EI与MCP的故事

摘要：先简单唠叨几句，试想一下，在MCP在之前，如果我们模型的产出更符合我们的预期，我们可能会将所需的数据上下文贴到 Prompt 中，但随着我们对产出的要求越来越高，CV大法的方式将信息添加到 Prompt 中会变得越来越困难。为了克服 Prompt 随着需求的

EI Future, AI Now ！

MCP能做什么?

先简单唠叨几句，试想一下，在 MCP 在之前，如果我们模型的产出更符合我们的预期，我们可能会将所需的数据上下文贴到 Prompt 中，但随着我们对产出的要求越来越高，CV大法的方式将信息添加到 Prompt 中会变得越来越困难。为了克服 Prompt 随着需求的复杂而上升后，OpenAI 等公司引入了 function call的功能，通过一些预定义的函数来获取操作。但 function call 并不是通用的，每个LLM厂商实现的 function call调用方式不同也需要开发者依赖并适配。至此，一个标准化的通信协议则成为了下一个爆点。

不同厂商实现的function call:

# OpenAI Function Calltools = [{"type": "function", "function": { "name": "get_weather", "parameters": {"type": "object", "properties": {"location": {"type": "string"}}} }]# Google Gemini Function Callingtools = ToolConfig( function_declarations=[FunctionDeclaration( name="get_weather", parameters={"location": {"type": "string"}} )] )

MCP起源于2024年11月25日 Anthropic 发布的文章： https://www.anthropic.com/news/model-context-protocol 它带来了一种新的方式用来将各种数据源、工具、功能连接到AI模型，就像USB-C我们可以将不同的不同的设备连接到一起， MCP统一的通用标准，让AI应用程序的开发和集成更加简单和统一。

MCP 的产生为我们的AI应用开发模式带来了新的积极影响：

▪建立了统一的数据通道, 解耦LLM与数据服务

▪动态上下文构建: 按需获取所需数据, 取代人工拼凑

▪降低开发成本，遵循通用协议，无需定制

尽管 MCP 已经提高了现有与AI结合的效率, 并提供了不同语言的SDK, 但让当前应用直接作为MCP server提供服务, 也存在着不小的挑战，例如：

▪项目的历史包袱：从数据格式要求、私有化接口规范等方面与 MCP标准化协议 存在鸿沟。

▪数据孤岛：所需要的数据分散在不同系统，需要开发新的接口来支持业务使用。

▪开发与部署：不管怎么来说，终究是需要再次开发一套 MCP 的接口/工具。

针对于上述问题，一个具备接口编排 + 自动化生成MCP服务 + 部署的平台则成为了迈过挑战让大家能够享受MCP带来的便捷服务的关键。而这也是我们已经完成的 天枢iPaaS连接平台。

天枢iPaaS连接平台 是一款开箱即用的企业级应用集成平台，提供丰富的组件和灵活的配置方式，帮助企业降低集成实施的周期和成本。平台支持多种集成方式，包括连接器API、事件驱动的消息传递编排流、数据组件编排流等。平台还提供了丰富的编排助手、全链路监控、多租户支持等功能。此外，平台支持自定义组件开发，满足个性化需求。平台适用于研发交付提效、自动化场景和与京ME机器人场景，支持MCP、HTTP、JSF、SFTP等多种协议。

在天枢iPaaS连接平台中，用户可以通过注册当前的 JSF 或者 HTTP 接口，在完成注册后，可以通过流程编排的方式将不同的接口合并成一个的接口并暴露出去。

将 JSF 或者 HTTP 以连接流的形式注册成为 REST

接口：