模型上下文协议（MCP）| Agentic Design Patterns | 智能体设计模式

作者： /
内容纲要

导语

工具函数调用是定制工具包，每个厂商格式各异，难以复用。模型上下文协议（MCP）是通用电源接口，任何兼容工具都能被任何兼容LLM访问和使用。MCP通过标准化通信接口，让智能体与外部应用、数据源、工具无缝集成，打造可互操作的生态系统。本文介绍MCP的核心概念、架构组件、FastMCP实战与ADK集成，适合需要构建企业级智能体系统的开发者。

TL;DR

  • 核心：MCP是开放标准，为LLM与外部系统提供标准化通信接口，包含Tools（工具）、Resources（资源）、Prompts（提示模板）三大元素。
  • 价值：互操作性（任何LLM访问任何工具）、可复用性（工具独立部署）、动态发现（无需重新部署）、生态系统（推动标准化组件）。
  • 架构：LLM → MCP Client → MCP Server → 3P Service，通过发现、请求构建、客户端通信、服务器执行、响应返回五步流程。
  • 实现：FastMCP简化MCP Server开发，ADK通过MCPToolset连接MCP服务器，支持本地STDIO和远程HTTP/SSE通信。
  • 边界：底层API质量决定效果，需要针对智能体优化；数据格式需智能体友好（Markdown而非PDF）。

是什么：MCP的核心定义

模型上下文协议（MCP）：一个开放标准，为大语言模型（LLM）与外部应用、数据源、工具之间提供标准化的通信接口。就像是通用电源插座，让任何兼容工具都能被任何兼容LLM访问和使用。

核心类比：

工具函数调用  →  定制工具包(专用扳手+螺丝刀)
MCP协议      →  通用电源接口(任何设备都能接入)

三大核心元素：

  1. Tools（工具）：可执行的功能（如发送邮件、查询数据库）
  2. Resources（资源）：静态数据（如文件、数据库记录）
  3. Prompts（提示模板）：指导LLM如何交互的模板

常见误解澄清：

  • ❌ MCP就是函数调用：MCP是完整的发现与通信框架，函数调用只是直接调用预定义函数。
  • ❌ MCP会增加很多延迟：会增加发现和标准化通信层，但换来互操作性和可扩展性。
  • ❌ 所有工具都需要MCP：简单应用用函数调用即可，复杂系统需要动态扩展时用MCP。

为什么：产生背景与适用场景

产生背景

工具函数调用的局限：

  • 厂商专有，格式各异：不同厂商的工具调用格式不同，难以复用。
  • 与特定应用深度绑定：工具与特定LLM或应用紧密耦合。
  • 静态配置可用工具：无法动态发现和适应新能力。

MCP协议的优势：

  • ✅ 开放标准，统一规范
  • ✅ 完整的发现与通信框架
  • ✅ 客户端-服务器架构
  • ✅ 动态发现和查询能力
  • ✅ 独立部署，跨平台复用

核心区别：

  • 函数调用：直接给AI一套专用工具
  • MCP：建立标准接口，任何工具都能即插即用

MCP vs 工具函数调用

维度 工具函数调用 MCP协议
标准化 厂商专有，格式各异 开放标准，统一规范
范围 直接调用特定预定义函数 完整的发现与通信框架
架构 LLM与工具一对一直接交互 客户端-服务器架构
发现机制 静态配置可用工具 动态发现和查询能力
可复用性 与特定应用深度绑定 独立部署，跨平台复用
适用场景 简单应用，固定功能 复杂系统，动态扩展

怎么做：MCP架构与实战实现

MCP架构组件

四大核心角色

组件 角色 类比
LLM 智能核心，决策者 大脑
MCP Client LLM的封装应用 翻译官
MCP Server 外部能力的网关 桥梁
3P Service 实际执行的外部工具/API 手脚

交互流程

1. 发现(Discovery)
   Client → Server: 查询可用能力
   Server → Client: 返回工具/资源清单

2. 请求构建(Request Formulation)  
   LLM: 决定使用哪个工具，构造请求参数

3. 客户端通信(Client Communication)
   Client → Server: 发送标准化调用请求

4. 服务器执行(Server Execution)
   Server: 验证→执行→调用底层API

5. 响应返回(Response)
   Server → Client → LLM: 返回执行结果

实战：ADK + MCP

1. 连接本地MCP服务器（文件系统）

核心代码：

from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset, StdioServerParameters

TARGET_FOLDER_PATH = "/path/to/your/folder"

root_agent = LlmAgent(
    model='gemini-2.0-flash',
    name='filesystem_assistant_agent',
    instruction='帮助用户管理文件',
    tools=[
        MCPToolset(
            connection_params=StdioServerParameters(
                command='npx',  # Node Package Execute
                args=["-y", "@modelcontextprotocol/server-filesystem", 
                      TARGET_FOLDER_PATH]
            )
        )
    ]
)

关键点：

  • <code>npx</code>：直接运行npm包，无需全局安装
  • <code>StdioServerParameters</code>：本地服务器通信参数
  • <code>TARGET_FOLDER_PATH</code>：文件操作根目录

2. 使用FastMCP创建自定义服务器

定义服务器：

from fastmcp import FastMCP

mcp_server = FastMCP()

@mcp_server.tool
def greet(name: str) -&gt; str:
    &quot;&quot;&quot;生成个性化问候&quot;&quot;&quot;
    return f&quot;Hello, {name}! Nice to meet you.&quot;

# 启动HTTP服务器
if __name__ == &quot;__main__&quot;:
    mcp_server.run(transport=&quot;http&quot;, host=&quot;127.0.0.1&quot;, port=8000)

连接服务器（客户端）：

from google.adk.tools.mcp_tool.mcp_toolset import MCPToolset, HttpServerParameters

root_agent = LlmAgent(
    model=&#039;gemini-2.0-flash&#039;,
    name=&#039;fastmcp_greeter_agent&#039;,
    instruction=&#039;友好的问候助手&#039;,
    tools=[
        MCPToolset(
            connection_params=HttpServerParameters(url=&quot;http://localhost:8000&quot;),
            tool_filter=[&#039;greet&#039;]  # 可选：限制可用工具
        )
    ]
)

FastMCP优势：

  • 简单装饰器定义工具
  • 自动生成接口规范
  • 支持服务器组合和代理

部署模式

模式 适用场景 优势
本地Server 敏感数据、追求速度 安全、低延迟
远程Server 跨组织共享 可扩展、统一管理
按需调用 实时交互 即时响应
批处理 大规模数据分析 高吞吐

传输机制

  • 本地通信：JSON-RPC over STDIO（进程间通信）
  • 远程通信：Streamable HTTP + Server-Sent Events(SSE)

对比与取舍：MCP的关键价值与局限

✅ 核心价值

  1. 互操作性：任何LLM访问任何工具
  2. 可复用性：工具独立部署，跨项目使用
  3. 动态发现：无需重新部署即可适应新能力
  4. 生态系统：推动标准化组件生态
  5. 简化集成：减少定制开发工作量

⚠️ 关键局限

  1. 底层API质量决定效果

    • 问题：简单封装遗留API效果差
    • 解决：需要针对智能体优化API（如添加过滤、排序）

  2. 数据格式兼容性

    • 问题：返回PDF等非文本格式，智能体难处理
    • 解决：API应返回智能体友好格式（如Markdown）

  3. 非确定性需要确定性支撑

    • 智能体不能替代传统工作流
    • 需要更强的确定性基础设施

常见错误与排错

典型坑位

问题 症状 识别方法 修复建议
API质量差 智能体难以使用工具 检查API返回格式 优化API设计，返回智能体友好格式
数据格式不兼容 PDF等格式无法处理 检查返回数据类型 转换为Markdown或JSON格式
连接失败 无法连接到MCP服务器 检查网络和认证 验证URL、认证信息、网络连接
工具发现失败 无法发现可用工具 检查Agent Card配置 确保Agent Card正确配置

调试技巧

  1. 测试MCP服务器独立运行：先单独测试服务器，再集成到智能体。
  2. 检查Agent Card：确保工具描述清晰，LLM能理解。
  3. 验证通信协议：检查STDIO或HTTP/SSE通信是否正常。
  4. 查看日志：记录MCP通信过程，便于调试。

FAQ

Q1：何时用MCP，何时用函数调用？
A：

  • 简单应用，固定功能 → 函数调用
  • 复杂系统，需要动态扩展 → MCP

Q2：MCP会增加延迟吗？
A：会，因为增加了发现和标准化通信层。但换来的是互操作性和可扩展性。

Q3：如何确保MCP安全？
A：1) 身份验证和授权；2) 限制工具访问范围；3) 输入验证；4) 审计日志。

Q4：现有工具如何接入MCP？
A：用FastMCP等框架封装现有API，暴露为MCP Server。注意要优化数据格式和API设计。

Q5：本地 vs 远程MCP Server如何选择？
A：

  • 本地：敏感数据、低延迟
  • 远程：跨组织共享、可扩展

Q6：MCP与LangChain的关系？
A：MCP是通信协议标准，LangChain可以作为MCP Client使用MCP服务器暴露的工具。

延伸阅读与引用

官方文档

总结

模型上下文协议（MCP）是标准化LLM与外部系统连接的核心协议。通过Tools、Resources、Prompts三大元素和客户端-服务器架构，MCP实现了任何LLM访问任何工具的互操作性，推动了标准化组件生态的发展。FastMCP等框架简化了MCP Server的开发，Google ADK等平台提供了原生支持。虽然MCP增加了通信层，但换来了可复用性、动态发现和生态系统优势。

相关文章

滚动至顶部