《MCP原理与实践》—— 国内首本MCP图书火热上市

正文

请到「今天看啥」查看全文

则通过 REST 、 gRPC 等标准协议进行无状态或轻状态通信，交互更为简洁，调用方需要自行维护业务逻辑与状态。

如上图所示，我们可以将 MCP 比作图书馆的“智能档案管理员”，它不仅存放了所有书籍，还记录了我们当前正在阅读的内容、上次借阅的时间和推荐清单。当我们提出新的请求时，它会根据上下文立刻调出相关资料。 API 则更像图书馆的大门和检索机——它提供了借书和检索书的通道，并不关心我们之前看过哪些书，也不会跟踪我们的阅读进度，使用者需要自行记住和管理自己的阅读历史与需求。

0 2

MCP 与  Agent 的区别

MCP 与 Agent 在 AI 系统中承担着不同的角色，它们的主要区别如下图所示。

从定义与定位来看， MCP 是一种基于标准化协议的服务端程序，主要为大模型提供外部数据和能力支持。它的核心定位是“被动服务”，仅响应调用请求，不参与决策或推理。 Agent 则是一种具备自主决策能力的 AI 应用，能够感知环境、规划任务并调用工具（包括 MCP 服务器和 Function Calling ）完成目标。

从功能与应用场景来看， MCP 的功能相对单一，专注于提供数据和工具接口。例如，企业可以将内部系统（ CRM 、 ERP ）封装为 MCP 服务器，供多个 Agent 安全调用。 Agent则能够感知需求、推理规划并执行多步骤任务，例如，通过调用多个 MCP 服务器完成跨平台数据整合，或者结合 Function Calling 实现动态调整策略。 Agent 擅长处理端到端的复杂任务，例如自动化客服。

从交互方式来看， MCP 采用被动服务模式，仅在接收到请求时返回数据。 Agent 则具备高自主性，不仅可以主动调用工具，还可以与用户进行双向交互。例如，当用户提出模糊的需求时， Agent 可以在进一步确认细节后再执行任务。

如图所示，我们可以将 MCP 比作酒店的邮件室， MCP 仅根据客人或部门的要求，按流程分发邮件和快递，不会主动向客房送达额外的物品或提出建议。 Agent 则更像一位贴身管家，不仅会根据主人当天的行程安排餐饮和交通工具，还会主动提醒重要事项、预订服务，并协调各项资源来满足主人的各类需求。

0 3

MCP 与 Function Calling 的区别

MCP 与 Function Calling （函数调用）是两种不同的技术手段，它们在多个方面存在显著的差异，如图所示。

从定义来看， MCP 是一种基于标准化协议的服务端程序，它为大模型与外部系统之间的交互提供了规范化的接口，类似于一种“通用适配器”，使不同的系统之间能够高效地进行数据传输和功能调用。 Function Calling 则是某些大模型（如 OpenAI 的 GPT-4 ）提供的特有接口特性，它允许大模型在运行时直接调用预定义的函数，从而实现特定的功能，这种方式更像大模型内部的一种“快捷指令”，能够快速地完成一些特定任务。

请到「今天看啥」查看全文