AI与MCP（?）

从21年的gpt3.5开始 ai技术不断进步各种各样的效果评测也能实打实得说明其无论是在计算编码搜索等领域上都有了很大的进步但是相比之下其本身集成速度（AI+）应用发展的很慢

3.5时代我们的使用方法停留在文字对话语句文字补全仅chat对话和completion两模式

在以CloseAI为主的（那时还是Open的）独角兽厂商的推动下人们通过他们提供的api 初步实现了多载体上使用api ide上 chrome插件上在ds-r1横空出世之后也是在国内掀起了一模一样的热潮

然后为了想让ai更好的完成任务人们通过prompt 预训练 rag等方法尝试通过加强某部分知识在ai“心目中的地位” 事实证明也确实起到了很好的效果直至当前市场中不少TOB的ai+任务也都是通过这种模式来实现的

然后衍生出了AI Agent,function call,structure output等的概念个人认为Agent本质上可以理解为是ai的一种抽象。原有的单chat模式是Agent的最原始任务，在用户将需求通过function call等方式传达给ai时其认识并根据输入的信息进行任务的分类后进行推理而这个推理的过程本质上和回复是一致的只是多了一个任务分类的过程

再之后 o1和深度思考以及联网素搜索的出现首先是进一步增强了它的推理能力在幻觉等指标上有大幅提升另一方面也大大强化了Agent处理任务的能力

于是我们现在能发现在各家的ai中 ai生成ppt ai生成邮件回复内容 ai生成论文 ai进行cr 基本都已经随地可见了

但是

这些功能本质上都是相对独立的想象一下你可以通过ai在放上搜索最新的论文然后根据这些论文结合你的主题编写对应的code处理数据根据获得的数据写一篇新的论文为其配图配表格写完之后甚至还能生成一个路演的ppt 最后将所获得的论文与ppt一并打包邮件发给导师

这么一看就很遥远了因为在这个过程中会遇见各种各样的问题 eg 上下流协议不一致模型不一致上下文过短无法读取整体论文模型任务不擅长等等

归根到底出现这个问题的原因除了企业级之间的沟通合作外技术方面的问题就是缺少一个开放的、通用的、有共识的协议标准

MCP就是这么一个角色他推出了对应的开源组织和协议企业测可以自行结合参与或在这个基础上进行二次融合和合作

Agent与MCP

这里可能会有点混淆主要是围绕着Agent和MCP的区别 Agent已经有了执行各个任务的能力但是这个是相对自身而言的一句话可以总结为 Agent基于单点任务开发 MCP是基于协议兼容开发

当我们多个Agent直接进行拼接其实就可以达成多个任务流转的效果但是这个过程是全员定制化的每个任务之间的function call得到的效果可能都不一样而且这个定制化一般是面对单个企业或者多个合作中的企业而言的

而MCP作为标准协议是面对整个编程界的结合MCP使用 AI模型能够在不同厂商不同的API和数据源之间的无缝流转 并且它的设计中 AI模型可以在不同的应用/服务间保持上下文不仅起到了一种热插拔式的便捷修改也提升了任务本身的执行效果

这里附上MCP的官方架构图
mcp-architecture

共识与MCP

所以 MCP本质上并不是什么高深莫测的东西他只是集大成了目前ai所能做到的事设计了一个具有共识的协议各公司可以在此基础上维护一个良好的生态但是大一统了任务结合的方式不需要重复造轮子对整个AI的发展历程任务融合这一块是极好的

After

写的挺乱挺啰嗦

学习了佬的终极指南