从开发者角度理解 MCP 协议

从开发者角度理解 MCP 协议 从开发者角度理解 MCP 协议 Modified March 19, 2025 Code block JavaScript Copy // 2.发送请求，包含函数定义 completion = client.chat.completions.create( model="gpt 4o", messages=[{"role": "user", "content": "What is the weather like in Paris today?"}], tools=tools ) // 3.检查是否调用函数 const message = response.choices[0].message // 输出结果 { "id": "call 12345xyz", "type": "function", "function": { "name": "get weather", "arguments": "{\"location\":\"Paris\", \"date\":\"2025 3 18\"}" } } 2. 使用模型响应调用 API Code block JavaScript Copy async function get weather(location, date) { const response = await fetch( ); const data = await response.json(); return data.current.temperature; } if （message.function call） { // 4. 获取函数调用详情 const functionName = message.function.name const args = JSON.parse(message.function.arguments) // 5. 执行实际功能 if (functionName === 'getWeather') { const weatherDate = await get weather(args.location,args.date) return { temperature: weatherDate.temperature, unit:weatherDate.unit, description:weatherDate.description } } } // 输出结果 { "temperature": 22, "unit": "celsius", "description": "Sunny" } 3. 将响应发送回模型进行汇总 Code block JavaScript Copy completion = client.chat.completions.create( model="gpt 4o", messages: [ {"role": "user", "content": "What is the weather like in Paris today?"}, {"role": "assistant", "content": null, "function call": {"name": "get weather", "arguments": "{\"location\":\"Paris\"}"}}, {"role": "function", "name": "get weather", "content": "{\"temperature\": "22", \"unit\": \"celsius\", \"description\": \"Sunny\"}"} ], functions：[ { "name": "get weather", "description": "Get the current weather in a given location", "parameters": { "type": "object", "properties": { "location": { "type": "string", "description": "The city and state" } }, "required": ["location"] } } ] ) // 输出结果 // The weather in Paris is currently sunny with a temperature of 22 degrees Celsius. 三、插件市场 All Tools 让全球的开发者主动帮助 OpenAI 写 Function call，允许第三方开发者来开发可调用的Function call Code block JavaScript Copy // 1. 创建manifest.json描述文件 { "schema version": "v1", "name for human": "TODO Manager", "name for model": "todo manager", "description for human": "Manages your TODOs!", "description for model": "An app for managing a user's TODOs", "api": { "url": "/openapi.json" }, "auth": { "type": "none" }, "logo url": "https://example.com/logo.png", "legal info url": "http://example.com", "contact email": "hello@example.com" } 限制：只能在OpenAI的ChatGPT Web使用，不能再其他地方复用。 Q:有没有一种标准协议，让所有AI应用能使用相同的方式访问工具呢？ A:MCP MCP 模型上下文协议（Model Context Protocol） AI世界的“USB C”接口，链接所有AI应用与工具的桥梁。 MCP统一了交互标准，使一个协议兼容所有AI应用。 在Function Call的基础上拓展的出的三大功能： 1. 工具Tools：底层使用Function call实现，与OpenAI格式兼容。 2. 资源Resources：MCP独有，给AI提供参考信息，如文件内容、数据库记录、系统状态等。 3. 提示词Prompts：预设对话模板，如快捷指令、标准工作流、指导性提示等。 官方文档：https://modelcontextprotocol.io/ Code block JavaScript Copy // 列出工具的请求 { "jsonrpa": "1.0", "id": 1, "method": "tools/list" } // 调用工具的请求 { "jsonrpc": "1.0", "id": 1, "method": "tools/call", "params": { "name": "get weather", "arguments": {"location": "Paris"} } } // 工具执行结果响应 { "jsonrpc": "1.0", "id": 1, "result": { "content": [{ "type": "text", "text": "It's cloudy in Paris today, with a temperature of 10℃." }] } } MCP主要接口路径： • tools/list 获取可用工具列表 • tools/call 调用工具 • resources/list 获取可用资源列表 • resources/read 读取资源内容 • prompts/list 获取可用提示词列表 • prompts/get 获取提示词内容 • ... MCP转换步骤： • 客户端向MCP服务器请求工具列表 • 将MCP工具定义转换为Function call格式 • 发送Function Call定义给LLM • 接收LLM生成的Function call • 将Function call转为MCP工具调用 • 发送工具调用结果给LLM 手写MCP服务器示例： Code block JavaScript Copy const http = require("http"); http.createServer(() = { if(req.method === "POST") { let body = ''; req.on('data', chunk = {body += chunk.toString() }); req.on('end', () = { const request = JSON.parse(body); handelMcpRequest(request, res); }) } }).listen(3000); function handelMcpRequest(request, res) { const {id, method, params } = request; if (method === 'tools/list') { sendResponse(res,id, { tools:[{ name:"get weather", description: "Query the weather of the specified location", inputSchema:{ type:"object", properties: { city: { type: "string"} }, required: ["location"] } }] }) } else if (method === "tools/call") { sendResponse(res,id,{ content: [ { type:"text", text:"${params.arguments.location}clear weather" } ] }) } } function sendResponse(res, id, result) { res.writeHead(200, {'Content type': 'application/json'}) res.end(JSON.stringify({ jsonrpc:'2.0', id, result })) } TypeScript SDK示例： Code block JavaScript Copy import { Server } from "@modelcontextprotocol/sdk/server"; import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio"; import { ListToolsRequertSchema, CallToolRequestSchema } from "@modelcontextprotocol/sdk/types" // 创建服务器实例 const server = new Server({ name: "weather server", version: "1.0.0" }, { capavilities: { tools: {} prompt: {}, 2. 使用模型响应调用 API 3. 将响应发送回模型进行汇总 三、插件市场 All Tools 让全球的开发者主动帮助 OpenAI 写 Function call，允许第三方开发者来开发可调用的Function call 限制：只能在OpenAI的ChatGPT Web使用，不能再其他地方复用。 Q:有没有一种标准协议，让所有AI应用能使用相同的方式访问工具呢？ A:MCP MCP 模型上下文协议（Model Context Protocol） AI世界的“USB C”接口，链接所有AI应用与工具的桥梁。 MCP统一了交互标准，使一个协议兼容所有AI应用。 在Function Call的基础上拓展的出的三大功能： 1. 工具Tools：底层使用Function call实现，与OpenAI格式兼容。 2. 资源Resources：MCP独有，给AI提供参考信息，如文件内容、数据库记录、系统状态等。 3. 提示词Prompts：预设对话模板，如快捷指令、标准工作流、指导性提示等。 官方文档：https://modelcontextprotocol.io/ MCP主要接口路径： • tools/list 获取可用工具列表 • tools/call 调用工具 • resources/list 获取可用资源列表 • resources/read 读取资源内容 • prompts/list 获取可用提示词列表 • prompts/get 获取提示词内容 • ... MCP转换步骤： • 客户端向MCP服务器请求工具列表 • 将MCP工具定义转换为Function call格式 • 发送Function Call定义给LLM • 接收LLM生成的Function call • 将Function call转为MCP工具调用 • 发送工具调用结果给LLM 手写MCP服务器示例： TypeScript SDK示例： ⌨️ 作者：x 作者：x 从基础的聊天API开始使用 Q：如何实现连续对话？ A：将每次与AI完整聊天记录，添加到一个数组（例：conversationHistory）中，在下次请求时将conversationHistory传入messages中。 ps：还有更多方法，如总结前面的历史信息放入messages等等... 消息类型： 1. role：“developer”（原“system”） a. 设定AI的行为和角色、定义回答的风格和限制等 b. 用户通常看不到此消息 c. 模型会始终遵循这些指令且优先于用户消息 a. 设定AI的行为和角色、定义回答的风格和限制等 b. 用户通常看不到此消息 c. 模型会始终遵循这些指令且优先于用户消息 2. role：“user” a. 用户发送的问题或指令 b. 通常显示在用户对话框内 c. 包含用户的问题、陈述、请求等 a. 用户发送的问题或指令 b. 通常显示在用户对话框内 c. 包含用户的问题、陈述、请求等 3. role：“assistant” a. 由模型生成的消息 b. 根据历史上下文生成 c. 展示给用户的内容 a. 由模型生成的消息 b. 根据历史上下文生成 c. 展示给用户的内容 但我们知道，AI的回答源于他训练的数据，当用户问到与“实时性”相关的问题时，AI就傻眼了。 于是就有了第一代解决方案：用提示词实现工具调用！ 用提示词实现工具调用 通过提示词，让AI输出一个结构化的JSON数据，去外部调用相关的API，拿到最后的数据结果，再交给AI总结回复。 缺点：AI输出的结果不可靠，可能出现错误的JSON格式，或符号错误等。 这个问题OpenAI也意识到了，于是... OpenAI解决方案 一、插件计划 从2023年3月份，OpenAI宣布插件计划开始，到5月份上线，其中包括OpenAI的三个插件：联网、代码、画图。 二、Function calling 函数调用 经过对模型的微调，既可以检测何时需要调用函数（取决于用户的输入）也可以使用符合函数签名的 JSON 进行响应。函数调用使开发人员能够更可靠地从模型中获取结构化数据。 在接口层面你就可以声明有哪些工具可以调用 1. 使用函数和用户输入调用模型