辑，探讨其在复杂任务中的性能表现及落地价值。https://charles.blog.csdn.net/article/details/147718340?spm=1011.2415.3001.5331开源模型应用落地-qwen模型小试-Qwen3-8B-推理加速-vLLM-Docker（二）_docker 方式启动 vllm,运行qwen3-8b-fp8 参数详解-CSDN博客文章浏览阅读1.3w次，点赞25次，收藏19次。通过容器化技术整合高性能推理框架vLLM与Qwen3-8B模型，可实现资源高效利用、灵活部署及推理性能优化，为大模型本地化应用提供轻量化解决方案_docker 方式启动 vllm,运行qwen3-8b-fp8 参数详解
https://charles.blog.csdn.net/article/details/147719905?spm=1011.2415.3001.5331
四、技术实现
4.1.资源准备
文件名：广州的名称衍变.txt
楚庭是传说中广州最早的名称。关于“楚庭”之得名，有不同的说法：一说周夷王八年（公元前878年），南海臣服于楚国，因而建造楚庭。一说公元前600多年的春秋时期，楚成王熊恽平南方夷越之乱，在南海建楚庭。有研究者解释称，楚庭（又作楚亭）最早或是宫室，或是市集的意思，后来才慢慢被用作广州的代称。清代，人们将楚庭看作广州最早的名字，并建牌坊纪念。
“南武”也是记载中广州早期的名称。“南武”之得名也有多个说法，一说认为此名本为越国旧有地名，楚国灭越后，由公师隅在今天的广州所在地建城，并沿用了故国的名称；一说认为赵佗号为南越武帝，故将南海郡改称南武郡，以郡名为城市命名。不过，关于楚庭、南武的说法。
广州众多别名中，“羊城”“穗城”最广为人知。这两个别名源于五仙乘羊赠穗的美丽神话。相传周朝时，五个仙人骑五羊送来稻穗。五羊衔谷的传说最早见于晋人所著的《广州记》，书中称“五羊衔谷萃于楚庭”。在后来的古籍中，故事情节发展为五位仙人手里拿着一茎六出的谷穗，骑着五羊而来，并祝福此方土地永无饥荒。唐代以来，“五羊”“羊城”逐渐成为广州城的代称，诗人常用“羊城”代指广州，如高适写有“海对羊城阔，山连象郡高”之句，殷尧藩有“遐荒迢递五羊城，归兴浓消客里情”之句。
“广州”作为一个行政区域概念，距今已经有1796年历史，“广州”二字在历史上的地域含义因时而异。西汉年间，长江以南被划分为三个州：扬州、荆州、交州。交州属下设立九郡，广州就属于交州南海郡。汉武帝平定南越国后，颁布圣旨称：初开粤地，宜广布恩信，意思是希望地方官员以怀柔政策管理此地。州府所在地因此定名为“广信”（一说今广西梧州，一说今广东封开），“广州”之“广”因此得名。 “广州”这一地名出现在三国年间。226年，孙权考虑到岭南地区过于辽阔，不易管辖，又因交州刺史士燮势力太大，遂决定把交州一拆为二，史称“交广分治”，“广州”作为一个地名从此出现，合浦以西为交州，合浦以东为广州。广州辖区范围相当于今广东、广西之大部。4.2.MCP Server实现
# -*- coding:utf-8 -*-
from mcp.server.fastmcp import FastMCP
import aiofiles
DEAULT_TRANSPORT = "sse"
# Create an MCP server
mcp = FastMCP("Demo", port=9999)
@mcp.resource(
uri="file://knowledge.txt",
name="knowledge",
description="获取广州名称的衍变历史信息",
mime_type="text/plain"
)
async def knowledge_base():
"""
获取知了课堂的相关介绍信息
"""
async with aiofiles.open(r"E:\data\广州的名称衍变.txt", mode="r", encoding='utf-8') as fp:
content = await fp.read()
print(f'获取的内容：{content}')
return content
if __name__ == "__main__":
# Initialize and run the server
print(f"start mcp server,transport: {DEAULT_TRANSPORT}...") # 记录服务启动日志
mcp.run(transport=DEAULT_TRANSPORT)
需要安装aiofiles依赖：uv pip install aiofiles
调用：
直接在pycharm中运行
4.3.MCP Client实现
# -*- coding:utf-8 -*-
import asyncio
from openai import OpenAI
from mcp.client.sse import sse_client
from mcp import ClientSession
from contextlib import AsyncExitStack
class MCPClient:
def __init__(self, api_key: str, llm_server_url: str, mcp_server_url):
self.client = OpenAI(api_key=api_key, base_url=llm_server_url)
models = self.client.models.list()
self.model = models.data[0].id
self.mcp_server_url = mcp_server_url
self.exit_stack = AsyncExitStack()
self.resources = {}
async def run(self, query):
read_stream, write_stream = await self.exit_stack.enter_async_context(sse_client(self.mcp_server_url))
session: ClientSession = await self.exit_stack.enter_async_context(ClientSession(read_stream, write_stream))
# 初始化
await session.initialize()
# 获取可用的资源
response = await session.list_resources()
resources = response.resources
tools = []
for resource in resources:
uri = resource.uri
name = resource.name
description = resource.description
mime_type = resource.mimeType
tools.append({
"type": "function",
"function": {
"name": name,
"description": description,
"input_schema": None
}
})
self.resources[name] = {
"uri": uri,
"name": name,
"description": description,
"mime_type": mime_type,
}
# 定义消息
messages = [{
"role": "user",
"content": query
}]
output = self.client.chat.completions.create(
messages=messages,
model=self.model,
tools=tools,
stream=False
)
print(f"首次调用响应: {output}")
choice = output.choices[0]
if choice.finish_reason == 'tool_calls':
messages.append(output.choices[0].message.model_dump())
print(f"更新消息历史: {messages}")
tool_call = choice.message.tool_calls[0]
tool_id = tool_call.id
function = tool_call.function
function_name = function.name
function_uri = self.resources[function_name]["uri"]
print(f'function_name: {function_name},function_uri: {function_uri}')
response = await session.read_resource(function_uri)
result = response.contents[0].text
print(f"获取到内容: {result}")
messages.append({
"role": "tool",
"content": result,
"tool_call_id": tool_id,
"name": function_name
})
# 第二次调用：流式响应生成最终回答
output = self.client.chat.completions.create(
messages=messages,
model=self.model,
stream=True
)
print("\nAI助手：")
for chunk in output:
if chunk.choices and chunk.choices[0].delta.content:
print(chunk.choices[0].delta.content, end='', flush=True)
async def aclose(self):
await self.exit_stack.aclose()
async def main():
# 环境配置
openai_api_key = "EMPTY"
openai_api_base = "http://localhost:9000/v1"
mcp_server_url = "http://localhost:9999/sse"
client = MCPClient(api_key=openai_api_key,llm_server_url=openai_api_base,mcp_server_url=mcp_server_url)
try:
await client.run("帮我查一下广州这个名称的由来")
finally:
await client.aclose()
if __name__ == '__main__':
asyncio.run(main())调用：
server端输出
client端输出
首次调用响应: ChatCompletion(id='chatcmpl-677658b2f5284c9c8ad241791eae7359', choices=[Choice(finish_reason='tool_calls', index=0, logprobs=None, message=ChatCompletionMessage(content='<think>\n好的，用户让我帮忙查一下“广州”这个名称的由来。首先，我需要确定用户的需求是什么。他们可能对广州的历史感兴趣，或者是在学习中国城市名称的演变。接下来，我要看看有哪些工具可用。根据提供的工具，有一个名为“knowledge”的函数，可以获取广州名称的衍变历史信息，而且不需要参数。这说明直接调用这个函数就能得到所需的信息。\n\n然后，我需要确认这个函数是否可靠。因为描述中提到它能获取衍变历史，所以应该能提供关于“广州”名称起源的详细资料。用户的问题比较直接，所以调用这个函数应该就能满足需求。不需要额外的参数，所以工具调用会很直接。最后，我应该生成一个工具调用的JSON，指定函数名和空参数，然后等待结果返回给用户。这样处理应该能有效解决问题。\n</think>\n\n', refusal=None, role='assistant', annotations=None, audio=None, function_call=None, tool_calls=[ChatCompletionMessageToolCall(id='chatcmpl-tool-705aad63263c4485afbef6ec99ff131b', function=Function(arguments='{}', name='knowledge'), type='function')], reasoning_content=None), stop_reason=None)], created=1747295376, model='/Qwen3-8B', object='chat.completion', service_tier=None, system_fingerprint=None, usage=CompletionUsage(completion_tokens=201, prompt_tokens=138, total_tokens=339, completion_tokens_details=None, prompt_tokens_details=None), prompt_logprobs=None)
更新消息历史: [{'role': 'user', 'content': '帮我查一下广州这个名称的由来'}, {'content': '<think>\n好的，用户让我帮忙查一下“广州”这个名称的由来。首先，我需要确定用户的需求是什么。他们可能对广州的历史感兴趣，或者是在学习中国城市名称的演变。接下来，我要看看有哪些工具可用。根据提供的工具，有一个名为“knowledge”的函数，可以获取广州名称的衍变历史信息，而且不需要参数。这说明直接调用这个函数就能得到所需的信息。\n\n然后，我需要确认这个函数是否可靠。因为描述中提到它能获取衍变历史，所以应该能提供关于“广州”名称起源的详细资料。用户的问题比较直接，所以调用这个函数应该就能满足需求。不需要额外的参数，所以工具调用会很直接。最后，我应该生成一个工具调用的JSON，指定函数名和空参数，然后等待结果返回给用户。这样处理应该能有效解决问题。\n</think>\n\n', 'refusal': None, 'role': 'assistant', 'annotations': None, 'audio': None, 'function_call': None, 'tool_calls': [{'id': 'chatcmpl-tool-705aad63263c4485afbef6ec99ff131b', 'function': {'arguments': '{}', 'name': 'knowledge'}, 'type': 'function'}], 'reasoning_content': None}]
function_name: knowledge,function_uri: file://knowledge.txt/
获取到内容: 楚庭是传说中广州最早的名称。关于“楚庭”之得名，有不同的说法：一说周夷王八年（公元前878年），南海臣服于楚国，因而建造楚庭。一说公元前600多年的春秋时期，楚成王熊恽平南方夷越之乱，在南海建楚庭。有研究者解释称，楚庭（又作楚亭）最早或是宫室，或是市集的意思，后来才慢慢被用作广州的代称。清代，人们将楚庭看作广州最早的名字，并建牌坊纪念。
“南武”也是记载中广州早期的名称。“南武”之得名也有多个说法，一说认为此名本为越国旧有地名，楚国灭越后，由公师隅在今天的广州所在地建城，并沿用了故国的名称；一说认为赵佗号为南越武帝，故将南海郡改称南武郡，以郡名为城市命名。不过，关于楚庭、南武的说法。
广州众多别名中，“羊城”“穗城”最广为人知。这两个别名源于五仙乘羊赠穗的美丽神话。相传周朝时，五个仙人骑五羊送来稻穗。五羊衔谷的传说最早见于晋人所著的《广州记》，书中称“五羊衔谷萃于楚庭”。在后来的古籍中，故事情节发展为五位仙人手里拿着一茎六出的谷穗，骑着五羊而来，并祝福此方土地永无饥荒。唐代以来，“五羊”“羊城”逐渐成为广州城的代称，诗人常用“羊城”代指广州，如高适写有“海对羊城阔，山连象郡高”之句，殷尧藩有“遐荒迢递五羊城，归兴浓消客里情”之句。
“广州”作为一个行政区域概念，距今已经有1796年历史，“广州”二字在历史上的地域含义因时而异。西汉年间，长江以南被划分为三个州：扬州、荆州、交州。交州属下设立九郡，广州就属于交州南海郡。汉武帝平定南越国后，颁布圣旨称：初开粤地，宜广布恩信，意思是希望地方官员以怀柔政策管理此地。州府所在地因此定名为“广信”（一说今广西梧州，一说今广东封开），“广州”之“广”因此得名。 “广州”这一地名出现在三国年间。226年，孙权考虑到岭南地区过于辽阔，不易管辖，又因交州刺史士燮势力太大，遂决定把交州一拆为二，史称“交广分治”，“广州”作为一个地名从此出现，合浦以西为交州，合浦以东为广州。广州辖区范围相当于今广东、广西之大部。
AI助手：
<think>
好的，用户让我查广州名称的由来，我之前已经调用了knowledge工具，现在需要整理这些信息。首先，我需要确认用户的需求是否被完全满足。他们可能对广州的历史名称演变感兴趣，包括楚庭、南武、羊城、穗城以及“广州”这一名称的起源。
首先，用户可能想知道广州名称的多个来源，包括古代别名和现代名称。我需要将这些信息分门别类，确保每个名称的由来都清晰明了。比如，楚庭和南武的起源有不同的说法，需要分别说明。然后，羊城和穗城的神话故事也需要详细解释，尤其是五仙乘羊的传说，这是广州文化的重要部分。
接下来是“广州”作为行政区域名称的起源，这部分涉及西汉和三国时期的历史，需要明确“广”字的由来，以及“广州”名称的正式出现时间。用户可能对历史事件和地名演变之间的关系感兴趣，所以需要将这些历史背景与名称变化结合起来。
另外，用户可能没有明确说明是否需要更深入的细节，比如不同朝代的行政区划变化，或者现代广州名称的使用情况。不过根据之前的回答，已经涵盖了主要的历史阶段，所以可能不需要进一步扩展。需要注意的是，回答要结构清晰，分点说明，避免信息混杂。
最后，检查是否有遗漏的信息，比如是否有其他别名或名称，但根据提供的工具响应，主要名称已经覆盖。确保回答准确，引用正确的历史事件和文献，如《广州记》和三国时期的分治事件。同时，保持语言简洁，易于理解，避免使用过于学术化的术语，让用户能够轻松理解广州名称的由来。
</think>
广州名称的由来与历史演变可概括如下：
### 一、早期名称
1. **楚庭**（传说中最早名称）
- 周夷王八年（前878年）或春秋时期（约前600年），楚国平定南海后建楚庭，或为宫室、市集之意。清代文献将其视为广州最早名称。
2. **南武**（早期行政名称）
- 一说为越国旧地名，楚灭越后由公师隅建城沿用；另一说因赵佗称南越武帝，改南海郡为南武郡，后演变为城市名称。
### 二、别名与神话
1. **羊城/穗城**
- 源自“五仙乘羊赠穗”的传说：周朝五仙人骑五羊携稻穗降临楚庭，寓意土地丰饶。晋代《广州记》首次记载此传说，后成为广州的文化象征。
### 三、行政名称“广州”的起源
1. **“广”字由来**
- 西汉时期，交州下设九郡，广州属交州南海郡。汉武帝平定南越后，以“广布恩信”为由，将州府所在地命名为“广信”（今广西梧州或广东封开），取“广”字寓意。
2. **“广州”名称正式出现**
- 三国时期（226年），孙权为加强对岭南的管理，将交州分为交州（合浦以西）和广州（合浦以东），广州作为地名首次出现，辖区涵盖今广东、广西大部分地区。
### 四、名称演变总结
- **楚庭→南武→广信→广州**：从传说名称到行政名称的演变。
- **羊城/穗城**：文化象征性别名，与历史传说紧密关联。
- **现代广州**：自三国分治后，“广州”作为行政区划名称沿用至今，成为城市的核心名称。
这一名称体系既包含历史地理变迁，也融合了神话传说与文化认同，体现了广州作为岭南文化中心的深厚底蕴。
Process finished with exit code 0