【瞎折腾2】MCP概念学习笔记

多谢佬,我看一下

直接安装的python,没有 conda

是要怎么配置 mcp 里面的 command 和 args 吗?

我是直接安装的 python

    "mcp_server_less_file": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli]",
        "--with-editable",
        "C:/Users/user/Documents/Cline/MCP/mcp_server_less_file",
        "mcp",
        "run",
        "C:/Users/user/Documents/Cline/MCP/mcp_server_less_file/server.py"
      ],
      "autoApprove": [
        "apply_variables_to_less_file"
      ]
    }

能理解了 多谢佬

1 Like

感谢大佬帮助更正概念

感谢大佬观点分享,非常认同大佬提到的大部分观点!我也想补充一点自己的看法以供讨论

在当下,佬提到的上下文窗口的限制问题。不论是在服务建设上还是实际使用成本上这个都限制了MCP特别是复杂工作流下MCP的发展。

但在MCP和Function Calling的路线上,按照我目前的理解,我个人还是倾向于MCP。理由是MCP从底层设计上开放度好像更高一点,Function Calling更像是对某个模型开发的某个特定功能,定制化属性比较强;

放到假想的长远设想里,MCP的设计好像更加如何我对未来人工智能的想象。

以点一杯咖啡为例:

目前的Agent实现思路大多是模拟人的操作行为,对真人使用的点单程序进行“拟人操作”。那么MCP的畅想下,我们可以实现一个面向AI的点单程序,点单MCP Server直接提供大模型更容易理解的结构化数据,完成商品展示/订单处理/支付等流程。

重要的是,这个MCP Server可以由已有的点单平台自己构建,也完全有可能基于MCP重建一个AI美团或者AI饿了么;类似于AI搜索尝试直接绕开google/baidu一样。大胆的假设,在AI生态下,存在了某种重构甚至颠覆的可能;

3 Likes

补一个,这个是同一个人在 B 站发的视频

方便喜欢 B 站的朋友直接在 B 站观看

4 Likes

学习这么棒的MCP概念之后,使用的我线上课来实操一下吧,效果更好 >>>>> 手搓的MCP程序如何配置在Cline中使用,MCP实践喂饭级教程。小白新手可以看过来,线上实操

2 Likes

不对,参考我这个,可以看我的线上实操课

2 Likes

佬的观点对我很有帮助,这个畅想确实非常美好!MCP的开发和接入确实如呼吸般顺畅,期待他的继续进化~

我的担忧仅在更加复杂的场景下,因为商业化稳定必须是第一位,所以我说他可能和Function Calling做一下整合,由Function Calling提供稳定保障,MCP快速扩展功能,:nesting_dolls:操作哈哈。

3 Likes

没用过 uv,我的建议是先切换到你运行 mcp 的 python 环境,然后执行 which python ,找到 python 的绝对路径配进去

2 Likes

我用Claude自己生產Claude自己用的MCP:

1 Like

我是 windows 电脑,只有个 python 环境。
上面提到了 把 command 直接改成 venv 里面的路径感觉是一个解决方式

另外我用的 uv 命令执行脚本,不知道能不能用 venv 里面的 uv ,我再研究一下,谢谢

思路我看懂了,就是我说的 改 command
我现在用的 uv,可能尝试一下 用 venv 里面 uv
谢谢

学习,感谢佬友分享

个人理解 ,如有错误,望指出

mcp 主要来约定大模型应用和外部应用如何交互。

举个例子,大模型通过mcp来创建文件,整个过程分为五步

  1. File mcpserver 会通过 mcpclient 告知大模型应用,他能做什么(当前case: 我可以创建文件)

  2. 应用会将这个信息,和用户问题,一起喂给大模型,大概如下


# 工具列表

createfile 创建文件 输入:{dir:文件目录},

# 用户问题

帮我在test目录下创建一个文件

  1. 大模型推理后,发现可以调用这个工具,于是返回 createfile, params: {dir: test}

  2. 应用将大模型的推理结果通过 mcpclient 给到 File mcpserver

  3. File mcpserver 去执行,并把执行结果基于client给到应用在给到大模型

所以可以看出,MCP,本质上还是对工具的管理,(ps:实际上他还管理prompt,resource,但是目前基本还是用在工具上)。

集中在两个方面 工具的发现,工具的执行。

但是这个和functioncall的区别呢?functioncall做的是步骤2,3,5。所以这两个我理解是相辅相成的。mcp使用统一个格式规定了如何定义工具,如何执行工具。而functioncall则是注重于大模型如何推理工具使用工具。

所以如果一旦有应用对外提供了mcpserver,当前大模型应用又刚好支持了 mcp,那么他们就可以无缝对接起来。而不用在专门针对如何调用,如何接入在做专门的适配了。

1 Like

:+1:
给大佬递茶,感谢大佬从实现层面给到了更加清晰的补充解释

感谢大佬分享,学习了

同样的感觉

好是很好,未来潜力非常大
但是,我觉得应该不能忽视MCP背后的安全和数据隐私问题
很可能未来会因为mcp产生严重的泄露安全问题:thinking:
ai拿数据直接就拿了,不知道内部有没有什么安全措施,还有配置mcp的json直接就写密钥key。
我想的很浅,只是嗅到了一点表面,抛砖引玉,应该有大佬能想到更加具体详细的
网络安全这方面就看 弗洛伊德 大佬了