天眼查企业查询app
48.11MB · 2025-10-20
大语言模型（Large Language Model，简称LLM）是当前人工智能（AI）领域最具代表性的技术之一，本质是基于海量文本数据训练、能理解人类语言、生成类人文本、具备逻辑推理能力的深度学习模型。它的核心价值是 “打通人机语言交互的壁垒”，让机器从 “被动响应指令” 升级为 “主动理解意图、生成高质量语言内容”，是 ChatGPT、文心一言等主流 AI 产品的技术核心。
模型上下文协议（Model Context Protocol，简称MCP）是 AI 领域新兴的技术规范，旨在解决大语言模型（LLM）与外部系统交互时的 “上下文管理标准化” 问题。它就像 AI 应用的 “通用接口”，让不同的工具、数据源和模型能够无缝协作，核心目标是统一 “向 LLM 提供信息” 的方式，提升 AI 应用开发的效率和灵活性。
举个简单的例子来说明MCP的作用。
MCP 旨在为大型语言模型（LLM）应用提供标准化接口，使其能够：
用一张图解释就是：
MCP 采用模块化的客户端-服务器架构，包含三个核心组件：
MCP 官方主要支持的是 stdio 和 SSE（Server-Sent Events） 两种传输机制。
MCP 默认的通信方式，主要用在本地服务上，所有的通信都在本地进程间。
每条消息都是一行 JSON-RPC 2.0 格式，以换行符分隔：
// 客户端通过 stdin 发送：
{"jsonrpc":"2.0","id":1,"method":"tools/list"}n
// 服务器通过 stdout 返回：
{"jsonrpc":"2.0","id":1,"result":{"tools":[...]}}n
| 优点 | 缺点 |
|---|---|
| 极低延迟：进程间通信，无网络开销 | 仅限本地：客户端和服务器必须在同一台机器 |
| 高安全性：不暴露网络端口 | 单客户端：一个服务器只能服务一个客户端 |
| 简单实现：无需网络配置 | 难以调试：需要查看进程间通信 |
| 跨平台：所有操作系统都支持 stdio | 资源隔离差：子进程崩溃可能影响主进程 |
主要用在远程通信服务上，这个服务本身有在线的API，比如访问你的谷歌邮件、天气情况等。
| 优点 | 缺点 |
|---|---|
| 远程访问：跨网络通信，客户端可在任何地方 | 网络延迟：依赖网络质量 |
| 多客户端：一个服务器可同时服务多个客户端 | 复杂性高：需要配置网络、CORS、认证等 |
| 实时推送：服务器可主动推送事件 | 连接不稳定：网络问题可能导致断连 |
| Web 友好：浏览器原生支持 SSE | 浏览器限制：每个域最多 6 个 SSE 连接 |
| 可监控：可通过网络工具调试 | 安全考虑：需要 HTTPS、认证、授权 |
当用户发出请求时：
如果想查找当前存在的MCP Server，可到如下网址查看：
有两种方式：
.cursor/mcp.json。
