05｜超越Function Call：MCP为何更胜一筹？
陈磊
你好，我是陈磊。
上一次我们一起聊了聊 RAG 系统相关的技术内容，其核心流程是将用户查询经 Embedding 模型向量化后，在向量数据库中检索相似文档块（chunks），再与原查询组合输入大模型生成响应，从而减少幻觉并提升准确性。今天我们一起聊一聊 Anthropic 公司在 2024 年 1 月份推出的 MCP 协议，MCP（Model Context Protocol）协议一经推出就受到了大模型应用开发者的热捧，这既得益于实现 MCP 协议的简单，也得益于大模型本身存在的弊端。
MCP 是什么？
虽然大模型的能力非常强大，但是你也肯定听说过大模型最大的两个问题，一是知识在训练时期固定，二是无法与外部世界交互。
为什么说知识在训练时期固定呢？大模型在训练过程中基于特定数据集学习知识，这些数据集有明确的“截止日期”，GPT-3.5 Turbo 训练数据截止到 2021 年 9 月。训练完成后，模型无法自动更新或“学习”新信息，除非通过重新训练或微调。这就导致大模型对于训练数据截止日期以后的事情一无所知。
而且纯大模型本质上就是一个“封闭系统”，它们只能基于内部参数生成响应，无法直接调用 API、访问数据库或执行实际操作（如预订会议、更新 CRM 记录）。 这意味着它们缺乏“代理能力”（agency），不能主动改变外部环境，大模型自己无法实时处理数据，也无法执行需要权限或者状态变化的任务。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. MCP协议解决了大模型固定知识和无法与外部世界交互的问题，使大模型变成了动态的智能体，提升了大模型的应用价值和可靠性。 2. MCP建立了大模型与外部数据、应用和服务之间的桥梁，提供了安全、标准化的通信方式，使大模型能够使用最新的真实数据、执行操作，并访问其原始训练中未包含的专业功能。 3. MCP为测试开发工程师提供了新思路，通过提供MCP Server让大模型可以访问测试服务和数据，降低了训练大模型的成本和复杂度。 4. MCP像一个“中介管家”，能够连接各种本地或远程的资源和服务，通过统一的协议使它们服务于MCP Host应用，增强整体自主执行任务的能力。 5. MCP协议的传输方式包括STDIO和SSE，使用JSON-RPC 2.0作为client和server端的消息传输，为MCP的广泛应用提供了支持。 6. MCP是一个标准协议，使AI模型能够与不同的API和数据源无缝交互，使AI系统更可靠、更有效。 7. MCP可以在不同的应用/服务之间保持上下文，增强整体自主执行任务的能力。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI 重塑测试开发系统实践》，新⼈⾸单¥29
《AI 重塑测试开发系统实践》，新⼈⾸单¥29
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论