本文探讨了MCP（Model Context Protocol）作为Agent应用插件协议的特性和作用。MCP主要用于为Agent应用新增工具，而非完全替代原有功能。文章通过分析官方demo代码，阐述了MCP如何将工具调用转化为LLM的tool调用。MCP协议本身不依赖LLM，但结合LLM的语义理解能力可以实现工具的自动适配，类似于传统软件开发中的依赖注入。MCP Server是工具提供方，MCP client是Agent应用。最初为Claude的App端与用户本地PC资源交互设计，现逐步扩展到跨机器通讯。

🧩MCP是一种Agent应用的插件协议，侧重于为Agent应用新增工具，而非替代原有功能。它本质上并非LLM tool use协议的替代方案，而是将MCP的调用转换为LLM的tool调用。

⚙️MCP体系中，MCP Server是工具提供方，MCP client是Agent应用。该协议最初设计用于Claude的App端与用户本地PC资源和Context进行交互，目前正逐步扩展到跨机器通讯。

🧠MCP协议本身与LLM并非强制绑定，即使通过硬编码匹配工具函数名进行调用，无需LLM参与也可实现。然而，为了避免硬编码并实现工具的自动适配，通常需要结合LLM的语义理解、推理能力和知识。

🔗MCP类似于传统软件开发中的依赖注入（Dependency Injection）实例。为了实现工具注入的自动适配，需要借助LLM的能力才能有效使用。

原创 孔某人 2025-03-16 16:42 北京

MCP是一种Agent应用的插件协议

我个人之前对MCP并不是很关心，最近与人讨论稍微研究了一下这方面。但并不算深入，也没有翻太多源码，所以本文的观点将来可能会被推翻。但只要这篇文章还在，就表示我的观点没有被推翻。

MCP是一种Agent应用的插件协议，而且这个插件更偏工具性质，不能大幅的覆盖原有Agent的功能和设定，更多是给它新增一些tools。

它本质上并不是LLM tool use协议的替代，官方demo的例子就是把MCP的调用转换为了LLM的tool调用给LLM模型，以下代码来自 https://modelcontextprotocol.io/quickstart/client

async def process_query(self, query: str) -> str:    """Process a query using Claude and available tools"""    messages = [        {            "role": "user",            "content": query        }    ]    response = await self.session.list_tools()    available_tools = [{        "name": tool.name,        "description": tool.description,        "input_schema": tool.inputSchema    } for tool in response.tools]    # Initial Claude API call    response = self.anthropic.messages.create(        model="claude-3-5-sonnet-20241022",        max_tokens=1000,        messages=messages,        tools=available_tools    )    # Process response and handle tool calls    final_text = []    assistant_message_content = []    for content in response.content:        if content.type == 'text':            final_text.append(content.text)            assistant_message_content.append(content)        elif content.type == 'tool_use':            tool_name = content.name            tool_args = content.input            # Execute tool call            result = await self.session.call_tool(tool_name, tool_args)            final_text.append(f"[Calling tool {tool_name} with args {tool_args}]")            assistant_message_content.append(content)            messages.append({                "role": "assistant",                "content": assistant_message_content            })            messages.append({                "role": "user",                "content": [                    {                        "type": "tool_result",                        "tool_use_id": content.id,                        "content": result.content                    }                ]            })            # Get next response from Claude            response = self.anthropic.messages.create(                model="claude-3-5-sonnet-20241022",                max_tokens=1000,                messages=messages,                tools=available_tools            )            final_text.append(response.content[0].text)    return "\n".join(final_text)

这段代码就已经很清楚了，再结合该文档前面的链接建立，感觉就是个很典型的插件模式。

MCP体系的命名是挺糟糕的：MCP Server是工具提供方，MCP client是Agent应用。

MCP本来是为Claude的App端与用户本地PC资源和Context进行交互而设计的，后来协议也在逐步往跨机器通讯来扩展。

MCP协议其实与LLM并不绑定，获取了tool之后如果是硬编码匹配tool函数名进行调用其实也没问题，这样就完全没有LLM参与了。只是实际使用中，肯定是希望避免对于具体插件的硬编码，这样就需要结合tool的描述来进行使用，所以就需要LLM的语义理解、推理能力、知识等。

这可以看成是传统软件开发中依赖注入（Dependency Injection）的一个实例，只不过真的想要实现注入工具的自动适配，需要有LLM的能力才能有效的使用。

交流与合作

如果希望和我交流讨论，或参与相关的讨论群，或者建立合作，请加微信，联系方式请点击 -> 联系方式。

本文于2025.3.16 首发于微信公众号

阅读原文

跳转微信打开