MCP原理

MCP的五个核心要素

MCP是C/S架构的，大致架构如下：

LLM <==========> MCP Client <==========> MCP Server <==========> Local Resources / Remote Resources

MCP Host

作为运行MCP的著应用程序，例如Claude Desktop、Cursor、Cline或其他AI工具，作为用户提供与LLM交互的接口，同时集成了MCP Client已连接MCP Server。

• 可以让用户与LLM交互
• 集成Client连接Server

MCP Client

充当LLM和MCP Server之间的桥梁，嵌入在主机程序中，主要负责：

• 接收来自LLM的请求
• 将请求转发到相应的MCP Server
• 将MCP Server的结果返回给LLM

可以在MCP官网查询支持MCP的Clients，分为两类：

• AI编程IDE：如Cursor等
• 聊天客户端：如Cherry Studio、Claude等

MCP Server

每个MCP Server都提供了一组特定的工具。负责从Local Data或者Remote Service中检索信息，是MCP架构中的关键组件。与传统的远程API服务器不同，MCP服务器既可以作为本地应用程序（stdio的方式通信）在用户设备上运行，也可以部署至远程服务器（sse的方式通信，建立http连接）。作用是让LLM不仅能“说”，还能够“做”。

MCP的本质是运行在电脑上的一个Node.js程序或者Python程序，可以理解为客户端使用命令调用了电脑上的Node.js程序或者Python程序。

• 使用TS编写的MCP Server可以通过npx命令运行
• 使用Python编写的MCP Server可以通过uvx命令运行

在Cursor中，如果MCP Server的指示灯为绿色，则说明MCP客户端和MCP服务器已连接。

Local Resources

本地资源，可以由MCP Server操作

Remote Resources

远程资源，可以由MCP Server操作

MCP工作流程

初始化阶段

• 用户启动客户端
• 客户端与服务器建立连接（服务器可以是本地的，也可以是远程的）
• 客户端向服务器请求可用的工具列表（调用api tools/list）
• 服务端返回工具列表和描述

我们在Smithery、mcp.so等网站上寻找mcp时候，会提供相应的Tools，也就是工具列表，每个工具可以看作server提供的函数

查询处理阶段

• 用户输入查询
• 客户端发送查询和可用工具信息给大语言模型（LLM）
• 大模型分析后，返回给客户端响应（文本或工具调用）
  • 如果响应是工具调用，客户端会请求服务器执行工具调用（调用api tools/call），然后服务器返回工具执行结果，然后客户端再把这些信息给大模型，大模型再次进行分析，进行循环。实际上，当LLM向客户端响应工具调用后，客户端还会向用户询问是否执行工具，由用户确认执行后，客户端才会请求服务器执行工具调用
  • 如果响应是文本，则客户端显示给客户文本响应