MCP-Protokoll

MCP (Model Context Protocol) ist ein offenes Protokoll, das entwickelt wurde, um eine nahtlose Integration zwischen Anwendungen großer Sprachmodelle (LLM) und externen Datenquellen, Tools und Diensten zu ermöglichen, ähnlich dem HTTP-Protokoll in Netzwerken oder dem SMTP-Protokoll bei E-Mails.

Das MCP-Protokoll verbessert die Funktionalität, Flexibilität und Skalierbarkeit von LLM-Anwendungen, indem es die Art und Weise standardisiert, wie Modelle mit externen Ressourcen interagieren.

MCP bietet Entwicklern eine einheitliche, effiziente und interoperable Entwicklungsumgebung, indem es Kommunikationsregeln im Ökosystem der KI-Anwendungen standardisiert.


Kernkonzepte von MCP

Der Kern von MCP istModellkontext, das heißt, alle externen Informationen und Tools, die das LLM während des Betriebs benötigt.

MCP ermöglicht es LLMs, durch die Definition standardisierter Schnittstellen und Protokolle dynamisch auf die folgenden Inhalte zuzugreifen und sie zu integrieren:

  1. Externe Datenquellen: wie Datenbanken, APIs, Dokumentbibliotheken usw., die Echtzeit- oder historische Daten für LLMs bereitstellen.
  2. Tools und Dienste: wie Berechnungswerkzeuge, Suchmaschinen, Dienste von Drittanbietern usw., die die Fähigkeiten von LLMs erweitern.
  3. Kontextverwaltung: dynamisches Verwalten des Gesprächskontexts des LLM, um Kohärenz und Konsistenz sicherzustellen.

MCP-Architektur

Die MCP-Architektur besteht aus vier Schlüsselkomponenten:

  1. Host: Ein Host ist eine KI-Anwendung, die Daten von Servern beziehen möchte, wie eine integrierte Entwicklungsumgebung (IDE), ein Chatbot usw. Der Host ist für die Initialisierung und Verwaltung von Clients, die Handhabung der Benutzerautorisierung, die Verwaltung der Kontextaggregation und mehr verantwortlich.
  2. Client: Der Client ist die Brücke zwischen dem Host und dem Server. Er unterhält eine Eins-zu-eins-Verbindung mit dem Server und ist für Nachrichtenrouting, Fähigkeitsverwaltung, Protokollaushandlung, Abonnementverwaltung und mehr verantwortlich. Der Client stellt sicher, dass die Kommunikation zwischen dem Host und dem Server klar, sicher und effizient ist.
  3. Server: Der Server ist eine Komponente, die externe Daten und Tools bereitstellt. Er bietet zusätzlichen Kontext und Funktionalität für große Sprachmodelle durch Tools, Ressourcen und Prompt-Vorlagen. Beispielsweise kann ein Server API-Aufrufe an externe Dienste wie Gmail und Slack bereitstellen.
  4. Basisprotokoll: Das Basisprotokoll definiert, wie Hosts, Clients und Server kommunizieren. Es umfasst Nachrichtenformate, Lebenszyklusverwaltung, Transportmechanismen und mehr.

MCP ist wie USB-C und ermöglicht es verschiedenen Geräten, sich über dieselbe Schnittstelle zu verbinden.


Wie MCP funktioniert

MCP ermöglicht die Interaktion zwischen LLMs und externen Ressourcen, indem standardisierte Datenformate und Kommunikationsprotokolle definiert werden.

MCP verwendet JSON-RPC 2.0 als Nachrichtenformat und kommuniziert über standardmäßige Anfrage-, Antwort- und Benachrichtigungsnachrichten.

MCP unterstützt mehrere Transportmechanismen, darunter lokale Standardeingabe/-ausgabe (Stdio) und HTTP-basierte Server-Sent Events (SSE).

Der MCP-Lebenszyklus umfasst drei Phasen: Initialisierung, Betrieb und Herunterfahren, wodurch sichergestellt wird, dass Verbindungsaufbau, Kommunikation und Beendigung der Protokollspezifikation entsprechen.

Der folgende Abschnitt zeigt seinen Workflow:

1. Kontextanfrage

Eine LLM-Anwendung sendet eine Kontextanfrage an eine externe Ressource, einschließlich des erforderlichen Daten- oder Diensttyps.

  • Die LLM-Anwendung sendet eine Anfrage an die externe Ressource basierend auf den Aufgabenanforderungen.
  • Die externe Ressource gibt die erforderlichen Daten oder Dienstergebnisse zurück.

2. Kontextintegration

Die LLM-Anwendung integriert die von der externen Ressource zurückgegebenen Kontextdaten in das Modell, um Antworten zu generieren oder Aufgaben auszuführen.

  • Die LLM-Anwendung kombiniert externe Daten mit dem internen Wissen des Modells, um genauere oder reichhaltigere Antworten zu generieren.

3. Kontextverwaltung

MCP unterstützt die dynamische Verwaltung des Gesprächskontexts des LLM und gewährleistet Kohärenz bei Multi-Turn-Konversationen.

  • Der Kontextmanager verwaltet die Historie und den Zustand des Gesprächs.
  • Die LLM-Anwendung generiert kohärente Antworten basierend auf dem Kontext.

Schlüsselteil des Protokolls – Nachrichten

Der Kern von MCP ist die Verwendung von JSON-RPC 2.0 als Nachrichtenformat, das eine standardisierte Möglichkeit für die Kommunikation zwischen Clients und Servern bietet.

Das Basisprotokoll definiert drei grundlegende Nachrichtentypen: Requests, Responses und Notifications.

Das Folgende ist eine detaillierte Beschreibung dieser drei Nachrichtentypen:

1. Requests

Request-Nachrichten werden verwendet, um Operationen vom Client zum Server oder vom Server zum Client zu initiieren.

Die Struktur einer Request-Nachricht ist wie folgt:

{
  "jsonrpc": "2.0",
  "id": "string | number",
  "method": "string",
  "params": {
    "[key: string]": "unknown"
  }
}
  • jsonrpc: Protokollversion, festgelegt als"2.0"。
  • id: eindeutiger Bezeichner für die Anfrage, der eine Zeichenkette oder eine Zahl sein kann.
  • method: der Name der aufzurufenden Methode, der eine Zeichenkette ist.
  • params: Methodenparameter, ein optionales Schlüssel-Wert-Paar-Objekt, bei dem Schlüssel Zeichenketten sind und Werte von beliebigem Typ sein können.

2. Responses

Response-Nachrichten sind Antworten auf Requests, die vom Server an den Client oder vom Client an den Server gesendet werden.

Die Struktur einer Response-Nachricht ist wie folgt:

{
  "jsonrpc": "2.0",
  "id": "string | number",
  "result": {
    "[key: string]": "unknown"
  },
  "error": {
    "code": "number",
    "message": "string",
    "data": "unknown"
  }
}
  • jsonrpc: Protokollversion, festgelegt als"2.0"。
  • id: der Anfrage entsprechendidid, dient zur Identifizierung der Anfrage, zu der die Antwort gehört.
  • result: wenn die Anfrage erfolgreich ist,resultDas Feld enthält das Ergebnis der Operation, bei dem es sich um ein Objekt aus Schlüssel-Wert-Paaren handelt.
  • error: wenn die Anfrage fehlschlägt,errorDas Feld enthält Fehlerinformationen, wobei:
    • code: Fehlercode, der eine Zahl ist.
    • message: Fehlerbeschreibung, die eine Zeichenkette ist.
    • data: optionale zusätzliche Fehlerinformationen, die von beliebigem Typ sein können.

3. Benachrichtigungen

Benachrichtigungsnachrichten sind Einweg-Nachrichten, die keine Antwort vom Empfänger erfordern.

Die Struktur einer Benachrichtigungsnachricht ist wie folgt:

{
  "jsonrpc": "2.0",
  "method": "string",
  "params": {
    "[key: string]": "unknown"
  }
}
  • jsonrpc: Protokollversion, festgelegt als"2.0"。
  • method: der Name der aufzurufenden Methode, der eine Zeichenkette ist.
  • params: Methodenparameter, ein optionales Schlüssel-Wert-Paar-Objekt, bei dem Schlüssel Zeichenketten sind und Werte von beliebigem Typ sein können.

Hinweise

  • Anfragen und Antworten: Anfragen und Antworten sind eins zu eins; nachdem der Client eine Anfrage gesendet hat, gibt der Server eine Antwort zurück.idDas Feld wird verwendet, um Anfragen und Antworten miteinander zu verknüpfen.
  • Benachrichtigungen: Benachrichtigungen sind einseitig; der Sender muss nicht auf eine Antwort des Empfängers warten. Benachrichtigungen werden typischerweise in Szenarien wie Ereignis-Pushing oder Statusaktualisierungen verwendet.
  • Fehlerbehandlung: Wenn eine Anfrage fehlschlägt, enthält die Antwort daserrorFeld, das Fehlercodes und Beschreibungen bereitstellt, um Entwicklern zu helfen, Probleme schnell zu finden.

Hauptmerkmale von MCP

  1. Standardisierte Schnittstelle: Definieren Sie einheitliche Schnittstellen und Protokolle, um die Kompatibilität zwischen LLMs und externen Ressourcen sicherzustellen.
  2. Dynamische Integration: LLMs dabei unterstützen, dynamisch auf externe Datenquellen und Tools zuzugreifen und diese zu integrieren.
  3. Kontextbewusstsein: Unterstützen Sie das dynamische Management des Gesprächskontexts, um die Kohärenz in mehrstufigen Gesprächen zu verbessern.
  4. Offenheit und Erweiterbarkeit: Unterstützen Sie Drittanbieter-Entwickler dabei, Funktionen und Ressourcen für LLM-Anwendungen zu erweitern.

Anwendungsszenarien von MCP

MCP wird häufig in den folgenden Szenarien verwendet:

  1. Erweiterte Frage-und-Antwort-Systeme: Bieten präzise Antworten in Echtzeit durch die Integration externer Datenquellen.
  2. Intelligente Assistenten: Führen komplexe Aufgaben aus (wie Buchung, Berechnung, Suche usw.) durch die Integration von Werkzeugen und Diensten.
  3. Wissensmanagement: Bietet professionelle Unterstützung für Domänenwissen durch die Integration von Dokumentbibliotheken und Datenbanken.
  4. Multi-Turn-Konversationen: Ermöglichen kohärente Multi-Turn-Konversationen durch Kontextmanagement.

Vor- und Nachteile von MCP

Vorteile:

  1. Funktionserweiterung: Erweitert die Funktionalität von LLM-Anwendungen erheblich durch die Integration externer Ressourcen.
  2. Flexibilität: Unterstützt den dynamischen Zugriff auf mehrere Datenquellen und Werkzeuge sowie deren Integration.
  3. Offenheit: Standardisierte Protokolle unterstützen die Entwicklung und Integration durch Dritte.

Nachteile:

  1. Komplexität: Erfordert das Entwerfen und Pflegen der Interaktionslogik mit externen Ressourcen.
  2. Leistungsaufwand: Der Zugriff auf externe Ressourcen kann zusätzliche Latenz verursachen.

Alternativen zu MCP

In bestimmten Szenarien können die folgenden Alternativen verwendet werden:

  1. Benutzerdefinierte API: Benutzerdefinierte API-Schnittstellen, die für LLM-Anwendungen entwickelt wurden.
  2. Plugin-Mechanismus: Verwenden Sie den Plugin-Mechanismus, um die Funktionalität von LLM-Anwendungen zu erweitern.
  3. Wissensgraph: Integrieren Sie externes Wissen durch Wissensgraphen.
Weitere Erweiterungen