#MCP协议

avatar
蓝点网
1个月前
阿里云通义灵码 AI 编程助手推出独立客户端，无需通过插件形式安装在 VS Code 等 IDE 中。 此次更新通义灵码带来 MCP 协议的支持、自带编程智能体模式、支持长期记忆、支持行间建议预测等，为开发者带来更丝滑、更智能的编程体验。 通义灵码 AI IDE 客户端下载地址：
#阿里云 #通义灵码 #AI编程助手 #MCP协议 #编程智能体 #长期记忆 #编程体验 #软件更新
avatar
ginobefun
1个月前
Plate.js 是为 React 开发者设计的富文本编辑器框架，核心理念是插件驱动、组合性和无头架构，原生支持 AI 编辑能力（如内容生成、文本优化、结构生成）以及对 MCP 协议的支持，使 AI 工具能更好地理解编辑器项目上下文。
#Plate.js #React #富文本编辑器 #插件驱动 #无头架构 #AI编辑 #MCP协议
avatar
BNB Chain 華語
1个月前
Caila 是一個基於BNB Chain MCP 協議開發的現實世界AI代理，專為處理氣象數據並輔助旅行、交通及緊急情境的決策而設計。☁️☔️☀️ 註：本文僅供參考，不構成財務建議，請自行調研（DYOR）。
#Caila #BNB Chain #MCP协议 #AI代理 #气象数据 #旅行助手 #交通决策 #紧急情境 #技术发展
avatar
idoubi
2个月前
关于 MCP 的几个理解误区： 1. 误区 1：MCP 协议需要大模型支持 MCP 全称模型上下文协议，是为了在用户与大模型对话过程中，补充上下文信息给大模型，让大模型更准确的回答用户提问而设计的。 在 MCP 出来之前，有多种方式可以实现上下文信息的补充，比如： - 记忆存储。把对话过程的历史消息存储下来，每次新提问，带上历史消息一起发送给大模型 - RAG。在让大模型回答问题之前，先从本地知识库或者互联网上检索信息，作为上下文补充给大模型 - Function Calling。传递一堆工具给大模型挑选，根据大模型的返回参数，调用工具，用工具返回的结果作为上下文补充给大模型 理解了给大模型补充上下文的原理，就可以知道，MCP 的本质，是指导应用层，如何更好的补充上下文信息给大模型。 模型收到回复提问请求时，MCP 工作已经完成了。 结论：MCP 协议不需要大模型支持，哪怕你使用古老的 gpt-2 作为问答模型，依然可以使用 MCP 协议补充上下文信息。 2. 误区 2：只有支持 Function Calling 的模型才支持 MCP 协议 聊 MCP 协议，必须要理解 Function Calling 机制。 - Function Calling 是一种交互范式。 基本流程是应用层传递一堆工具给大模型，大模型意图识别，做一次 Pick Tool 操作，返回应该调用的工具名称和调用参数，再由应用层发起 Call Tool 操作，拿到结果重新给到大模型回答。 Function Calling 这套机制下有三个角色：应用、资源方、大模型。 两个核心步骤：Pick Tool 和 Call Tool。 Pick Tool 需要大模型推理，Call Tool 需要应用与资源方交互。 - MCP 协议是一套交互标准。可以理解为 MCP 是对 Function Calling 机制的包装与升级。 MCP 协议定义了三个角色：主机、客户端、服务器。 跟 Function Calling 机制相比，MCP 协议相当于是把 客户端-服务器 作为一个黑盒。 整体视角看，MCP 协议有四个角色：主机应用、黑盒（客户端-服务器）、资源方、大模型 主机把请求给到客户端，客户端请求服务器，服务器对接资源方，主机最终得到黑盒返回的结果，作为补充上下文给到大模型回答。 Function Calling 是应用直接对接资源，MCP 是应用通过黑盒对接资源，对接更加标准化，资源接入成本更低。 Function Calling 是应用直接定义一堆工具，MCP 是应用从 MCP 服务器获取定义好的工具，应用无需重复编码。 涉及到工具调用的环节，MCP 与 Function Calling 的交互形式一致。都依赖大模型的 Pick Tool 能力。 所谓的大模型支持 Function Calling，是指大模型在 Pick Tool 环节，有更好的理解和推理能力，最终能返回更加准确的 Tool 和参数。 不支持 Function Calling 的模型，依然可以通过提示词工程实现 Pick Tool。只不过准确度不如支持 Function Calling 的模型。 结论：不支持 Function Calling 的模型，依然可以使用 MCP 协议补充上下文信息。 3. 误区 3：大模型原生支持 MCP 协议 所谓的大模型原生支持 MCP 协议，正确的理解应该是大模型内化了 MCP 协议的定义，并且内置集成了大量基于 MCP 协议定义的工具。 当接到用户提问时，应用即使不给大模型传递任何工具，大模型依然可以基于内化的工具列表进行推理，返回应该调用的工具名称和调用参数给应用。 事实上，互联网上的资源是千差万别的，意味着对接资源的 MCP 服务器及其内部的工具是海量的，不可枚举的。 另一个关键点是，某些资源是私有的，需要用户鉴权的，大模型训练时不可能内化用户的鉴权凭证。 从这个角度来讲，大模型内化 MCP 协议下的海量工具，不现实也不可能。 某些模型厂商，也许是为了蹭 MCP 的热度，某些自媒体，也许是对 MCP 协议理解不到位，宣称某大模型原生支持 MCP 协议。 其实要表达的意思，也许只是，在随大模型一起发布的某个 agent 框架里面，加上了对 MCP 协议的支持。 结论：大模型原生支持 MCP 协议，这种说法是不专业的。大模型现阶段不可能原生支持 MCP。 本人认知有限，也许会有理解偏颇之处。欢迎补充交流。🙂
#MCP协议 #误区 #大模型 #上下文信息 #记忆存储 #RAG
avatar
歸藏(guizang.ai)
2个月前
我去，阿里的大招终于发布了！千问 3 开源 - 性能超越一众国内领先模型，也是全球最强的开源模型 - 开源8个尺寸模型最大235B，激活参数22B，最小0.6B - 支持类似Claude 3.7的混合推理，根据问题难度判断推理投入 - 原生支持各种 Agents 功能和 MCP 协议，对于Agents产品重大利好！ 下面是详细介绍👇
#阿里巴巴 #千问3 #开源模型 #Claude 3.7 #混合推理 #Agents功能 #MCP协议
avatar
Tom Huang
3个月前
来了来了 😋 最近超火的复杂资料可视化为网页或超高颜值的 PPT 提示词大挑战复刻！ 使用 Claude 3.7 写 PPT、复杂资料可视化网页或者超好看的 SVG，快速了解 Manus 带起最火的 MCP 协议🔥 之前放的是演示链接 下面的调好的提示词、代码、逻辑还有实际效果全开源 💥 👉
#PPT #资料可视化 #Manus #MCP协议 #开源项目 #Claude3.7
avatar
向阳乔木
4个月前
✨ 原来如此！MCP让AI工具秒变小助手 突然对AI编程工具都大力支持的 MCP协议有点理解了。 官方类比是U盘传输协议。 个人理解，好像是 AI 时代专为大模型和本地客户端提供的一种 API 写法？ 主要为了 LLM 自动识别调用外部工具、数据。 工具、数据可能是云端第三方提供，也可能本地自己搭的服务器。 比如，装Brave浏览器的搜索API，除粘贴 MCP 配置文件，还有填了免费 API key。 装了个抓 URL 转Markdown的MCP服务叫 fetch，好像就是一个Nodejs库，在你电脑上运行。 用起来确实方便，只需要自然语言对话，就能调用对应工具完成任务。 例如让抓取Paul graham的一篇文章，翻译成中文写入Markdown，一气呵成。
#AI编程工具 #MCP协议 #LLM自动识别 #Brave浏览器 #API写作
avatar
Tom Huang
5个月前
Anthropic 正式发布 MCP 协议 2025 年半年路线图！⚡️ 核心包括支持远程连接（手机也能用了）、服务分发与发现、Agent 支持（包括复杂工作流等）、以及更广泛的生态🔥 专门开了一个文档站 + Github 来讨论和思考，真的体现出了 All-in LLM 操作系统的决心啊，25 年越来越有意思了 链接在二楼🔗👇
#Anthropic #MCP协议 #远程连接 #LLM操作系统 #Agent支持 #2025年路线图 #服务分发与发现