第一单元回顾

模型上下文协议 (MCP)

MCP 是一种标准化协议，旨在将 AI 模型与外部工具、数据源和环境连接起来。它通过实现互操作性和实时信息访问来解决现有 AI 系统的局限性。

MCP 遵循客户端-服务器模型，其中客户端管理用户和服务器之间的通信。这种架构促进了模块化，允许轻松添加新服务器而无需更改现有主机。

面向用户的 AI 应用程序，作为最终用户的界面。

主机应用程序中的一个组件，负责管理与特定 MCP 服务器的通信。客户端与服务器保持 1:1 连接并处理协议级别细节。

通过 MCP 协议提供对工具、数据源或服务访问的外部程序或服务。服务器充当现有功能的轻量级封装。

可执行函数，可以执行操作（例如，发送消息、查询 API）。工具通常由模型控制，由于其能够执行具有副作用的操作，因此需要用户批准。

用于上下文检索的只读数据源，无需大量计算。资源由应用程序控制，设计用于数据检索，类似于 REST API 中的 GET 端点。

预定义模板或工作流，用于指导用户、AI 模型和可用能力之间的交互。提示由用户控制，并设置交互的上下文。

服务器发起的 LLM 处理请求，支持服务器驱动的代理行为以及潜在的递归或多步交互。采样操作通常需要用户批准。

MCP 协议使用 JSON-RPC 2.0 作为客户端和服务器之间通信的消息格式。支持两种主要传输机制：stdio（用于本地通信）和 HTTP+SSE（用于远程通信）。消息包括请求、响应和通知。

MCP 允许客户端通过列表方法（例如，tools/list）动态发现可用的工具、资源和提示。这种动态发现机制使客户端能够适应每个服务器提供的特定能力，而无需硬编码服务器功能的知识。

提供多种编程语言的官方 SDK，用于实现 MCP 客户端和服务器。这些 SDK 处理协议级别通信、能力注册和错误处理，从而简化了开发过程。

Gradio 允许轻松创建 Web 界面，将功能暴露给 MCP 协议，使其可供人类和 AI 模型访问。这种集成在提供 AI 可访问工具的同时，以最少的代码提供了人性化的界面。