就在昨天，Anthropic发布了一项革命性的技术——模型上下文协议（Model Context Protocol，MCP）。
从此，LLM应用链接数据难的痛点，有望彻底解决。
我们不必再为每个数据源写定制的集成代码了，LLM应用的生态恐怕要颠覆!
这个名为MCP的开放协议，目标是实现LLM应用程序与外部数据源和工具之间的无缝集成。
因为允许LLM访问和利用外部资源，它的功能性和实用性都会大大增强。
无论是构建AI驱动的IDE、聊天界面，还是创建自定义的AI工作流，MCP都提供了一种标准化的方式，来连接LLM与它们所需的上下文。
现在，AI大模型已经得到了大量投资，推理和性能都取得了飞速进步。但我们为何很难看到一款杀手级的AI主流应用？
其中一个重要原因，就是即使是最先进的模型，也会因为受制于传统系统和信息流的低集成度，从而难以获取多种数据，陷入信息孤岛。
因为每个新的数据源，都需要定制化的集成，就导致真正的互联系统难以扩展。
但如今MCP的诞生，彻底击碎了这个痛点！
下面这个视频，给我们展示了MCP的惊人表现。
简单配置一下，MCP就能让Claude直接连接GitHub，创建仓库了，一套操作非常丝滑炸裂。
向Claude发送指令：
创建一个简单的HTML页面 创建名为simple-page的仓库 将HTML页面推送到simple-page仓库 向HTML页面添加一些CSS样式，然后将其推送上去 提交一个问题，在HTML页面上添加更多内容 现在创建一个名为feature的分支，并修复此问题，然后推送更改 针对main分支提交拉取请求，包含这些更改
核心架构
一次构建，让AI无处不在
谷歌依赖于自己的内部服务：搜索、Gmail、日历 微软正在尝试使用其安全的Office Copilot应用程序获取企业用户上下文 苹果试图通过隐私保护继续获取用户上下文，同时允许访问ChatGPT进行高级查询 OpenAI已经尝试了GPT，现在正在尝试通过ChatGPT桌面应用程序连接应用程序。ChatGPT的愿景是通过屏幕共享控制用户桌面。
应用集成护城河正被削弱。随着AI模型能够原生接入第三方数据源，应用程序之前建立的独特数据集成优势正在消失
前沿模型在「预集成」到各种内容商店能力上展开竞争。未来，各大AI模型会竞相提供与不同内容库的原生连接能力
将会看到前沿AI模型与特定数据源公司建立独家的合作关系
创建Server代码
# /// script# dependencies = [# "mcp"# ]# ///from mcp.server import Server, NotificationOptionsfrom mcp.server.models import InitializationOptionsimport mcp.server.stdioimport mcp.types as types# Create a server instanceserver = Server("example-server")# Add prompt capabilities@server.list_prompts()async def handle_list_prompts() -> list[types.Prompt]:return [types.Prompt(name="example-prompt",description="An example prompt template",arguments=[types.PromptArgument(name="arg1",description="Example argument",required=True)])]@server.get_prompt()async def handle_get_prompt(name: str,arguments: dict[str, str] | None) -> types.GetPromptResult:if name != "example-prompt":raise ValueError(f"Unknown prompt: {name}")return types.GetPromptResult(description="Example prompt",messages=[types.PromptMessage(role="user",content=types.TextContent(type="text",text="Example prompt text"))])async def run():# Run the server as STDIOasync with mcp.server.stdio.stdio_server() as (read_stream, write_stream):await server.run(read_stream,write_stream,InitializationOptions(server_name="example",server_version="0.1.0",capabilities=server.get_capabilities(notification_options=NotificationOptions(),experimental_capabilities={},)))if __name__ == "__main__":import asyncioasyncio.run(run())
工作流程
这个例子中使用MCP与Claude Desktop交互时的具体流程如下：
Claude Desktop在启动时连接到用户配置的MCP服务器
Claude Desktop确定哪个MCP服务器可以提供帮助，本例中就是SQLite
通过协议来确定功能的实现方式
从MCP服务器（SQLite）请求数据或操作
网友自主搭建
https://x.com/alxfazio/status/1861082314953892191
https://x.com/ScottWu46/status/1861130277675794700
https://x.com/rowancheung/status/1861149923007439253
https://modelcontextprotocol.io/quickstart
https://www.anthropic.com/news/model-context-protocol
想要了解更多资讯，请扫描下方二维码，关注机器学习研究会
转自：新智元
