你用 LLM 構建過應用程式。你玩過代理。也許你還使用過 LangChain、AutoGen 或 OpenAI 的 Assistants API。這些模型的推理、理解和生成能力令人印象深刻，難道不是嗎？但是，當你的代理需要做一些實際的事情時，比如檢查資料庫、從 CRM 讀取資料或獲取 Google 文件，事情就開始變得一團糟了。突然之間，你需要
- 為每個 API 編寫自定義封裝程式、
- 手動決定在提示中輸入哪些資料，以及
- 與令牌限制和陳舊上下文作鬥爭。
這就是模型上下文協議（MCP）的用武之地。MCP 不是一個新的“框架”，而是一個開放標準，可以幫助人工智慧助理和代理以簡單、可重用的方式連線到現實世界的資料和工具。在本教學中，我們將瞭解什麼是 MCP、如何使用它以及它為何如此流行，同時探索它的應用。
什麼是MCP？
模型上下文協議（MCP）是 Claude 的母公司 Anthropic 於 2024 年 11 月推出的一項強大的開放標準。它允許 Claude 或 GPT 等大型語言模型 (LLM) 以結構化、安全和可擴充套件的方式無縫訪問外部內容，如文件、資料庫、工具、本地檔案或 API。
MCP 的核心由三個主要部分組成：
- 模型：它指的是對輸入做出響應的 LLM（如 Claude 或 GPT-4）。
- 上下文：它是模型做出有意義響應所需的附加資訊。這些資訊的來源可以是文件、PDF、提示或資料庫條目。
- 協議（Protocol）：它代表一套規則，可讓模型從結構化來源訪問和使用上下文。
MCP如何工作？
就其本質而言，MCP 規範了客戶端和伺服器之間的通訊，無需定製程式碼或手動上傳資料。對於不同的技術，客戶端和伺服器可能有不同的含義，但對於 MCP 來說，它們是指
- 客戶端：這是 LLM 響應您的介面。它可以是 Claude 的桌面應用程式、您的整合開發環境或聊天機器人。
- 伺服器：這是儲存上下文的系統或資料來源（本地或遠端），例如 Google Drive、GitHub、Gmail、本地檔案、PDF 等。
當你提出問題或下達命令時，客戶端會向伺服器傳送請求，以獲取相關資訊。然後，伺服器提供必要的上下文（如檔案、電子郵件或資料庫），客戶端利用這些上下文給你回覆或完成任務。透過這一過程，人工智慧可以高效地處理即時動態資料。
因此，有了 MCP，客戶端（LLM 介面）可以自動發現可用的伺服器（資料來源），並根據您的查詢請求特定資訊。
為什麼需要MCP？
MCP 就像 LLM 的通用聯結器，可以讓 LLM
- 查詢可用的工具（如檔案、日曆或文件）。
- 瞭解每個工具的功能（如“讀取 PDF”、“統計檔案”、“儲存聊天記錄”）。
- 直接使用這些工具，無需為每個工具編寫任何特殊程式碼。
- 獲得簡潔、結構化的結果，以便更好地回答你的問題。
因此，無需你上傳檔案或複製資料到提示符，LLM 只需自動訪問所需的內容。無論是讀取 Notion 文件、查詢資料庫還是檢索 GitHub 問題，MCP 都能將其轉化為無縫、可重複使用的工作流程。
如何使用MCP？
在本教程中，我們將使用 MCP 透過 Python 將 Claude 桌面應用程式（客戶端）連線到本地檔案和資料。然後，我們將使用外部資料作為上下文來執行以下 4 項任務：
- 建立自定義問候語工具
- 計算桌面上的檔案數量
- 將與 Claude 的聊天儲存到本地系統中
- 使用本地 PDF 文件向 Claude 提問
要求
要執行以上 4 項任務，請確保您具備以下條件
- 安裝了 Python 3.11+ 的系統
- Claude 桌面應用程式（免費版或專業版）
- 基本熟悉 Python
- VS Code 或任何整合開發環境
- 一些本地文件（如休假政策之類的 PDF 檔案）
一次性設定
在開始執行任務之前，您需要執行以下幾項一次性任務，以確保順利完成所有 4 項任務。
建立 Python 環境
強烈建議建立一個獨立的 Python 環境來執行這些任務。如果使用的是 conda 環境，可以透過執行以下命令來實現：
conda create ~n mcp python==3.11
安裝 MCP 庫
由於我們使用的是 Python，因此必須加入 Python 程式碼檔案。為此，請編寫並執行以下命令：
pip install mcp
除了 Python 之外，程式碼檔案還可以使用 Typescript、Java 或 Kotlin。您可以在 MCP 文件中瞭解更多相關資訊。
下載 Claude 桌面應用程式
要下載應用程式，請訪問 https://claude.ai/download 並下載適用於各自系統的應用程式。安裝後，可能需要幾秒鐘才能啟動。這完全正常。雖然您可以使用 Claude 的免費計劃來構建 Claude MCP，但該計劃在實驗時有使用限制，而且往往不方便使用。因此，最好使用付費訂閱計劃。
設定配置檔案
每個客戶端的配置檔案都是獨一無二的。由於我們使用的是 Claude 的桌面應用程式，因此需要下載 Claude 的配置檔案。為此，請：
- 進入“Claude Settings”。
- 然後轉到“Developer”部分。
- 點選“Claude Settings”。
- 查詢 “laude_desktop_config.json”。如果該檔案不存在，請建立同名檔案。
該檔案將您的工具（Python 指令碼）對映到 Claude，每次完成任務後您都要更新該檔案。現在我們已經完成了所有的安裝和下載工作，讓我們開始執行任務。
任務 1：建立自定義問候語工具
在這項任務中，我們將建立一個工具，每當提示 “嗨”或 “你好”時，它就會為您建立個性化的問候語。
Step 1：建立一個新的Python檔案
在這裡，我建立了一個名為“greeter.py”的新檔案。
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()
程式碼說明：
該程式碼建立了一個 MCP 伺服器，用於讀取問候語請求並以個性化資訊作出響應。
- 該函式使用一個裝飾器來告訴伺服器在提示“Hi”、“Hey”或 “Hello”時如何回應。
- 我們向 MCP 伺服器發出的命令會與 LLM 共享，而 LLM 可能會生成與我們向伺服器發出的相同或類似的響應。
- 您得到的響應可能與您預期的完全不同；這是因為最終輸出是由 LLM 生成的。
Step 2：更新配置檔案
確保配置檔案中絕對沒有語法錯誤。在配置檔案中，我們需要三樣東西：
- 伺服器名稱
- Python 程式的位置
- 必須執行的 Python 檔案的位置
Step 3：重啟Claude桌面應用程式
重啟應用程式至關重要，因為
- 它會告訴你程式碼中的任何錯誤。錯誤會被高亮顯示，你可以進入“Logs”部分，瞭解如何糾正這些錯誤。
- 如果沒有檢測到錯誤，該工具就會註冊到 Claude 桌面應用程式，你就可以在應用程式中訪問它。
- 重啟應用程式後，就可以訪問最新的整合。因此，每次更新或更改程式碼時都需要這樣做。
Step 4：在應用程式中向Claude說Hi
只需透過應用程式向 Claude 說一聲“Hi”，它就會用你的工具向你打招呼！
向 Claude 桌面應用程式說 “嗨”後，會彈出一個視窗，要求您允許應用程式使用您剛剛建立的工具。點選 “Allow tool for this chat”。目前，每次在指定聊天中呼叫工具時，您都必須允許該工具在聊天中使用。
一旦獲得許可，您就可以從桌面應用中獲得響應。
任務 2：計算桌面上的檔案數
該工具將計算桌面上的檔案數量，並在你詢問 Claude 時返回總數。
Step 1：建立一個新的Python檔案
在這裡，我要建立一個名為 file_counter.py 的檔案
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()
程式碼說明：
這段程式碼設定了一個 MCP 伺服器，用於掃描桌面目錄、計算檔案數量並返回計數。該函式使用 Python 的 os 庫過濾目錄，只計算檔案數（不計算資料夾數）。
Step 2：更新配置檔案
按照上述步驟操作，確保沒有任何多餘檔案。
Step 3：重啟Claude桌面應用程式
按照上述步驟操作。
Step 4：詢問Claude
向 Claude Desktop 應用程式發出以下提示：How many files are there on my desktop?
然後會彈出允許使用該聊天工具的視窗。批准後，你將根據系統中的檔案數量獲得輸出結果。
任務 3：將對話儲存為文字檔案
透過該工具，Claude 可以將正在進行的對話儲存到桌面上的 .txt 檔案中。
Step 1：建立一個新的Python檔案
為此，我要建立一個名為 conversation_saver.py 的新檔案。
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()
程式碼說明：
該程式碼建立了一個 MCP 伺服器，可將正在進行的對話儲存到桌面上的文字檔案中，並用時間戳命名。它使用 Python 的 datetime 生成唯一的檔名，並使用 os 庫將內容儲存到文字檔案中。
Step 2：更新配置檔案
確保配置檔案中絕對沒有語法錯誤，列表中也沒有任何多餘的檔案。
Step 3：重啟Claude桌面應用程式
要檢查程式碼中是否有任何錯誤，請在編寫程式碼後重啟應用程式。任何錯誤都會在此步驟後高亮顯示，您可以進行更正。如果沒有錯誤，您的工具就會註冊到 Claude 應用程式中，之後您就可以直接從那裡訪問它了。
Step 4：儲存聊天
我給 Claude 應用程式一個提示：What is a RAG system
這一次，它不會訪問任何工具；因為到目前為止，我們還沒有為這類查詢建立任何工具。因此，該應用程式不會向您請求任何許可權，而是像人工智慧聊天機器人通常做的那樣繼續。它會根據訓練資訊生成輸出結果。
現在，我給該程式第二次提示：Save this chat
Claude 會提示您允許使用該工具，然後將完整的對話儲存到您的桌面上，並標註時間戳。
您可以在桌面上開啟 .txt 檔案，檢視整個交流過程。
在這裡檢視收到的輸出結果。
任務 4：詢問有關本地PDF的問題
該工具可讓 Claude 訪問本地系統中的文件（可以是 word doc、pdf 或 ppt），並回答其中的問題，而無需手動上傳。在這項任務中，我將提示一些有關公司休假政策的問題；我的桌面上就有該政策的 pdf 文件。
Step 1：建立一個新的Python檔案
在這項任務中，我要建立一個名為 leave_policy_reader.py 的新檔案。
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()
程式碼說明：
該程式碼構建了一個 MCP 伺服器，用於讀取 PDF 文件（休假政策）並回答與休假相關的詢問。它使用 PyPDF2 從 PDF 中提取文字，並根據文件內容做出響應。只有當查詢與“休假”有關時，它才會被啟用。
Step 2：更新配置檔案
與前一項任務相同。
Step 3：重啟Claude桌面應用程式
與上一任務相同。
Step 4：詢問Claude
為了測試這個工具，我在 Claude 應用程式中新增了以下提示：Can I take half day leave?
Claude 會處理該提示，意識到它需要訪問我們建立的工具，並提示我們授予它訪問該工具的許可權。
一旦呼叫該工具，它就會從休假政策檔案和原始查詢中彙編資訊。然後，它將把這些資訊反饋給 claude LLM，並要求它根據這些資訊作出回答。為此，該工具將即時讀取您的 PDF 檔案，並將資訊共享給 LLM。
最後，您將得到基於休假政策的回覆。
這樣，您就可以建立自定義工具來訪問系統中的不同檔案，而無需反覆上傳檔案！
有關如何使用 MCP 框架增強 Claude Desktop 的全部程式碼和更多詳情，請點選此處。
使用MCP的優勢
經過上述親身實踐，我們就更容易回答這個問題了。使用模型上下文協議：
- 無需手動上傳資料或定製整合。
- 允許 LLM 與本地系統和雲系統協同工作。
- 只要使用相同的協議，任何客戶端與伺服器的工作方式都是標準化的。
- 支援 Python、TypeScript、Kotlin 和 Java SDK。
MCP有哪些可能性？
MCP 本身帶來了大量的機會和可能性。以下是它增強現有工作流程的幾種方法：
- 多步驟專案：有了 MCP，人工智慧系統可以無縫協調多個平臺上的任務，如規劃活動或管理專案，而無需複雜的整合。
- 真實世界感知：它允許人工智慧與智慧環境、物聯網裝置和作業系統功能互動，使人工智慧更加主動和直觀。
- 協作代理：使用 MCP，多個專門的人工智慧代理可以協同工作，交換資訊並動態協作，而無需直接整合。
- 個人人工智慧助理：利用 MCP，可以建立深度個性化的助手，安全地訪問個人資料和裝置，而不會將敏感資訊暴露給第三方。
- 增強客戶支援：結合 MCP，人工智慧系統可透過訪問即時資料提供情境感知型客戶服務，從而提高響應質量和效率。
- 文件處理：它允許人工智慧模型根據本地或雲端儲存的文件（如合同或法律政策）進行讀取、處理和響應。
這些只是 MCP 在軟體開發、醫療保健、金融等各個領域無限可能性中的一小部分！
我們為什麼突然談論MCP？
到目前為止，我們已經介紹了有關 MCP 的一切–從它是什麼到如何使用它、為什麼要使用它以及它的應用。但還有一個問題需要回答： 為什麼在 MCP 推出近 5 個月後，我們和全世界都在談論它？
這主要有三個原因：
- 需要人工智慧代理：自去年以來，市場上出現了人工智慧代理的浪潮。雖然這些代理已經變得更加智慧，但它們仍然難以很好地與現實世界的資料和工具（如日曆、電子郵件或資料庫）協同工作。MCP 透過標準化人工智慧與這些工具的連線方式來解決這個問題，使它們更容易協同工作。
- 社羣動力：Cursor、Continue、Source Graph 等熱門公司都是 MCP 客戶端，而 Github、One Drive、Google Drive 等公司也在其伺服器列表中。隨著越來越多的公司加入 MCP 世界，這兩個列表都在與日俱增。
- 模式識別和開源：MCP 是開源的，可與任何人工智慧模型配合使用。無論您使用的是 Claude、GPT-4 還是其他任何人工智慧系統，MCP 都能將它們與現實世界的資料和工具連線起來。與封閉系統不同，您不會被鎖定在一個特定的模型或服務中。
以上就是為什麼全世界都在談論 MCP 以及為什麼它將在未來幾個月內掀起波瀾的眾多原因中的幾個。
小結
模型上下文協議（MCP）透過提供與工具、資料庫和本地檔案的無縫整合，正在徹底改變人工智慧系統與現實世界的互動方式。有了 MCP，人工智慧代理現在可以毫不費力地訪問相關資料並執行復雜任務，而無需定製程式碼或手動整合。無論是改善客戶服務、實現工作流程自動化，還是增強個人人工智慧助手，MCP 都能為人工智慧模型釋放出強大的新可能性，使其更加高效、直觀和適應性更強。隨著企業和開發人員不斷採用 MCP，它在增強人工智慧驅動系統方面的潛力只會越來越大，從而為各行各業帶來新的機遇。
常見問題
Q1. 什麼是模型上下文協議（MCP）？
A. MCP 是一種開放標準，可讓人工智慧模型無縫、高效地訪問本地檔案、文件和資料庫等現實世界的資料。
Q2. MCP 如何工作？
A. MCP 將人工智慧客戶端（如 Claude 或整合開發環境）與伺服器（本地或遠端資料來源）連線起來，允許人工智慧請求和使用上下文，而無需手動輸入或自定義編碼。
Q3. 我需要付費訂閱 Claude 才能使用 MCP 嗎？
A. 雖然免費版 Claude 可以使用，但經常會遇到速率限制，因此不太方便。付費版本可以消除這些限制。
Q4. 使用 MCP 有哪些基本要求？
A. 您需要 Python 3.11 以上、Claude 桌面應用程式、VS Code 等整合開發環境和一些本地任務文件。
Q5. MCP 可以使用任何人工智慧模型嗎？
A. 是的，MCP 與模型無關，可用於任何人工智慧模型，包括 Claude、GPT-4 和開源 LLM。
Q6. 使用 MCP 可以連線哪些工具？
A. MCP 允許人工智慧訪問各種工具，如 Google Drive、GitHub、Notion、電子郵件和本地檔案。
Q7. 如何為 Claude 設定配置檔案？
A. 您需要進入開發人員部分下的 Claude 設定，然後建立一個 claude_desktop_config.json 檔案，將您的工具對映到 Claude 的介面。
評論留言