你用 LLM 构建过应用程序。你玩过代理。也许你还使用过 LangChain、AutoGen 或 OpenAI 的 Assistants API。这些模型的推理、理解和生成能力令人印象深刻，难道不是吗？但是，当你的代理需要做一些实际的事情时，比如检查数据库、从 CRM 读取数据或获取 Google 文档，事情就开始变得一团糟了。突然之间，你需要
- 为每个 API 编写自定义封装程序、
- 手动决定在提示中输入哪些数据，以及
- 与令牌限制和陈旧上下文作斗争。
这就是模型上下文协议（MCP）的用武之地。MCP 不是一个新的“框架”，而是一个开放标准，可以帮助人工智能助理和代理以简单、可重用的方式连接到现实世界的数据和工具。在本教学中，我们将了解什么是 MCP、如何使用它以及它为何如此流行，同时探索它的应用。
什么是MCP？
模型上下文协议（MCP）是 Claude 的母公司 Anthropic 于 2024 年 11 月推出的一项强大的开放标准。它允许 Claude 或 GPT 等大型语言模型 (LLM) 以结构化、安全和可扩展的方式无缝访问外部内容，如文档、数据库、工具、本地文件或 API。
MCP 的核心由三个主要部分组成：
- 模型：它指的是对输入做出响应的 LLM（如 Claude 或 GPT-4）。
- 上下文：它是模型做出有意义响应所需的附加信息。这些信息的来源可以是文档、PDF、提示或数据库条目。
- 协议（Protocol）：它代表一套规则，可让模型从结构化来源访问和使用上下文。
MCP如何工作？
就其本质而言，MCP 规范了客户端和服务器之间的通信，无需定制代码或手动上传数据。对于不同的技术，客户端和服务器可能有不同的含义，但对于 MCP 来说，它们是指
- 客户端：这是 LLM 响应您的界面。它可以是 Claude 的桌面应用程序、您的集成开发环境或聊天机器人。
- 服务器：这是保存上下文的系统或数据源（本地或远程），例如 Google Drive、GitHub、Gmail、本地文件、PDF 等。
当你提出问题或下达命令时，客户端会向服务器发送请求，以获取相关信息。然后，服务器提供必要的上下文（如文件、电子邮件或数据库），客户端利用这些上下文给你回复或完成任务。通过这一过程，人工智能可以高效地处理实时动态数据。
因此，有了 MCP，客户端（LLM 接口）可以自动发现可用的服务器（数据源），并根据您的查询请求特定信息。
为什么需要MCP？
MCP 就像 LLM 的通用连接器，可以让 LLM
- 查找可用的工具（如文件、日历或文档）。
- 了解每个工具的功能（如“读取 PDF”、“统计文件”、“保存聊天记录”）。
- 直接使用这些工具，无需为每个工具编写任何特殊代码。
- 获得简洁、结构化的结果，以便更好地回答你的问题。
因此，无需你上传文件或复制数据到提示符，LLM 只需自动访问所需的内容。无论是读取 Notion 文档、查询数据库还是检索 GitHub 问题，MCP 都能将其转化为无缝、可重复使用的工作流程。
如何使用MCP？
在本教程中，我们将使用 MCP 通过 Python 将 Claude 桌面应用程序（客户端）连接到本地文件和数据。然后，我们将使用外部数据作为上下文来执行以下 4 项任务：
- 创建自定义问候语工具
- 计算桌面上的文件数量
- 将与 Claude 的聊天保存到本地系统中
- 使用本地 PDF 文档向 Claude 提问
要求
要执行以上 4 项任务，请确保您具备以下条件
- 安装了 Python 3.11+ 的系统
- Claude 桌面应用程序（免费版或专业版）
- 基本熟悉 Python
- VS Code 或任何集成开发环境
- 一些本地文档（如休假政策之类的 PDF 文件）
一次性设置
在开始执行任务之前，您需要执行以下几项一次性任务，以确保顺利完成所有 4 项任务。
创建 Python 环境
强烈建议创建一个独立的 Python 环境来执行这些任务。如果使用的是 conda 环境，可以通过执行以下命令来实现：
conda create ~n mcp python==3.11
安装 MCP 库
由于我们使用的是 Python，因此必须加入 Python 代码文件。为此，请编写并执行以下命令：
pip install mcp
除了 Python 之外，代码文件还可以使用 Typescript、Java 或 Kotlin。您可以在 MCP 文档中了解更多相关信息。
下载 Claude 桌面应用程序
要下载应用程序，请访问 https://claude.ai/download 并下载适用于各自系统的应用程序。安装后，可能需要几秒钟才能启动。这完全正常。虽然您可以使用 Claude 的免费计划来构建 Claude MCP，但该计划在实验时有使用限制，而且往往不方便使用。因此，最好使用付费订阅计划。
设置配置文件
每个客户端的配置文件都是独一无二的。由于我们使用的是 Claude 的桌面应用程序，因此需要下载 Claude 的配置文件。为此，请：
- 进入“Claude Settings”。
- 然后转到“Developer”部分。
- 点击“Claude Settings”。
- 查找 “laude_desktop_config.json”。如果该文件不存在，请创建同名文件。
该文件将您的工具（Python 脚本）映射到 Claude，每次完成任务后您都要更新该文件。现在我们已经完成了所有的安装和下载工作，让我们开始执行任务。
任务 1：创建自定义问候语工具
在这项任务中，我们将创建一个工具，每当提示 “嗨”或 “你好”时，它就会为您创建个性化的问候语。
Step 1：创建一个新的Python文件
在这里，我创建了一个名为“greeter.py”的新文件。
from mcp.server.fastmcp import FastMCP// FAST MCP is just an easier way to build a server
# Create an MCP server named "Greeter"
mcp = FastMCP("Greeter")
@mcp.tool()
def greet() -> str:
"""Return this welcome message, when greeted with "Hi", "Hey" or "Hello"."""
return "Hey <add your own name>, Welcome to the world of MCPs!"
if __name__ == "__main__":
mcp.run()
代码说明：
该代码创建了一个 MCP 服务器，用于读取问候语请求并以个性化信息作出响应。
- 该函数使用一个装饰器来告诉服务器在提示“Hi”、“Hey”或 “Hello”时如何回应。
- 我们向 MCP 服务器发出的命令会与 LLM 共享，而 LLM 可能会生成与我们向服务器发出的相同或类似的响应。
- 您得到的响应可能与您预期的完全不同；这是因为最终输出是由 LLM 生成的。
Step 2：更新配置文件
确保配置文件中绝对没有语法错误。在配置文件中，我们需要三样东西：
- 服务器名称
- Python 程序的位置
- 必须执行的 Python 文件的位置
Step 3：重启Claude桌面应用程序
重启应用程序至关重要，因为
- 它会告诉你代码中的任何错误。错误会被高亮显示，你可以进入“Logs”部分，了解如何纠正这些错误。
- 如果没有检测到错误，该工具就会注册到 Claude 桌面应用程序，你就可以在应用程序中访问它。
- 重启应用程序后，就可以访问最新的集成。因此，每次更新或更改代码时都需要这样做。
Step 4：在应用程序中向Claude说Hi
只需通过应用程序向 Claude 说一声“Hi”，它就会用你的工具向你打招呼！
向 Claude 桌面应用程序说 “嗨”后，会弹出一个窗口，要求您允许应用程序使用您刚刚创建的工具。点击 “Allow tool for this chat”。目前，每次在指定聊天中调用工具时，您都必须允许该工具在聊天中使用。
一旦获得许可，您就可以从桌面应用中获得响应。
任务 2：计算桌面上的文件数
该工具将计算桌面上的文件数量，并在你询问 Claude 时返回总数。
Step 1：创建一个新的Python文件
在这里，我要创建一个名为 file_counter.py 的文件
from mcp.server.fastmcp import FastMCP
import os
# Create an MCP server named "FileCounter"
mcp = FastMCP("FileCounter")
@mcp.tool()
def count_desktop_files() -> str:
"""Count the number of files on the desktop"""
desktop_path = os.path.expanduser("~/Desktop") # Gets desktop path (e.g., /Users/apoorv/Desktop)
try:
# List all items in desktop directory, filter to files only
files = [f for f in os.listdir(desktop_path) if os.path.isfile(os.path.join(desktop_path, f))]
file_count = len(files)
return f"There are {file_count} files on your desktop."
except Exception as e:
return f"Error counting files: {str(e)}"
if __name__ == "__main__":
mcp.run()
代码说明：
这段代码设置了一个 MCP 服务器，用于扫描桌面目录、计算文件数量并返回计数。该函数使用 Python 的 os 库过滤目录，只计算文件数（不计算文件夹数）。
Step 2：更新配置文件
按照上述步骤操作，确保没有任何多余文件。
Step 3：重启Claude桌面应用程序
按照上述步骤操作。
Step 4：询问Claude
向 Claude Desktop 应用程序发出以下提示：How many files are there on my desktop?
然后会弹出允许使用该聊天工具的窗口。批准后，你将根据系统中的文件数量获得输出结果。
任务 3：将对话保存为文本文件
通过该工具，Claude 可以将正在进行的对话保存到桌面上的 .txt 文件中。
Step 1：创建一个新的Python文件
为此，我要创建一个名为 conversation_saver.py 的新文件。
from mcp.server.fastmcp import FastMCP
import os
from datetime import datetime
mcp = FastMCP("ConversationSaver")
@mcp.tool()
def save_conversation(conversation: str) -> str:
"""Save the current conversation to a text file on the desktop"""
desktop_path = os.path.expanduser("~/Desktop")
timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
file_path = os.path.join(desktop_path, f"claude_chat_{timestamp}.txt")
try:
with open(file_path, "w") as f:
f.write(conversation)
return f"Conversation saved at: {file_path}"
except Exception as e:
return f"Error saving conversation: {str(e)}"
if __name__ == "__main__":
mcp.run()
代码说明：
该代码创建了一个 MCP 服务器，可将正在进行的对话保存到桌面上的文本文件中，并用时间戳命名。它使用 Python 的 datetime 生成唯一的文件名，并使用 os 库将内容保存到文本文件中。
Step 2：更新配置文件
确保配置文件中绝对没有语法错误，列表中也没有任何多余的文件。
Step 3：重启Claude桌面应用程序
要检查代码中是否有任何错误，请在编写代码后重启应用程序。任何错误都会在此步骤后高亮显示，您可以进行更正。如果没有错误，您的工具就会注册到 Claude 应用程序中，之后您就可以直接从那里访问它了。
Step 4：保存聊天
我给 Claude 应用程序一个提示：What is a RAG system
这一次，它不会访问任何工具；因为到目前为止，我们还没有为这类查询创建任何工具。因此，该应用程序不会向您请求任何权限，而是像人工智能聊天机器人通常做的那样继续。它会根据训练信息生成输出结果。
现在，我给该程序第二次提示：Save this chat
Claude 会提示您允许使用该工具，然后将完整的对话保存到您的桌面上，并标注时间戳。
您可以在桌面上打开 .txt 文件，查看整个交流过程。
在这里查看收到的输出结果。
任务 4：询问有关本地PDF的问题
该工具可让 Claude 访问本地系统中的文档（可以是 word doc、pdf 或 ppt），并回答其中的问题，而无需手动上传。在这项任务中，我将提示一些有关公司休假政策的问题；我的桌面上就有该政策的 pdf 文档。
Step 1：创建一个新的Python文件
在这项任务中，我要创建一个名为 leave_policy_reader.py 的新文件。
from mcp.server.fastmcp import FastMCP
import os
import PyPDF2 # For PDF text extraction
mcp = FastMCP("SmartContext")
# Hardcoded path to your leave policy PDF (edit this to your file’s location)
LEAVE_POLICY_PDF = "/Users/apoorv/Desktop/AV/Code/MCP/leave_policy.pdf"
@mcp.tool()
def fetch_context(query: str) -> str:
"""Fetch content from a leave policy PDF for leave-related queries"""
query_lower = query.lower()
# Only process if "leave" is in the query
if "leave" not in query_lower:
return "This tool only answers leave-related questions. Ask about leaves!"
if not os.path.exists(LEAVE_POLICY_PDF):
return f"Error: Leave policy PDF not found at {LEAVE_POLICY_PDF}!"
try:
# Read the PDF
with open(LEAVE_POLICY_PDF, "rb") as f:
pdf_reader = PyPDF2.PdfReader(f)
content = ""
for page in pdf_reader.pages:
extracted_text = page.extract_text()
if extracted_text:
content += extracted_text + "\n"
if not content:
return "Error: No text could be extracted from the leave policy PDF!"
# Return the content with the query for Claude
return (f"Using context from {LEAVE_POLICY_PDF}:\n\n"
f"Content:\n{content}\n\n"
f"Query: {query}\n\n"
f"Please answer based on the content above.")
except Exception as e:
return f"Error reading leave policy PDF: {str(e)}"
if __name__ == "__main__":
mcp.run()
代码说明：
该代码构建了一个 MCP 服务器，用于读取 PDF 文档（休假政策）并回答与休假相关的询问。它使用 PyPDF2 从 PDF 中提取文本，并根据文档内容做出响应。只有当查询与“休假”有关时，它才会被激活。
Step 2：更新配置文件
与前一项任务相同。
Step 3：重启Claude桌面应用程序
与上一任务相同。
Step 4：询问Claude
为了测试这个工具，我在 Claude 应用程序中添加了以下提示：Can I take half day leave?
Claude 会处理该提示，意识到它需要访问我们创建的工具，并提示我们授予它访问该工具的权限。
一旦调用该工具，它就会从休假政策文件和原始查询中汇编信息。然后，它将把这些信息反馈给 claude LLM，并要求它根据这些信息作出回答。为此，该工具将实时读取您的 PDF 文件，并将信息共享给 LLM。
最后，您将得到基于休假政策的回复。
这样，您就可以创建自定义工具来访问系统中的不同文件，而无需反复上传文件！
有关如何使用 MCP 框架增强 Claude Desktop 的全部代码和更多详情，请点击此处。
使用MCP的优势
经过上述亲身实践，我们就更容易回答这个问题了。使用模型上下文协议：
- 无需手动上传数据或定制集成。
- 允许 LLM 与本地系统和云系统协同工作。
- 只要使用相同的协议，任何客户端与服务器的工作方式都是标准化的。
- 支持 Python、TypeScript、Kotlin 和 Java SDK。
MCP有哪些可能性？
MCP 本身带来了大量的机会和可能性。以下是它增强现有工作流程的几种方法：
- 多步骤项目：有了 MCP，人工智能系统可以无缝协调多个平台上的任务，如规划活动或管理项目，而无需复杂的集成。
- 真实世界感知：它允许人工智能与智能环境、物联网设备和操作系统功能互动，使人工智能更加主动和直观。
- 协作代理：使用 MCP，多个专门的人工智能代理可以协同工作，交换信息并动态协作，而无需直接集成。
- 个人人工智能助理：利用 MCP，可以创建深度个性化的助手，安全地访问个人数据和设备，而不会将敏感信息暴露给第三方。
- 增强客户支持：结合 MCP，人工智能系统可通过访问实时数据提供情境感知型客户服务，从而提高响应质量和效率。
- 文档处理：它允许人工智能模型根据本地或云端存储的文档（如合同或法律政策）进行读取、处理和响应。
这些只是 MCP 在软件开发、医疗保健、金融等各个领域无限可能性中的一小部分！
我们为什么突然谈论MCP？
到目前为止，我们已经介绍了有关 MCP 的一切–从它是什么到如何使用它、为什么要使用它以及它的应用。但还有一个问题需要回答： 为什么在 MCP 推出近 5 个月后，我们和全世界都在谈论它？
这主要有三个原因：
- 需要人工智能代理：自去年以来，市场上出现了人工智能代理的浪潮。虽然这些代理已经变得更加智能，但它们仍然难以很好地与现实世界的数据和工具（如日历、电子邮件或数据库）协同工作。MCP 通过标准化人工智能与这些工具的连接方式来解决这个问题，使它们更容易协同工作。
- 社区动力：Cursor、Continue、Source Graph 等热门公司都是 MCP 客户端，而 Github、One Drive、Google Drive 等公司也在其服务器列表中。随着越来越多的公司加入 MCP 世界，这两个列表都在与日俱增。
- 模式识别和开源：MCP 是开源的，可与任何人工智能模型配合使用。无论您使用的是 Claude、GPT-4 还是其他任何人工智能系统，MCP 都能将它们与现实世界的数据和工具连接起来。与封闭系统不同，您不会被锁定在一个特定的模型或服务中。
以上就是为什么全世界都在谈论 MCP 以及为什么它将在未来几个月内掀起波澜的众多原因中的几个。
小结
模型上下文协议（MCP）通过提供与工具、数据库和本地文件的无缝集成，正在彻底改变人工智能系统与现实世界的交互方式。有了 MCP，人工智能代理现在可以毫不费力地访问相关数据并执行复杂任务，而无需定制代码或手动集成。无论是改善客户服务、实现工作流程自动化，还是增强个人人工智能助手，MCP 都能为人工智能模型释放出强大的新可能性，使其更加高效、直观和适应性更强。随着企业和开发人员不断采用 MCP，它在增强人工智能驱动系统方面的潜力只会越来越大，从而为各行各业带来新的机遇。
常见问题
Q1. 什么是模型上下文协议（MCP）？
A. MCP 是一种开放标准，可让人工智能模型无缝、高效地访问本地文件、文档和数据库等现实世界的数据。
Q2. MCP 如何工作？
A. MCP 将人工智能客户端（如 Claude 或集成开发环境）与服务器（本地或远程数据源）连接起来，允许人工智能请求和使用上下文，而无需手动输入或自定义编码。
Q3. 我需要付费订阅 Claude 才能使用 MCP 吗？
A. 虽然免费版 Claude 可以使用，但经常会遇到速率限制，因此不太方便。付费版本可以消除这些限制。
Q4. 使用 MCP 有哪些基本要求？
A. 您需要 Python 3.11 以上、Claude 桌面应用程序、VS Code 等集成开发环境和一些本地任务文档。
Q5. MCP 可以使用任何人工智能模型吗？
A. 是的，MCP 与模型无关，可用于任何人工智能模型，包括 Claude、GPT-4 和开源 LLM。
Q6. 使用 MCP 可以连接哪些工具？
A. MCP 允许人工智能访问各种工具，如 Google Drive、GitHub、Notion、电子邮件和本地文件。
Q7. 如何为 Claude 设置配置文件？
A. 您需要进入开发人员部分下的 Claude 设置，然后创建一个 claude_desktop_config.json 文件，将您的工具映射到 Claude 的界面。
评论留言