SUN 为了让 LLM 成为真正的智能体，必须具备与外部环境交互的能力——访问实时数据、调用外部软件。没有标准化通信协议，每次集成都需定制开发，难以复用，阻碍了复杂 AI 系统的扩展和互联。
模型上下文协议（MCP）通过开放标准，成为 LLM 与外部系统的通用接口。它定义了能力发现和调用的标准流程，采用客户端-服务器架构，服务器可向任意合规客户端暴露工具、数据资源和 Prompt。
核心思想：标准化连接 —— MCP 像通用电源插座系统，不直接提供工具，但允许任何合规工具接入，打造动态、可扩展的智能体工作坊。
与函数调用的区别
函数调用适合简单场景（固定少量函数），MCP 则是复杂、互联 AI 系统不可或缺的标准化通信框架。
| 对比 | 函数调用 | MCP |
|---|---|---|
| 定义方式 | 代码中硬编码函数 | 服务器动态暴露工具 |
| 发现机制 | 无，开发者预先定义 | 客户端可动态查询服务器能力 |
| 可扩展性 | 每次新增需改代码 | 新服务器上线即可被发现使用 |
| 适用场景 | 简单、固定的工具集 | 复杂、多工具、多数据源的企业系统 |
MCP 架构
MCP 采用客户端-服务器模型，标准化信息流：
用户 → [LLM] → [MCP 客户端] ←→ [MCP 服务器] ←→ [第三方服务]
(数据库/API/SaaS)
四个核心组件
- LLM：核心 Agent，处理用户请求、制定计划、决定何时访问外部信息或执行操作
- MCP 客户端：LLM 的应用或包装层，将 LLM 意图转化为 MCP 标准请求，负责发现、连接和通信
- MCP 服务器：外部世界的入口，向授权客户端暴露工具、资源和 Prompt，通常负责某一领域（如数据库、邮件服务、API）
- 第三方服务：实际的外部工具、应用或数据源，由 MCP 服务器管理和暴露（如数据库查询、SaaS 平台、天气 API）
交互流程
- 发现：MCP 客户端代表 LLM 查询服务器能力，服务器返回工具、资源和 Prompt 清单
- 请求构造：LLM 决定使用某工具（如发邮件），构造请求并指定参数（收件人、主题、正文）
- 客户端通信：MCP 客户端将请求按标准格式发送至 MCP 服务器
- 服务器执行：MCP 服务器认证客户端、校验请求，调用底层软件执行操作（如邮件 API 的 send 函数）
- 响应与上下文更新：服务器返回标准化响应（如邮件发送确认 ID），客户端将结果反馈给 LLM，更新上下文，智能体继续后续任务
工具、资源与 Prompt 的区别
| 概念 | 说明 | 示例 |
|---|---|---|
| 资源（Resource） | 静态数据，供 LLM 读取 | PDF 文件、数据库记录、配置文件 |
| 工具（Tool） | 可执行功能，供 LLM 调用 | 发邮件、API 查询、文件写入 |
| Prompt | 引导 LLM 与资源或工具交互的模板 | 结构化查询模板、操作指引 |
MCP 的更多考量
| 考量 | 说明 |
|---|---|
| 可发现性 | 客户端可动态查询服务器能力，实现"即时发现"，智能体无需重启即可适应新功能 |
| 安全性 | 必须支持认证和授权，控制客户端访问权限和操作范围 |
| 实现复杂度 | 部分厂商（Anthropic、FastMCP）已推出 SDK，简化开发流程 |
| 错误处理 | 协议需定义错误如何反馈给 LLM，便于智能体尝试替代方案 |
| 本地 vs 远程 | 本地适合敏感数据和高性能，远程便于共享和扩展 |
| 按需 vs 批量 | 支持实时交互（对话型）和批量处理（数据分析流水线） |
| 传输机制 | 本地：JSON-RPC over STDIO；远程：Streamable HTTP + SSE |
适用场景
MCP 极大拓展了 AI/LLM 能力，常见九大应用场景：
| 场景 | 说明 |
|---|---|
| 数据库集成 | 通过 MCP 无缝访问结构化数据库，如查询 BigQuery，自然语言驱动 |
| 生成式媒体编排 | 集成 Imagen（图片）、Veo（视频）、Chirp 3 HD（语音）、Lyria（音乐）等生成服务 |
| 外部 API 交互 | 获取实时天气、股票价格，发送邮件，对接 CRM 系统 |
| 推理型信息抽取 | 利用 LLM 推理能力按需抽取信息，超越传统检索 |
| 自定义工具开发 | 用 FastMCP 等框架快速开发工具，通过 MCP 服务器暴露 |
| 标准化通信 | 降低集成成本，促进不同厂商间互操作 |
| 复杂流程编排 | 组合多种工具实现多步骤流程（获取数据→生成图片→撰写邮件→发送） |
| 物联网设备控制 | 通过 MCP 控制智能家居、工业传感器、机器人 |
| 金融服务自动化 | 对接数据源、交易平台、合规系统，实现分析、交易、报告 |
经验法则
构建复杂、可扩展或企业级智能体系统，需与多样化外部工具、数据源和 API 交互时，优先采用 MCP。尤其当需要不同 LLM 与工具互操作、智能体可动态发现新能力时，MCP 是最佳选择。若仅需固定少量函数，直接工具调用即可。
代码示例
示例 1：ADK 连接文件系统 MCP 服务器（7.1MCP示例_ADK文件系统.py）
演示如何通过 MCPToolset + StdioServerParameters 连接本地文件系统 MCP 服务器：
用户 → [filesystem_assistant_agent] → MCPToolset → npx @modelcontextprotocol/server-filesystem → 本地文件系统
MCPToolset：ADK 中连接 MCP 服务器的工具集StdioServerParameters：通过 STDIO 启动本地 MCP 服务器进程npx：npm 自带的包执行工具，无需全局安装即可运行 Node.js 包tool_filter（可选）：限制暴露的工具，如只允许读取
运行方式：进入脚本所在父目录，执行 adk web，在浏览器中选择 filesystem_assistant_agent，即可通过自然语言管理文件。
示例 2：FastMCP 服务器（7.2MCP示例_FastMCP服务器.py）
用 FastMCP 框架快速创建一个 greet 工具的 MCP 服务器：
@mcp_server.tool：装饰器注册工具函数，文档字符串和类型提示自动生成接口规范- 运行后监听
127.0.0.1:8000，任何 MCP 客户端均可调用
示例 3：ADK 消费 FastMCP 服务器（7.3MCP示例_ADK消费FastMCP.py）
ADK Agent 作为 MCP 客户端连接 FastMCP 服务器：
"向 John Doe 问好" → [fastmcp_greeter_agent] → HttpServerParameters → FastMCP 服务器 → greet("John Doe")
HttpServerParameters：通过 HTTP 连接远程 MCP 服务器tool_filter=['greet']：只允许使用 greet 工具
运行步骤：
- 先启动 FastMCP 服务器：
python 7.2MCP示例_FastMCP服务器.py - 再启动 ADK Web：
adk web - 选择
fastmcp_greeter_agent，输入 Prompt
示例 4：其他连接方式（7.4MCP示例_其他连接方式.py）
展示 python3 和 uvx 两种 STDIO 连接参数配置：
- python3：连接自己编写的 Python MCP 服务器脚本，可通过
env传递环境变量 - uvx：Python 命令行工具，利用 uv 临时隔离环境运行 Python 包，无需全局安装，适合运行社区 MCP 服务器
关键要点
- MCP 是开放标准，规范 LLM 与外部应用、数据源和工具的通信
- 采用客户端-服务器架构，定义资源、Prompt 和工具的暴露与消费方式
- ADK 支持消费现有 MCP 服务器，也可将自身工具暴露为 MCP 服务
- FastMCP 简化 MCP 服务器开发，尤其适合 Python 工具的快速集成
- MCP Genmedia 工具支持智能体集成 Google Cloud 生成式媒体服务
- MCP 让 LLM 和智能体能访问真实世界系统、动态信息，并执行超越文本生成的操作
总结
模型上下文协议（MCP）是连接大语言模型与外部系统的开放标准。它采用客户端-服务器架构，让 LLM 能通过标准化工具访问资源、利用 Prompt、执行操作。MCP 支持数据库访问、生成式媒体编排、物联网控制和金融自动化等场景。文中通过文件系统服务器和 FastMCP 服务器的智能体集成示例，展示了 MCP 与 ADK 的实际应用。MCP 是打造具备交互能力的智能体系统不可或缺的核心组件。