摘要：模型上下文协议（Model Context Protocol，以下简称MCP）是由Anthropic推出的开源协议,旨在通过标准化接口实现大语言模型与外部数据源及工具的规范化连接。
模型上下文协议（Model Context Protocol，以下简称MCP）是由Anthropic推出的开源协议,旨在通过标准化接口实现大语言模型与外部数据源及工具的规范化连接。
该协议定义了一套通用交互框架，使开发者能够以统一方式将大语言模型应用与文件系统、数据库、API等资源对接，无需为每个大语言模型应用和外部系统组合进行定制集成。
MCP架构采用C/S模式，包含5个核心组件。
MCP Hosts：启动连接和查询MCP Servers的AI应用程序。用户通过MCP Hosts发起请求，先通过MCP Servers确定与该请求相关的可用工具，后将用户请求与可用工具列表发送至大语言模型，由大语言模型分析请求并决定哪些工具最适合回答该请求。MCP Clients：MCP Hosts应用程序内部的接口层，负责管理与MCP Servers的点对点连接，处理主机与服务器之间的通信标准化、身份验证等细节，确保请求传输的稳定性和安全性。MCP Servers：通过标准化的MCP规范，提供上下文数据、工具或API服务。拥有 API 或软件服务的公司可以按照 MCP规范将自己的工具包装为 MCP Servers，以便MCP Hosts理解和调用。Local Data：MCP Servers可以安全访问的本地资源，包括计算机文件、数据库等。Remote Services：MCP Servers基于互联网（如API）可连接的外部系统，包括SaaS系统、区块链节点服务等。AI智能体开发平台是一种专门支持AI智能体构建、部署和管理的集成化工具系统，通过提供预训练大模型、可视化拖放界面和标准化API接口，显著降低了智能体的构建门槛，使非技术人员也能快速构建和部署AI智能体。
据统计，目前全球AI智能体开发平台数量已超百个，其中国外典型产品包括GPTs Builder、firstthand.ai、Voiceflow、Beam.ai等，国内典型产品包括文心智能体平台、扣子、豆包、Dify等。
目前业界主流的AI智能体构建方式主要有两类。
一是Prompt与插件结合的方式。利用prompt定义智能体的特性与行为模式，结合各种插件实现功能的强化和拓展。该方式是目前主流的智能体开发方式，典型代表包括国外GPTs以及国内扣子、文心智能体平台等。其主要优势在于开发者仅需输入基础的主题框架，即可让平台自动生成一套全面且详尽的设定和行为Prompt，搭建过程高效性便捷。但在搭建逻辑复杂且稳定性要求较高的智能体时面临较大困难。
二是基于工作流的构建方式。通过流程图编排智能体的工作流程，利用意图跳转、条件分支、循环等逻辑结构，实现复杂智能体的构建。该方式的典型代表包括国外Voiceflow以及国内Dify等。其主要优势在于能够构建出非常复杂且精细的流程。但存在一定的学习门槛，初学者上手难度较大。
从目前发展趋势来看，两类构建方式正加速融合以实现优势互补，AI智能体开发平台逐步向“低门槛+高精细化”方向演进。
来源：新网银行
