MCP详解及协议的使用
🧩 一、MCP详解
1、✅ MCP 是什么？
MCP 是一种统一协议，使得 语言模型（LLM）能以结构化方式与外部系统进行交互，支持多轮、多工具、多模态（文本、图像、音频等）调用。
它类似于一种“操作系统中的系统调用协议”，让模型不只是聊天，而是真正地“调用”外部服务。
2、🔧 能用来做什么？应用场景
2.1. ✅调用函数 / API（函数调用 Function Calling）
例如：
用户输入：“帮我查一下明天上海的天气，并推荐附近的餐馆。”
模型识别出两个意图：
- 先调用 getWeather(location=“上海”) 获取天气
- 再调用 findNearbyRestaurants(location=“上海”)
模型通过 MCP 协议请求这两个工具，组合响应内容再生成回答
2.2. ✅插件系统的底层机制
MCP 是 OpenAI 插件系统的底层协议。比如：
- 文件上传分析插件
- 数据库查询插件
- 网络搜索插件（如 Bing、Klarna）
这些插件的调用流程背后都遵循 MCP。
2.3. ✅中间调度器（Tool Router）
MCP 允许构建“中间调度系统”：
- 模型只负责推理出“需要调用哪些工具”
- 调度器根据模型的指令逐个调用函数、组合结果，再反馈给模型
这使得系统具备“多步逻辑处理能力”，比如：
问“帮我订一张明天下午从北京飞上海的机票”，模型自动调用：
- 航班查询
- 用户账户信息获取
- 订单创建与支付
2.4. ✅支持多模态输入和输出
随着 GPT-4o 支持图像/语音，MCP 也能支持：
- 传入图片给模型分析（如图像 OCR、识别表格、分析图纸）
- 模型返回语音/图像/视频等格式的结果
- 混合调用工具链，如上传 PDF 后提取表格、再用图表库绘图
2.55、🛠️ MCP 的核心组成
| 成分 | 作用 、 |
|---|---|
tool_calls |
模型发出工具调用请求，包含工具名、参数等 |
tool_response |
外部系统处理请求后的响应数据（可以是 JSON） |
function_calling |
OpenAI 提供的轻量实现方式，MCP 的子集 |
intermediate steps |
工具调用步骤的中间过程，帮助模型持续更新对话状态 |
🧩 二、简单的使用架构
┌──────────────┐ TCP / WebSocket / HTTP
│ Client │ ─────────────────────────────► ┌────────────┐
│ │ │ MCP Server │
│ 发出请求 │ │ │
└──────────────┘ └────────────┘
│
▼
┌──────────────────────┐
│ Tool Registry │
│ - tool_1 │
│ - tool_2 │
└──────────────────────┘
基于 MCP 协议的服务端连接客户端模块，通过 stdio 与服务端子进程通信。这种设计模式通常用于：
启动一个可交互的子进程服务器（如 MCP server）
使用 标准输入输出（stdin/stdout）作为通信通道
异步初始化会话，并获取工具列表
🧩 三、MCP协议的使用（Python版本）
连接服务端以及和服务端子进程通信：
async def connect_to_server(self, server_script_path: str):
r'''
连接到MCP服务器
首先启动服务端，然后初始化会话
最后获取可用工具列表
'''
is_python = server_script_path.endswith('.py')
command = "python" if is_python else "node"
print(f"🛠️ 启动服务端命令: {
command} {
server_script_path}")
# 构造一个 StdioServerParameters 对象，常用于设置一个
# 通过标准输入输出（stdin/stdout）与主程序通信的子进程服务器
script_dir = os.path.abspath(