MCP 进化:让静态 Tool 进化为具备“上下文感知”的远程 Skills

在 AI Agent 的工程实践中,Model Context Protocol (MCP) 已成为连接大模型与外部世界的标准桥梁。然而,随着应用场景从“个人助手”向“企业级复杂业务”迈进,传统的 MCP 交互模式开始显露其“静态化”的瓶颈。

Solon AI 支持将 MCP 封装为 Skill,实现了从“冷冰冰的 API 集合”到“具备感知能力的智能技能”的跨越。

一、静态 Tools 的三大痛点

传统的 MCP 交互类似于一个“无法关闭的工具箱”,无论场景如何,所有工具一涌而上:

  • 上下文噪音(Context Noise):即使是一个简单的问候,模型也会被注入成百上千行的工具 Schema 定义,白白浪费 Token,更干扰模型的推理专注度。
  • 权限真空(Security Risks):模型对工具的可见性是“全量”的。难以根据当前登录用户的角色(如普通用户 vs 管理员)动态隐藏敏感操作(如:删除订单)。
  • 行为失控(Instruction Gap):工具只提供了“能做什么”,却无法告诉模型“在当前背景下该怎么做”。模型缺乏针对特定业务场景的即时指令约束。

二、核心解决方式:感知、挂载与动态分发

Solon AI 通过引入 Skill(Solon AI Skills) 生命周期 来包裹 MCP 协议,实现以下机制解决上述痛点:

A. 智能准入 (isSupported):

只有当 Prompt 上下文(意图、租户信息、环境变量)满足条件时,技能才会被激活。

B. 指令注入 (getInstruction):

在技能挂载时,自动为模型注入针对当前上下文的“行为准则”(System Message)。

C. 三态路由 (getToolsName):

服务端根据 Prompt 属性,动态决定给模型展示哪些工具。支持三种形态的路由方式:

  • 全量使用:未定义过滤逻辑时,显示所有业务工具。
  • 精准授权:仅展示当前用户权限范围内的工具。
  • 完全拒绝:即便技能激活,也可能因安全策略在此时封锁所有工具调用。

三、实战示例

1. 客户端:像本地技能一样调用

开发者只需关注业务属性的注入,无需操心工具的过滤逻辑,一切由 MCP Skill 代理与远程服务端约定与协商。

importorg.noear.solon.ai.chat.ChatModel;importorg.noear.solon.ai.chat.prompt.Prompt;importorg.noear.solon.ai.mcp.McpChannel;importorg.noear.solon.ai.mcp.client.McpClientProvider;importorg.noear.solon.ai.mcp.client.McpSkillClient;//构建 mcp 客户端McpClientProvidermcpClient=McpClientProvider.builder().channel(McpChannel.STREAMABLE).url("http://localhost:8081//skill/order").build();// 构建带有业务属性的提示词Promptprompt=Prompt.of("帮我取消订单 A001").attrPut("tenant_id","solon_001").attrPut("user_role","ADMIN");// 模拟管理员身份// 注入技能,模型将只看到“管理员”权限下的工具chatModel.prompt(prompt).options(o->o.skillAdd(newMcpSkillClient(mcpClient)))//将 mcp 客户端 包装为 Solon AI Skills.call();
2. 服务端:实现具备“感知力”的技能

服务端不再是盲目响应,而是通过解析 Prompt 决定自己的表现。

importorg.noear.solon.ai.annotation.ToolMapping;importorg.noear.solon.ai.chat.prompt.Prompt;importorg.noear.solon.ai.mcp.McpChannel;importorg.noear.solon.ai.mcp.server.McpSkillServer;importorg.noear.solon.ai.mcp.server.annotation.McpServerEndpoint;importjava.util.ArrayList;importjava.util.List;@McpServerEndpoint(channel=McpChannel.STREAMABLE_STATELESS,mcpEndpoint="/skill/order")publicclassOrderSkillServerextendsMcpSkillServer{@OverridepublicbooleanisSupported(Promptprompt){// 感知意图:只有涉及“订单”且租户合规时才激活returnprompt.getUserContent().contains("订单")&&prompt.attr("tenant_id")!=null;}@OverridepublicStringgetInstruction(Promptprompt){// 动态指令:注入租户特定的业务规则return"你现在是租户["+prompt.attr("tenant_id")+"]的订单助手。";}@OverridepublicList<String>getToolsName(Promptprompt){// 权限隔离:根据用户角色动态下发工具名List<String>tools=newArrayList<>();tools.add("OrderQuery");// 基础权限if("ADMIN".equals(prompt.attr("user_role"))){tools.add("OrderCancel");// 仅管理员可见}returntools;}@ToolMapping(description="查询订单")publicStringOrderQuery(Stringid){...}@ToolMapping(description="取消订单")publicStringOrderCancel(Stringid){...}}

四、Skills 架构反思与局限性补充

尽管将 MCP 进化为 Skills 带来了显著的工程优势,但开发者仍需理清其技术边界:

  • 非标准化的架构增强:

LLM 的底层标准仅包含 Prompt 和 Tool-Call。Skills 并非模型原生标准,也不属于 MCP 的公共协议规范,而是一种 架构设计模式(模式,是通用的)。它通常由 AI 开发框架(如 Solon AI)在消费侧实现,用于解决复杂业务下的能力调度问题。

  • 消费侧驱动的定制:

MCP 向 Skills 的进化本质上是“业务驱动”或“领域驱动”的。在设计远程 MCP Skill 时,必须参考消费侧(即 Agent 执行引擎)的具体规范进行深度定制。

  • 适用场景的选择:

Tool:适用于原子化、无状态、全量公开的简单功能插件。

Skill:适用于需要上下文感知、多租户隔离、动态指令约束的复杂业务逻辑块。

五、 好处总结

将 MCP 进化为 Skills 之后,您的 AI Agent 架构将获得:

  • 极致的上下文纯净度:

模型只看到此时此刻该看的工具(通过 getToolsName 实现按需加载,或权限控制)。

  • 天然的权限安全:

通过服务端感知的动态分发,实现真正的跨进程角色权限控制(RBAC for Tools)。

  • 低耦合的业务演进:

业务逻辑和规则变更集中在服务端,客户端 “无需” 任何代码改动即可获得最新能力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/1215396.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

大模型开发学习路径:从基础知识到工程实战的完整指南

文章提供大模型(LLM)从入门到实战的12个月完整学习路线&#xff0c;分为四个阶段&#xff1a;阶段1打牢Python、数学和深度学习基础&#xff1b;阶段2掌握Prompt工程、LangChain等核心框架&#xff1b;阶段3学习模型微调与部署技术&#xff1b;阶段4探索多模态与工程化应用。每…

模型量化完全指南:从原理到实战加速大模型推理

模型量化是将高位宽参数(如Float32)转换为低位宽(如INT8、INT4)的技术&#xff0c;旨在压缩模型、提升推理速度并降低内存占用。主要分为PTQ(后训练量化)和QAT(量化感知训练)两种方式&#xff0c;可通过均匀/非均匀量化和不同粒度实现。针对大模型&#xff0c;权重量化、激活值…

2026寒假集训第二周周记录

2026寒假集训第二周周记录截至周六晚一共独立做出题目5道CF,三道码题集题目。分别的算法标签是模拟(8); 做错的题(还没有补): CF:1.MIXING WATER没有判断出数据的单调性,所以没有二分,再者,二分的题也已经好久没做…

生命的二元张力:弗洛伊德生的本能与死的本能理论解析

生命的二元张力&#xff1a;弗洛伊德生的本能与死的本能理论解析 在经典精神分析理论体系中&#xff0c;西格蒙德弗洛伊德&#xff08;Sigmund Freud&#xff09;晚年提出的“生的本能”&#xff08;Eros&#xff09;与“死的本能”&#xff08;Thanatos&#xff09;二元理论&…

多模态融合技术全解析:从传统架构到GPT-4o的演进之路

文章系统介绍了多模态融合技术的演进历程&#xff0c;从早期融合、晚期融合到Transformer时代的深度交互&#xff0c;再到当前主流的连接器范式和前沿的原生融合技术。详细分析了不同融合方法的优缺点、适用场景及工程实现&#xff0c;包括模态对齐、幻觉等常见问题的解决方案&…

大模型训练三阶段全解析:预训练、微调与对齐(程序员必看,建议收藏)

大模型训练分为预训练、微调和对齐三阶段。预阶段使用TB级数据学习通用语言能力&#xff1b;微调阶段通过GB级高质量数据增强指令遵循能力&#xff1b;对齐阶段确保输出符合人类价值观&#xff0c;遵循3H原则。三者共同构成完整的大模型开发流程&#xff0c;从知识压缩到任务适…

【腾讯实习AI大模型岗位已Offer】大模型面试宝典:高频问题+答案解析,助你轻松通关,建议收藏!

本文分享了作者在大模型岗位的完整面试经历&#xff0c;涵盖一面至三面的面试过程和问题&#xff0c;包括Transformer结构、BERT与GPT区别、LoRA原理等大模型核心知识点&#xff0c;以及算法题和职业规划问题。作者拥有图神经网络背景&#xff0c;成功通过面试并分享了实战经验…

Transformer模型详解:从入门到掌握大模型必备基础知识

本文详细介绍了一个包含8个章节的Transformer模型讲义&#xff0c;从整体框架到具体实现&#xff0c;包括Encoder-Decoder结构、文字向量化、位置编码、多头注意力机制、残差连接与层归一化、前馈神经网络以及模型输出等核心内容。该讲义旨在帮助读者彻底掌握Transformer原理&a…

tauri2应用添加系统托盘Tray

官网文档&#xff1a;https://v2.tauri.app/learn/system-tray/ 有两种方式可以添加系统托盘&#xff0c;一种是在js中&#xff0c;一种是在rust中&#xff0c;官方都有使用案例&#xff0c;其中要注意&#xff1a; 要记得在配置文件中添加这个特性。 这里我记录一下在js中添…

大模型的数学工厂:揭秘GPU与TPU如何重塑AI计算架构

文章探讨了为什么大语言模型需要专门的硬件而非传统CPU。LLM本质上是数学工厂&#xff0c;执行大规模并行矩阵乘法运算。CPU因设计用于逻辑运算和分支决策而不适合处理这种计算密集型任务。GPU通过大规模并行核心和Tensor Core优化矩阵运算&#xff0c;而Google的TPU采用脉动阵…

大模型学习全攻略:35个核心问题解答+独家AGI-CSDN资料包_2026年AI大模型岗面试面经

本文是一份大模型学习指南&#xff0c;以问答形式整理了35个关键问题&#xff0c;涵盖主流开源模型体系、Transformer架构、预训练微调范式等核心技术。详细介绍了GPT、BERT等模型特点与区别&#xff0c;提供了不同场景下的模型选择建议&#xff0c;并针对过拟合、灾难性遗忘等…

智能避障扫地机器人

目录 智能避障扫地机器人的工作原理主流避障技术分类典型产品性能参数选购注意事项维护保养要点 源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01; 智能避障扫地机器人的工作原理 智能避障扫地机器人通过多传感器融合技术实现环境感知与…

智能声光感应窗帘系统设计

目录智能声光感应窗帘系统概述核心功能模块技术实现要点应用场景与优势扩展功能源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01;智能声光感应窗帘系统概述 智能声光感应窗帘系统结合声音识别与光照传感器技术&#xff0c;通过自动化控制…

智能家居环境监测与自动调控系统设计

目录智能家居环境监测与自动调控系统概述核心功能模块技术实现方案应用场景与优势挑战与解决方案源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01;智能家居环境监测与自动调控系统概述 智能家居环境监测与自动调控系统通过传感器网络实时…

智能环境测试仪设计

目录智能环境测试仪的设计要点关键技术实现应用场景示例源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01;智能环境测试仪的设计要点 硬件设计 采用高精度传感器模块&#xff08;如温湿度传感器、PM2.5传感器、CO₂传感器等&#xff09;&…

智能环境监测系统设计

目录 智能环境监测系统概述核心组成部分关键技术应用场景示例代码示例&#xff08;数据上传&#xff09;扩展功能 源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01; 智能环境监测系统概述 智能环境监测系统是一种基于物联网&#xff08;…

智能货车集装箱系统

目录智能货车集装箱系统的核心功能系统的主要技术组成数据分析与优化应用安全监控与风险预警行业应用价值体现源码文档获取/同行可拿货,招校园代理 &#xff1a;文章底部获取博主联系方式&#xff01;智能货车集装箱系统的核心功能 智能货车集装箱系统通过物联网、大数据和人工…

深入解析:AI重塑就业格局:机遇、挑战与政策应对

深入解析:AI重塑就业格局:机遇、挑战与政策应对pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas",…

timefd

timefd 到底是什么你可以把 timefd 理解成 “把定时器变成文件描述符&#xff08;fd&#xff09;的工具” —— Linux 系统把定时器功能包装成了一个和 “文件、网络套接字” 一样的 fd&#xff0c;你可以像操作文件一样操作定时器。为什么要用它&#xff1f;新手可能用过 alar…

《穷查理宝典查理芒格的智慧箴言录》-20万字 最完整版

自用备份,有人要也可以自取 链接:https://pan.quark.cn/s/55e9e8be82c0