大模型MCP示例

1. 工具发现（Tool Discovery）​​

• ​​客户端行为​​：
  用户输入问题后，客户端（如Claude Desktop）向已配置的MCP服务器（如高德地图MCP服务）发送请求，获取可用的工具列表。

  • ​​请求示例​​（HTTP GET）：

http复制GET https://mcp.amap.com/tools/list

​​响应示例​​（JSON）：

json复制{
  "tools": [
    {
      "name": "maps_weather",
      "description": "查询指定城市的实时天气数据",
      "parameters": {
        "city": "string"
      }
    }
  ]
}

• ​​LLM决策​​：
  LLM（如Claude）解析用户问题，匹配工具描述，发现maps_weather工具适合回答天气查询，并提取参数city: "北京"。

​​2. 工具调用（Tool Execution）​​

• ​​客户端发起调用​​：
  客户端根据LLM生成的参数，向MCP服务器发送工具调用请求。

  • ​​请求示例​​（HTTP POST）：

http复制POST https://mcp.amap.com/tools/call
Headers: {"Content-Type": "application/json"}
Body: {
  "tool": "maps_weather",
  "parameters": {"city": "北京"}
}

​​MCP服务器执行​​：
高德地图MCP服务收到请求后：

1. 验证API权限和参数有效性。

2. 调用内部天气API（如高德开放平台）获取实时数据。

3. 返回结构化结果。

• ​​响应示例​​：

json复制{
  "result": {
    "city": "北京",
    "weather": "晴天",
    "temperature": "22℃",
    "humidity": "45%"
  }
}

​​3. 结果整合（Response Generation）​​

• ​​LLM生成自然语言回复​​：
  LLM接收MCP返回的JSON数据，转换为用户友好的自然语言：

  plaintext复制"北京今天晴天，22℃，湿度45%。"
  

• ​​关键动作​​：
  • 提取weather和temperature字段。
  • 忽略冗余数据（如湿度，除非用户明确询问）。
  • 补充上下文（如“今天”）。

​​4. 协议交互流程图​​

关键设计特点​​

1. ​​解耦LLM与工具​​：
   • LLM无需预置工具代码，通过动态发现和调用扩展能力。
2. ​​标准化接口​​：
   • 所有工具遵循相同的/tools/list和/tools/call端点。
3. ​​安全控制​​：
   • MCP服务器可限制敏感工具（如数据库写入）的访问权限。

​​对比其他协议（如OpenAI Function Calling）​​

特性

MCP协议

OpenAI Function Calling

​​工具发现​​

动态获取（需主动请求/tools/list）

静态预定义（在API请求中传递工具描述）

​​执行方式​​

客户端直接调用MCP服务器

由OpenAI后端代理调用工具

​​适用场景​​

私有化部署、复杂工具链

快速集成OpenAI生态工具

通过这一流程，MCP协议实现了​​自然语言→工具调用→自然语言​​的闭环，同时保持灵活性和安全性。开发者可通过扩展MCP服务器支持更多工具（如股票查询、航班预订），而无需修改LLM核心逻辑。

  零基础入门AI大模型

今天贴心为大家准备好了一系列AI大模型资源，包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

3.技术文档和电子书

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

5.免费获取(扫下方二v码即可100%领取)