MCP 与 API：探索大语言模型与外部数据源的连接方式

简介

在2024年末，Anthropic 推出了一个新的开放标准协议 Model Context Protocol（MCP），它迅速在AI开发者中引起了广泛关注。MCP 是为了解决 大语言模型（LLM） 在与外部数据源和工具交互时的一些难题而提出的协议。尽管直到最近，集成外部数据和服务通常是通过 应用编程接口（API） 完成的，但 MCP 为这一过程提供了一个更加标准化的解决方案。本文将深入探讨 MCP 和 API 的异同，以及它们在AI应用中的角色。

什么是 MCP？

MCP 可以比作是 AI 应用程序 的 USB-C 端口，它为大语言模型（LLM）提供了一个统一的连接方式。正如你可以将各种外部设备通过 USB-C 接口连接到笔记本电脑一样，MCP 也允许将多个外部数据源（如数据库、代码库、邮件服务器等）与 AI 应用进行连接。

MCP 的架构包括：

MCP 主机：运行多个 MCP 客户端，每个客户端通过 JSON RPC 2.0 协议与 MCP 服务器 通信。
MCP 服务器：暴露各种功能，如访问数据库、调用代码仓库或与邮件服务器交互等。

这一架构使得 AI 代理 可以通过标准化的方式调用外部工具和数据，避免了每次都需要重写代码的问题。

MCP 的功能

MCP 的主要功能是为 AI 代理提供两项重要能力：

提供上下文数据：如文档、知识库条目、数据库记录等。
启用工具的使用：例如，执行网络搜索、调用外部服务、进行计算等。

MCP 服务器提供的三大核心功能原语包括：

工具：如天气查询工具、日历创建工具等。
资源：如只读的数据项或文档，客户端可以按需获取。
提示模板：为 AI 提供预定义的提示模板。

什么是 API？

API 是另一种用于让一个系统访问另一个系统功能或数据的方式。它定义了一组规则和协议，描述如何请求信息或服务。API 是一种 抽象层，客户端无需了解服务器的内部实现，只需通过预定义的接口来请求数据或服务。

RESTful API 是最常见的 API 风格，它通过 HTTP 通信，支持常见的操作方法如 GET、POST、PUT 和 DELETE。许多商业化的大语言模型也通过 REST API 提供服务。

MCP 与 API 的相似性与差异

相似性：

客户端-服务器模型：无论是 MCP 还是 API，都采用客户端和服务器之间的请求-响应模式。
抽象化：都提供抽象层，客户端无需了解服务器的内部细节，只需按接口规范发送请求并接收响应。

差异性：

用途定位：MCP 是为 AI 应用 专门设计的协议，旨在简化 LLM 与外部数据源和工具的集成。相比之下，API 是 通用的，并未专门考虑 AI 或 LLM 的需求。
动态发现：MCP 支持客户端在运行时动态发现可用的功能，而传统的 API 通常需要开发者手动更新。
标准化接口：MCP 提供统一的接口，无论连接的服务或数据源是什么。而 API 通常是特定于服务的，可能需要多个适配器来连接不同的 API。
API 的实现：实际上，很多 MCP 服务器会在内部使用传统的 API 来完成工作。例如，MCP GitHub 服务器暴露的工具（如 repository/list）实际上是将 MCP 调用转换为 GitHub 的 REST API 请求。

MCP 与 API 的结合

MCP 和 API 并非对立，而是互为补充。在许多情况下，MCP 实际上是在传统 API 之上添加了一个更加适合 AI 代理的接口层。例如，MCP 可以将传统 API 转化为一个标准化的接口，使得 AI 应用能够更容易地与外部数据和工具交互。

如今，越来越多的服务开始支持 MCP，包括 文件系统、Google Maps、Docker、Spotify 等，这使得它们能够以标准化的方式更好地与 AI 代理进行集成。

原文引自YouTube视频：https://www.youtube.com/watch?v=7j1t3UZA1TY