前言

在了解**Model Context Protocol(MCP)**前，首先需要先了解function calling，一般也理解为Tool Use。

为什么会有function calling？

大模型有几个问题：

1）没有最新的信息，因为训练的数据是某个时间点之前的，属于历史数据。

2）没有真正的逻辑能力，因为大模型返回的结果是基于训练数据的统计规律和概率匹配，而非严格的逻辑推理或形式化证明，即使加上了Jason Wei大佬提出的 ​链式思维（Chain of Thought，CoT​） 将大问题拆成小问题，以一定的逻辑顺序解决问题，但实质还是数据驱动的模式匹配，而非真正的认知推理。对于复杂的数学逻辑问题还是较为吃力。

3）大模型没与真实世界沟通的桥梁，就像人脑没有双手只能思考不能办事。

基于上述的一些问题，业内提出了Function Calling的概念，缓解了上述的问题，比如通过Function Calling访问最新的数据和私有的数据，为解决复杂的数据逻辑计算，可以通过tools use去调用专业的数学库，因为打通了和现实世界沟通的桥梁，大模型能做很多实际的现实工作。Function Calling的大体工作逻辑如下图：

一些说明

1，首先会开发好一个外部可调用的API function，这个服务可以是做Math复杂数据计算的工具，或是具体的业务操作，或是外部的最新数据源访问等等能力。

2，这个function会定义为一个Tool，然后会有Prompt提示词一起注册到大模型中，让模型明白这个Tool是干啥的。

3，用户发起调用后，大模型按用户的要求选择function，并按情况填充function的参数请求API返回结果。

4，在大模型获得function返回的结果后，按提示词渲染和组装结果返回给用户。

这里会有一个问题，那就是不同的功能，不同的场景需要按情况开发不同的function，每个开发者或组织都会有自己的function，不一样的规划不一样的格式。因此，MCP的主要目的就是这个，统一协议，统一标准。 官方文档说明如下：

Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect your devices to various peripherals and accessories,
MCP provides a standardized way to connect AI models to different data sources and tools.

关键字： like a USB-C （不能每个手机厂商都自己的接口吧~）， standardized（标准化的；规范化的） 。简言之，MCP是给function calling提供的一种标准化和规划化的协议。

MCP技术是什么

上文已经说的很清楚了，MCP是给function call提供的一种标准化和规划化的协议。下面是官方MCP架构的图片：

一些说明

1，不需要理解太复杂，主要注意三个元语：Tool（工具），Resource（资源），Prompt（提示模板）。

Tool（工具）：允许服务器公开可执行的函数，这些函数可由客户端调用并由 LLM 使用来执行操作。使服务器能够向客户端暴露可执行的功能。通过工具，LLM 可以与外部系统交互、执行计算并在现实世界中采取行动。

Resource（资源）：服务器提供给客户端的任何类型的只读数据。包括不限于：文件内容、数据库记录、图片、日志等等。

Prompt（提示模板）：这个才开始有点难理解，其实就是动态提示词，可以通过外部给AI模型沟通的“导航仪”，告诉模型“做什么”，明确“如何做”，确保输出更精准。

2，​理解了MCP之前的RAG（Retrieval-Augmented Generation检索增强生成）技术，Tool Use等需要和大模型交互的功能均统一可以使用MCP对接，而不需要单独的能力​。

3，上图的有些术语，MCP 客户端（MCP Clients），MCP 服务器（MCP Servers），本地资源（Local Resources），远程资源（Remote Resources）。

MCP 客户端（MCP Clients）：发起请求的AI应用程序，比如聊天机器人，Agent。

MCP 服务器（MCP Servers）：为 MCP客户端提供Tools，Resource和Prompt的服务。

本地资源（Local Resources）：可供 MCP 服务器安全访问的资源，如文件，数据库。

远程资源（Remote Resources）：MCP 服务器可以连接到的远程资源，如通过API提供的数据，比如天气，股票，新闻热点。

Demo实现

官方文档提供了Python ，Typescript，Java，kotlin这4中语音的SDK。这里使用大家比较熟悉的Java Spring AI MCP简单试用下Tools能力。

代码

详细例子可以查看SpringAI MCP 官方文档 。首先要求JDK版本至少为17。

# 1，maven依赖
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-bom</artifactId>
    <version>${spring-ai.version}</version>
    <type>pom</type>
    <scope>import</scope>
</dependency>
 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-server-webmvc-spring-boot-starter</artifactId>
</dependency>
 
# 2，初始化
@SpringBootApplication
public class McpserverApplication {
 
    public static void main(String[] args) {
        SpringApplication.run(McpserverApplication.class, args);
    }
 
    @Bean
    public ToolCallbackProvider wechatTools(WeChatService weChatService,EmailService emailService) {
        return MethodToolCallbackProvider.builder().toolObjects(weChatService,emailService).build();
    }
 
    public record TextInput(String input) {
    }
 
    @Bean
    public ToolCallback toUpperCase() {
        return FunctionToolCallback.builder("toUpperCase", (TextInput input) -> input.input().toUpperCase())
                .inputType(TextInput.class)
                .description("Put the text to upper case")
                .build();
    }
}
 
# 3，开发Tools
 
//--邮件Tool
@Service
public class EmailService {
 
    @Resource
    private EmailConfig emailConfig;
 
    @Tool(description = "使用邮件工具给target发送邮件")
    public String postEmailMsg(@ToolParam(description = "target目标邮箱") String target,
                               @ToolParam(description = "发送内容") String content) {
        List<String> to = new ArrayList<>();
        to.add(target);
        String subject = "AI MCP邮箱测试";
        boolean flag = EmailUtils.send(emailConfig, to, subject, content,
                emailConfig.getContentType(), null);
        System.out.println("邮箱发送结果flag=" + flag + "\n,target=" + target + "\n,content=" + content);
        return "send email result:" + flag;
    }
}
 
//--企微机器人Tool
@Service
public class WeChatService {
 
    @Value("${wechat.reboot.url}")
    private String wechatRebootUrl;
 
    @Tool(description = "给微信群推送内容为content的消息")
    public String postWeChatMsg(@ToolParam String content) {
 
        RestClient restClient = RestClient.create();
 
        Map<String, Object> requestBody = new HashMap<>();
        requestBody.put("msgtype", "text");
 
        Map<String, Object> contentBody = new HashMap<>();
        contentBody.put("content", content);
        requestBody.put("text", contentBody);
 
        // 发送 POST 请求
        var responseTmp = restClient.post()
                .uri(wechatRebootUrl)
                .header(Headers.CONTENT_TYPE, MediaType.APPLICATION_JSON_VALUE)
                .body(requestBody).retrieve();
 
        System.out.println("wechat发送结果" + responseTmp.toString());
        return responseTmp.toString();
    }
}
 
 
# 4，配置文件
server.port=8113
 
# Server identification
spring.ai.mcp.server.name=aiagent-demo-server
spring.ai.mcp.server.version=0.0.1
 
# Server type (SYNC/ASYNC)
spring.ai.mcp.server.type=SYNC
 
# mcp有两种通讯方式stdio（内部进程通讯）和Server-Sent Events (SSE 服务器发送事件)，
spring.ai.mcp.server.stdio=false
spring.ai.mcp.server.sse-message-endpoint=/mcp/message
spring.ai.mcp.server.enabled=true
 
# Change notifications
spring.ai.mcp.server.resource-change-notification=true
spring.ai.mcp.server.tool-change-notification=true
spring.ai.mcp.server.prompt-change-notification=true
 
# Logging (required for STDIO transport)
spring.main.banner-mode=off
logging.file.name=../logs/server.log
 
# 5，启动服务

测试

client调用

客户端调用代码同样使用SpringAI，较为简单，具体参考官方文档例子。

# 1,maven依赖
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-mcp-client-spring-boot-starter</artifactId>
</dependency>
 
<dependency>
    <groupId>org.springframework.ai</groupId>
    <artifactId>spring-ai-ollama-spring-boot-starter</artifactId>
</dependency>
 
# 2，初始化
@SpringBootApplication
public class McpclientApplication {
 
    public static void main(String[] args) {
        SpringApplication.run(McpclientApplication.class, args);
    }
 
    @Value("${ai.user.input}")
    private String userInput;
 
    @Bean
    public CommandLineRunner predefinedQuestions(ChatClient.Builder chatClientBuilder, ToolCallbackProvider tools,
                                                 ConfigurableApplicationContext context) {
        return args -> {
            var chatClient = chatClientBuilder
                    .defaultTools(tools)
                    .build();
            System.out.println("\n>>> QUESTION: " + userInput);
            System.out.println("\n>>> ASSISTANT: " + chatClient.prompt(userInput).call().content());
            context.close();
        };
    }
}
 
# 3，配置文件
server.port=8114
 
spring.main.web-application-type=none
 
spring.ai.ollama.base-url=${ollama服务的IP}:11434
spring.ai.ollama.chat.options.model=qwen2.5:14b
spring.ai.ollama.chat.options.temperature=0.7
 
spring.ai.mcp.client.sse.connections.server1.url=${mcp server的IP}:8113
 
ai.user.input=简单说明下RAG结束并发送到邮箱xxx@chinatelecom.cn
 
# 4，启动服务

结果

Langflow

Langflow需要配置MCP sse的Tool组件，如图：

Dify

Dify需要安装MCP sse的Tool，且要求版本在1.0.0+以上。如图

总结

0，MCP源于function calling。

1，​MCP是给function calling提供的一种标准化和规划化的协议。统一协议，统一标准。大模型的实际触发还是走的function calling​。

2，MCP需要注意三个元语：​**Tool（工具），Resource（资源），Prompt（提示模板）**​。

3，MCP社区开发了大量统一的MCP Server，不过MCP概念尚未普及，主流的开放平台还未兼容MCP协议，需要自己包装和开发。