Lark：扒下MCP的外衣 -- 揭秘它被大模型xx的全过程

Lark：扒下MCP的外衣 揭秘它被大模型xx的全过程 Lark：扒下MCP的外衣 揭秘它被大模型xx的全过程 Modified December 23, 2025 📍 • 提供了多种工具，包括： ◦ read file：读取文件内容 ◦ write to file：写入文件 ◦ replace in file：替换文件中的特定内容 ◦ search files：在文件中搜索内容 ◦ list files：列出目录内容 ◦ list code definition names：列出代码定义名称 ◦ 以及 MCP 相关工具 MCP 服务器集成 • 提示词详细介绍了 Model Context Protocol （MCP）服务器，这些服务器提供额外工具和资源 • 已连接多个 MCP 服务器，包括： ◦ firecrawl mcp server：网页抓取工具 ◦ fetch mcp：网站内容获取工具 ◦ filesystem mcp：文件系统操作工具 ◦ exa mcp server：网络搜索工具 ◦ time mcp：时间相关工具 • 提供了创建和编辑 MCP 服务器的详细指南 文件编辑功能 • 详细说明了write to file和replace in file两种文件编辑工具的使用场景 • write to file适用于创建新文件或完全覆盖现有文件 • replace in file适用于对现有文件进行有针对性的编辑 工作模式 • 提供了两种工作模式： ◦ ACT MODE：执行实际操作，使用所有工具完成任务 ◦ PLAN MODE：与用户讨论计划，使用plan mode response工具进行交流 能力与规则 • 可以执行 CLI 命令、列出文件、查看源代码定义、搜索文件、读写文件等 • 需要遵循特定规则，如不使用 字符引用主目录，执行命令前考虑系统环境等 • 创建新项目时需要组织文件到专用目录，并遵循最佳实践 总体目标 • 通过分析任务、设定目标、逐步执行来完成用户任务 • 使用思考标签<thinking </thinking 分析文件结构并确定最合适的工具 • 完成任务后使用attempt completion工具展示结果 • 避免不必要的来回对话，直接高效地完成任务 2. 再往下看，看到我们的用户疑问，然后看看 Deepseek 模型的回复： 🌟 第一个疑问解答： 利用自然语言交互，大模型为什么会调用 MCP 工具？ 答：通过系统提示词告知大模型，其中安装了各类 MCP 工具，有一个工具叫做 Time 提供实时时间。大模型通过系统提示词，加上用户的询问，经过这些上下文的思考，得出结论，连接的 MCP 服务器中有一个时间服务器，提供了当前时间，可以使用 use mcp tool 工具来调用 get current time。并且给出了 mcp 工具的入参。 3. 大家还记不记得，在跳出 Cline 希望通过 get current time 来获取时间时，我们点了一下 approve，而且好像中间没有发送大模型的 API 调用，在对话框中就显示了一个 RESPONSE，马上显示了此时的时间，这里到底发生了什么？ 其实，这里是用了一个脚本来实现，在安装 Time 这个 MCP server 时，我们实际上是通过一个 python 脚本来实现，本质上是一段代码（github： https://github.com/modelcontextprotocol/servers/tree/main/src/time），去 github 上看这个 server 的代码，本质上就是这个 server.py 的代码来实现了获取相应的时间，这个过程是由于我们在安装 MCP server 过程中，安装了这个 python 模块。 🌟 第二个疑问解答： 大模型调用 MCP 工具，从客户端（Client）到服务端（Server）发生了什么？ 答：我们这个案例中的 Time，本质上是一段 Python 代码，在本地的 python 环境中运行，并且获得了结果，所以 Client（Cline）通过提示词来知道需要调用这个 MCP 服务，并且给出入参，本地 Python 脚本进行运行获取到了所在时区的时间。 当然，还有其他形态的 Client 和 Server，比如通过代码远程调用 API，实现更复杂的功能如网络搜索，GitHub commit，从 Notion 中获取个人文章等等。所以，本质上是一段本地运行的代码，也就是这个代码扩展了大模型的能力。 4. 继续往下看第二个日志内容，就很好理解了，Cline 将刚才 MCP 服务代码得到的结果，以 role 为 user 的形式再次发给 LLM（Deepseek），此时 LLM 结合上下文，用户的问题，给出了最终准确的实时时间答案。这就是整个 MCP 调用的全过程。 第三个问题呢？被你吃掉了？ 哈哈，问的非常好，写道这里，又开始犯懒了，不过也是一个非常好的机会，留给读者自己实操一下以下过程： 1. Cline 中安装两个相似的 MCP 工具：如 Exa（提供 AI 类搜索），Firecrawl（网页爬虫），当然这两个都需要注册 API 才能使用； 2. 尝试不同的问题，试图从日志中按照刚才的过程翻找答案，比如：搜索什么是 MCP，帮我爬取 MCP 相关的文章等等 3. 尝试思考一下，是什么原因让大模型选择不同的 MCP server 和工具？ 🚅 第三个疑问解答：我安装了类似的 MCP 工具，大模型如何选择用哪一个？ 答：我自我思考的过程，是因为用户的询问问题和工具描述的匹配程度，比如搜索容易匹配到 Exa，而爬取容易匹配到 Firecrawl。所以，在平时用户非常清楚自己需要什么工具时，可以在提问时主动提及相关的工具，如：我要用 Exa 搜索什么是 MCP。 最后的思考 通过这些工具和拆解，我相信不需要我复杂的解释，读者应该也能体会到了整个 MCP 的过程。MCP 由于采用模型上下文，并且在 MCP Server 工具提供相关提示词指引，可以让那些没有经过 Tool use 和 Function call 微调的模型也能插上工具的翅膀，让那些有工具调用，Function Call 能力的模型，扩展了其他 MCP 工具的能力。这样大大加强了 LLM 模型与本机系统，个人数据，网络服务，数据库，甚至是其他智能体工具（如 Coze，Dify）等对接的能力。想象力更加丰富，生态更加繁荣。 通过这篇文章，希望读者在阅读或跟着动手操作的过程中，与我共同学习到了一些新知识，扩展了一下新想法，或者又打开了屏幕前的你的脑洞？愿你能在评论区留下你的好玩的过程或疑问，我们共同学习进步～ 📍 • 提供了多种工具，包括： ◦ read file：读取文件内容 ◦ write to file：写入文件 ◦ replace in file：替换文件中的特定内容 ◦ search files：在文件中搜索内容 ◦ list files：列出目录内容 ◦ list code definition names：列出代码定义名称 ◦ 以及 MCP 相关工具 MCP 服务器集成 • 提示词详细介绍了 Model Context Protocol （MCP）服务器，这些服务器提供额外工具和资源 • 已连接多个 MCP 服务器，包括： ◦ firecrawl mcp server：网页抓取工具 ◦ fetch mcp：网站内容获取工具 ◦ filesystem mcp：文件系统操作工具 ◦ exa mcp server：网络搜索工具 ◦ time mcp：时间相关工具 • 提供了创建和编辑 MCP 服务器的详细指南 文件编辑功能 • 详细说明了write to file和replace in file两种文件编辑工具的使用场景 • write to file适用于创建新文件或完全覆盖现有文件 • replace in file适用于对现有文件进行有针对性的编辑 工作模式 • 提供了两种工作模式： ◦ ACT MODE：执行实际操作，使用所有工具完成任务 ◦ PLAN MODE：与用户讨论计划，使用plan mode response工具进行交流 能力与规则 • 可以执行 CLI 命令、列出文件、查看源代码定义、搜索文件、读写文件等 • 需要遵循特定规则，如不使用 字符引用主目录，执行命令前考虑系统环境等 • 创建新项目时需要组织文件到专用目录，并遵循最佳实践 总体目标 • 通过分析任务、设定目标、逐步执行来完成用户任务 • 使用思考标签<thinking </thinking 分析文件结构并确定最合适的工具 • 完成任务后使用attempt completion工具展示结果 • 避免不必要的来回对话，直接高效地完成任务 • 提供了多种工具，包括： ◦ read file：读取文件内容 ◦ write to file：写入文件 ◦ replace in file：替换文件中的特定内容 ◦ search files：在文件中搜索内容 ◦ list files：列出目录内容 ◦ list code definition names：列出代码定义名称 ◦ 以及 MCP 相关工具 ◦ read file：读取文件内容 ◦ write to file：写入文件 ◦ replace in file：替换文件中的特定内容 ◦ search files：在文件中搜索内容 ◦ list files：列出目录内容 ◦ list code definition names：列出代码定义名称 ◦ 以及 MCP 相关工具 MCP 服务器集成 • 提示词详细介绍了 Model Context Protocol （MCP）服务器，这些服务器提供额外工具和资源 • 已连接多个 MCP 服务器，包括： ◦ firecrawl mcp server：网页抓取工具 ◦ fetch mcp：网站内容获取工具 ◦ filesystem mcp：文件系统操作工具 ◦ exa mcp server：网络搜索工具 ◦ time mcp：时间相关工具 ◦ firecrawl mcp server：网页抓取工具 ◦ fetch mcp：网站内容获取工具 ◦ filesystem mcp：文件系统操作工具 ◦ exa mcp server：网络搜索工具 ◦ time mcp：时间相关工具 • 提供了创建和编辑 MCP 服务器的详细指南 文件编辑功能 • 详细说明了write to file和replace in file两种文件编辑工具的使用场景 • write to file适用于创建新文件或完全覆盖现有文件 • replace in file适用于对现有文件进行有针对性的编辑 工作模式 • 提供了两种工作模式： ◦ ACT MODE：执行实际操作，使用所有工具完成任务 ◦ PLAN MODE：与用户讨论计划，使用plan mode response工具进行交流 ◦ ACT MODE：执行实际操作，使用所有工具完成任务 ◦ PLAN MODE：与用户讨论计划，使用plan mode response工具进行交流 能力与规则 • 可以执行 CLI 命令、列出文件、查看源代码定义、搜索文件、读写文件等 • 需要遵循特定规则，如不使用 字符引用主目录，执行命令前考虑系统环境等 • 创建新项目时需要组织文件到专用目录，并遵循最佳实践 总体目标 • 通过分析任务、设定目标、逐步执行来完成用户任务 • 使用思考标签<thinking </thinking 分析文件结构并确定最合适的工具 • 完成任务后使用attempt completion工具展示结果 • 避免不必要的来回对话，直接高效地完成任务 2. 再往下看，看到我们的用户疑问，然后看看 Deepseek 模型的回复： 🌟 第一个疑问解答： 利用自然语言交互，大模型为什么会调用 MCP 工具？ 答：通过系统提示词告知大模型，其中安装了各类 MCP 工具，有一个工具叫做 Time 提供实时时间。大模型通过系统提示词，加上用户的询问，经过这些上下文的思考，得出结论，连接的 MCP 服务器中有一个时间服务器，提供了当前时间，可以使用 use mcp tool 工具来调用 get current time。并且给出了 mcp 工具的入参。 第一个疑问解答： 利用自然语言交互，大模型为什么会调用 MCP 工具？ 答：通过系统提示词告知大模型，其中安装了各类 MCP 工具，有一个工具叫做 Time 提供实时时间。大模型通过系统提示词，加上用户的询问，经过这些上下文的思考，得出结论，连接的 MCP 服务器中有一个时间服务器，提供了当前时间，可以使用 use mcp tool 工具来调用 get current time。并且给出了 mcp 工具的入参。 3. 大家还记不记得，在跳出 Cline 希望通过 get current time 来获取时间时，我们点了一下 approve，而且好像中间没有发送大模型的 API 调用，在对话框中就显示了一个 RESPONSE，马上显示了此时的时间，这里到底发生了什么？ 其实，这里是用了一个脚本来实现，在安装 Time 这个 MCP server 时，我们实际上是通过一个 python 脚本来实现，本质上是一段代码（github： https://github.com/modelcontextprotocol/servers/tree/main/src/time），去 github 上看这个 server 的代码，本质上就是这个 server.py 的代码来实现了获取相应的时间，这个过程是由于我们在安装 MCP server 过程中，安装了这个 python 模块。 🌟 第二个疑问解答： 大模型调用 MCP 工具，从客户端（Client）到服务端（Server）发生了什么？ 答：我们这个案例中的 Time，本质上是一段 Python 代码，在本地的 python 环境中运行，并且获得了结果，所以 Client（Cline）通过提示词来知道需要调用这个 MCP 服务，并且给出入参，本地 Python 脚本进行运行获取到了所在时区的时间。 当然，还有其他形态的 Client 和 Server，比如通过代码远程调用 API，实现更复杂的功能如网络搜索，GitHub commit，从 Notion 中获取个人文章等等。所以，本质上是一段本地运行的代码，也就是这个代码扩展了大模型的能力。 第二个疑问解答： 大模型调用 MCP 工具，从客户端（Client）到服务端（Server）发生了什么？ 答：我们这个案例中的 Time，本质上是一段 Python 代码，在本地的 python 环境中运行，并且获得了结果，所以 Client（Cline）通过提示词来知道需要调用这个 MCP 服务，并且给出入参，本地 Python 脚本进行运行获取到了所在时区的时间。 当然，还有其他形态的 Client 和 Server，比如通过代码远程调用 API，实现更复杂的功能如网络搜索，GitHub commit，从 Notion 中获取个人文章等等。所以，本质上是一段本地运行的代码，也就是这个代码扩展了大模型的能力。 4. 继续往下看第二个日志内容，就很好理解了，Cline 将刚才 MCP 服务代码得到的结果，以 role 为 user 的形式再次发给 LLM（Deepseek），此时 LLM 结合上下文，用户的问题，给出了最终准确的实时时间答案。这就是整个 MCP 调用的全过程。 第三个问题呢？被你吃掉了？ 哈哈，问的非常好，写道这里，又开始犯懒了，不过也是一个非常好的机会，留给读者自己实操一下以下过程： 1. Cline 中安装两个相似的 MCP 工具：如 Exa（提供 AI 类搜索），Firecrawl（网页爬虫），当然这两个都需要注册 API 才能使用； 2. 尝试不同的问题，试图从日志中按照刚才的过程翻找答案，比如：搜索什么是 MCP，帮我爬取 MCP 相关的文章等等 3. 尝试思考一下，是什么原因让大模型选择不同的 MCP server 和工具？ 🚅 第三个疑问解答：我安装了类似的 MCP 工具，大模型如何选择用哪一个？ 答：我自我思考的过程，是因为用户的询问问题和工具描述的匹配程度，比如搜索容易匹配到 Exa，而爬取容易匹配到 Firecrawl。所以，在平时用户非常清楚自己需要什么工具时，可以在提问时主动提及相关的工具，如：我要用 Exa 搜索什么是 MCP。 第三个疑问解答：我安装了类似的 MCP 工具，大模型如何选择用哪一个？ 答：我自我思考的过程，是因为用户的询问问题和工具描述的匹配程度，比如搜索容易匹配到 Exa，而爬取容易匹配到 Firecrawl。所以，在平时用户非常清楚自己需要什么工具时，可以在提问时主动提及相关的工具，如：我要用 Exa 搜索什么是 MCP。 最后的思考 通过这些工具和拆解，我相信不需要我复杂的解释，读者应该也能体会到了整个 MCP 的过程。MCP 由于采用模型上下文，并且在 MCP Server 工具提供相关提示词指引，可以让那些没有经过 Tool use 和 Function call 微调的模型也能插上工具的翅膀，让那些有工具调用，Function Call 能力的模型，扩展了其他 MCP 工具的能力。这样大大加强了 LLM 模型与本机系统，个人数据，网络服务，数据库，甚至是其他智能体工具（如 Coze，Dify）等对接的能力。想象力更加丰富，生态更加繁荣。 通过这篇文章，希望读者在阅读或跟着动手操作的过程中，与我共同学习到了一些新知识，扩展了一下新想法，或者又打开了屏幕前的你的脑洞？愿你能在评论区留下你的好玩的过程或疑问，我们共同学习进步～ 🏝️ Write by Lark from Little Shock 智能不应喧嚣，只需温柔贴合日常 Write by Lark from Little Shock 智能不应喧嚣，只需温柔贴合日常 什么是 MCP？ manus 的火爆突然也带火了 Anthropic 去年 11 月发布的 MCP（Model Context Protocol）模型上下文协议（虽然 manus 明确表示没有用 MCP），按照我自己的理解用一句话概括就是：MCP 是一种通用的方式，向各类大语言模型提供数据源和工具。 官网解释：MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。可以将 MCP 想象成 AI 应用程序的 USB C 接口。就像 USB C 为设备连接各种外设和配件提供了标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化方式。( https://docs.anthropic.com/zh CN/docs/agents and tools/mcp) 官网解释：MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式。可以将 MCP 想象成 AI 应用程序的 USB C 接口。就像 USB C 为设备连接各种外设和配件提供了标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化方式。( https://docs.anthropic.com/zh CN/docs/agents and tools/mcp) 为什么写这篇文章，这篇文章讲什么？ 我是一个不太喜欢写文章而偏好埋头开发的人，但在 WaytoAGI 社区中阅读了太多他人优秀的文章，应该试着逼自己做一点点输出，也是对自我学习的总结。 在各种 MCP 相关文章充斥公众号的今天，如果再写一篇讲 MCP 原理的文章，就显得浪费彼此的时间，所以，这篇文章从我自己的疑问出发，通过动手实践的方式，和大家一起探索： • 利用自然语言交互，大模型为什么会调用 MCP 工具？ • 大模型调用 MCP 工具，从客户端（Client）到服务端（Server）发生了什么？ • 我安装了类似的 MCP 工具，大模型如何选择用哪一个？ 接下来，我决定采用做实验的方式，来一一验证和解答我自己的这几个疑问，也可以加深对 MCP 的理解。 动手实验开始～ 1. 实验器材准备 • 本地安装好 VS Code：https://code.visualstudio.com/ • VS Code 中安装 Cline（MCP 客户端之一）：VS code 中选择扩展，搜索 Cline，点击安装，最后可以用鼠标拖拽 Cline 这个小图标到右侧固定（方便对话） Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet • 赛博菩萨 1 Cloudflare：没有的小伙伴可以注册一个，大量免费的云端部署基础资源，本篇我们主要用到的是其中的 AI Gateway 功能，用于抓取 MCP 调用过程的日志 Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet • 赛博菩萨 2 Openrouter：提供大量免费的大模型 API，适合个人开发，测试 （https://openrouter.ai/)，比如下图中的 Deepseek，Gemini，QwQ 等。注册后请在 Keys 中申请一个 API key 并妥善保存 2. 实验步骤 2.1 在 Cloudflare 中打开 AI Gateway 功能 Cloudflare 中的 AI Gateway 功能，就是一个大模型调用的路由，可以方便的汇集各类 API 提供方，让我们可以统一通过 Cloudflare 来调用，并且在 Cloudflare 中留存日志和相关记录。 1. 点击 AI Gateway，点击 Create gateway 2. 给 Gateway 取一个名字 3. 点击 API 4. 选择我们要用的 Openrouter 5. 复制 API 端点 URL 链接，妥善保存（后续要用） Unable to load the board. Please refresh and try again.Copy ErrorRefresh Nothing on the board yet 2.2 安装一个最简单的 MCP 服务 1. 第一步先在 Cline 中配置一个 LLM 模型，可以选择刚注册的 Openrouter（薅羊毛），先用 Gemini 2.0 flash 2. Cline 提供了一个 MCP Marketplace，类似于一个 MCP 服务超市，可以方便的又简单的安装各类 MCP Servers（大模型扩展超能力），我们选择一个最简单的 Time 提供实时时间（虽然不知道意义何在），点击安装，过程中选择 Cline 的 Act 模式，让 Cline 帮忙把这个 Time MCP 服务装好（安装过程中可以告诉模型，用 local timezone=Asia/Shanghai，城市可以换成你所在的城市）。 Board 3. 装好后在 Cline 的 MCP Servers 的 Installed 中，可以看到 Time 这个 server 打开并且旁边是绿色标志。 2.3 把 Cline 模型进行切换 由于我们希望把 MCP 过程留存在 Cloudflare 上，所以从这一步需要修改 Cline 的模型，指向刚才 Cloudflare 的 URL，并且选择一个 OpenRouter 上的模型： • 选择 OpenAI Compatible • Base URL 黏贴刚才从 Cloudflare 上复制的 URL • API Key 填入 Open Router 上刚才记录的 API key • Model ID，这里我们选择 Deepseek V3 （deepseek/deepseek chat:free） 2.4 以上都是准备工作，终于可以尝试 MCP 调用啦 看到这里，大家发现我们做了大量的准备工作，不过你也收获了 Cloudflare 的 AI gateway，免费的 OpenRouter 模型，VS Code 中可以和 Cursor，Windsurf 媲美的 Cline，对了，还有我们今天的主角，一个提供实时时间的 Time MCP Server。我已经迫不及待要开始看看怎么进行 MCP 调用，还有过程发生了什么。 1. 在 Cline 对话框中，选择 act 模式，并且问下这个问题： 2. 此时很神奇的发现，大模型好像知道我们装了一个 Time MCP server 能提供时间，并且打算使用，点击 approve（此处对应了第一条大模型调用日志） 3. 点击 Approve 后，发现获得了以下的信息和回答： 2.4 获取日志，看看发生了什么 我们回到 Cloudflare 上，在 AI Gateway 中获取最新的两条日志，也就是刚才我们 MCP 调用的过程，看看发生了什么，日志会统计模型类型，Token 的输入输出数量，成本和调用时间等（发现 Token 数还是很高的，虽然只是一个简单的时间问题） 点击前两条把输入输出日志拷贝下来分析（图中的请求和响应）： 通过日志来分析 还记得文章开头我们留下的几个疑问吗？ • 利用自然语言交互，大模型为什么会调用 MCP 工具？ • 大模型调用 MCP 工具，从客户端（Client）到服务端（Server）发生了什么？ • 我安装了类似的 MCP 工具，大模型如何选择用哪一个？ 那让我们通过日志分析，解答这几个疑惑： 1. 首先看到从 Cline 发送给 LLM 大模型的日志中，系统提示词是一个超级超级长的文本，大家可以复制到其他大模型中翻译总结。我总结了一下大家参考，其中还可以了解 Cline 是怎么工作的： 这个提示词描述了一个名为 Cline 的软件工程师助手，它具有以下主要特点和功能： 工具使用能力 • 提示词详细说明了 Cline 可以使用多种工具，每次使用一个工具，并在用户批准后执行 • 工具使用采用 XML 格式，例如<tool name <parameter1 name value1</parameter1 name </tool name ◦ execute command：执行 CLI 命令