文章介绍了MCP（模型上下文协议）作为大模型界的"Type-C"标准，解决了不同模型间工具不通用的问题。通过MCP，开发者可以创建统一格式的工具接口，使大模型能够执行绘画、搜索、文件操作等传统代码能力，而无需针对不同模型进行适配。MCP由客户端和服务端组成，其制定的标准有望构建起类似Windows和iOS的大模型生态系统，让大模型真正成为可承载各类应用的基座平台。

MCP 是一种特殊的（通用标准的） Agent 。所以当我们要理解 MCP 的时候，需要先了解什么是 Agent 。

什么是 Agent

在我们使用大模型的时候，大模型其实缺少很多能力。比如：我们向 Claude 发出指令：帮我画一只小猫。这时候 Claude 会这样回复你：对不起，我没有绘画的能力，无法帮你画一只小猫。

这时候怎么办呢？

我们就要使用到 Agent 。

第一步：我们要自己开发一个绘画的接口，该接口接收一个入参： Prompt ，然后调用其他 AI 工具比如 Midjourney 、 Stable Diffusion 等，生成图片，然后返回一个 Image_url 。

第二步：我们要生成一个 Json 对象，用自然语言描述我们这个接口的功能、入参、出参等，帮助大模型理解。

第三步：在调用大模型的时候，传入一个 Tools 对象，把上一步的 Json 传进去。

第四步：此时，我们再向大模型发出指令：帮我画一只小猫。此时的大模型返回值中，会有一个： Tool_use 字段，告诉你的程序：此时要调用工具了。并且会返回给你对应工具的名称、入参等。

第五步：你的程序根据大模型的返回值调用绘画接口。

第六步：拿到绘图结果之后，你有两个选择：1.你可以直接返回图片给用户 2.你也可以再次将结果发给大模型，由大模型转为更加自然的语言返回给用户。

第七步：完毕。

整个流程如下：

这样，我们就通过 Agent ，给大模型加上了很多的能力，比如：绘画、查询天气、预订机票、网页搜索等等，所有传统代码的操作能力都可以集成到大模型上。这样大模型的能力就大大加强了。

什么是 MCP

以上的 Agent 有一个缺点：各大模型之间不通用。

比如：调用 Claude 的时候，属性名称叫 Tools ，调用其他模型的时候，可能叫 Functions ，总之有一些细微的区别，这导致了你开发的 Tool 无法适配各个大模型。

就像之前的手机接口： 苹果手机用的是两端扁平的 Lightning 接口；安卓是梯形的安卓接口。直到 Type-C 出现后，才解决了这个问题，统一了各家的接口，成功让一根线可以适配不同的系统。

而现在， MCP 就是大模型界的 Type-C 。 Type-C 是一种协议， MCP 也是一种协议。协议就是约定。只要你按照这种约定开发的工具，你就不用担心模型适配的问题。 换个模型也能用。现在各大模型都已经支持 MCP 协议，也就是说，现在按照 MCP 协议去开发的工具，不用再像以前那样，换一个模型就不能用，就要修改代码了。 这带来了极大的便利性。

附加说明

为了避免读者误解，这里做一些附加的解释。

Agent 其实有两个意思：1.工具 2.智能体。我们这里取的是第一个意思。

当一个应用集成了多种工具，并可以根据模型大脑自主决策去执行哪个工具，形成链式调用，最终解决某一类任务的时候，这个应用就可以称之为智能体，同时也可以叫 Agent （此时是智能体的意思）。

MCP 其实由两部分组成： MCP-Client （调用端）和 MCP-Server （工具端），当我们说 MCP 的时候，通常指的是 MCP-Server ，也就是工具端。

MCP-client 就很多了，像我们经常使用的 Cursor 、 Cline 、 Windsurf 、 Claude 客户端、支持 MCP 的大模型等，都是 MCP-Client 。

我们自己也可以开发一个自己的 MCP-Client ，它的开发特别简单，不到200行代码就可以搞定。具体方法可以参考这个文档：https://modelcontextprotocol.io/quickstart/client ，这里是官方示例代码：https://github.com/modelcontextprotocol/quickstart-resources/blob/main/mcp-client-python/client.py

总结

通过MCP，我们可以扩展大模型的能力，让大模型不仅仅能够只输出文字，而是为其装上对外的触手，使其能够调用我们自己开发的工具，可以输出图片、音频，能够执行搜索、读取文件、调用接口等等等等所有我们想让大模型拥有的、传统接口和外界的能力。比如通过Blender的MCP，甚至可以让AI操作Blender帮你3D建模。

这个价值是巨大的。它所制定的标准，让大模型真正成为了一个可以承载类似Windows和iOS一样生态系统的基座平台。在MCP协议的基础之上，也将会诞生数以百万计的类似iOS APP一样的标准应用。

AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

​

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

​

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

04.大模型面试题目详解

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓