什么是模型上下文协议（MCP）？

模型上下文协议（MCP）是一种开源协议，可实现 AI 应用与外部服务之间的双向连接和标准化通信。开源协议（或一组指令）就像代码配方，任何人都可以自由使用并参与贡献。

MCP 使 AI 系统能够以简单且可靠的方式虚拟地“接入”不同的数据源和工具。您可以将 MCP 视为一种 USB-C 数据线，它能将设备与各类配件相连接，并实现数据传输功能。 

探索红帽 AI

在 MCP 出现之前，开发人员必须为特定用例创建自定义应用编程接口（API）集成。这意味着他们需要以略微不同的方式反复编写功能相似的集成代码。每个 AI 应用和外部服务之间的连接都需要单独定制，这使整个过程非常耗时。

借助 MCP，开发人员可以使用单一标准化协议，将 AI 应用连接至外部服务。MCP 不会取代 API，而是会基于 API 实现通信标准化。这使得利用大语言模型（LLM）构建复杂的 AI 工作流变得更加容易，并能将其与真实的数据相连接。

MCP 是对检索增强生成（RAG）等传统方法的补充，并提供企业组织在现有系统和工作流中部署代理式 AI 所需的安全控制和接口。 

MCP 基于客户端-主机-服务器模型（也称为“客户端-服务器模型“），该模型包含以下组件：

• MCP 客户端：请求访问外部数据或资源的 AI 应用或系统。
• MCP 主机：管理客户端和服务器之间通信的基础架构（虚拟机、容器或无服务器功能）。
• MCP 服务器：为客户端提供特定工具、资源和功能的组件。

在 MCP 协议运作时，第一步是握手协议。这种初始交互（也称为能力发现）用于确认 MCP 客户端与 MCP 服务器能够相互通信。 

在握手协议期间，MCP 客户端与 MCP 服务器交换关键信息以确保它们兼容。客户端会分享它具有的功能以及它支持的 MCP 版本。相应地，服务器会将它支持的功能以及可提供的工具和资源分享给客户端。

完成初始交互后，双方即可建立工作关系。 

理解上下文

如果“M”指的是语言模型，“P”指的是标准化通信协议，那么我们来探讨下 MCP 中的“C”：上下文。

在 MCP 领域，上下文是指模型能够访问的特定于任务的相关信息。上下文窗口则指模型生成响应时可访问的信息量。 

在 MCP 出现之前，AI 应用需在其上下文窗口中存储海量信息。其中部分信息不相关且会占用上下文窗口中的空间，导致模型产生幻觉。借助 MCP，应用能更高效地与工具及服务通信，精准获取所需信息，而非保留不相关的信息。 

当具备相关且充分的上下文信息时，模型能够记住对话的先前部分，提供更精准的结果，并更好地关联信息片段。MCP 允许客户端在其内存中存储相关数据，以帮助完成请求。该过程被称为“动态发现”。 

动态发现发生在功能发现阶段之后，使客户端和服务器能够协同为用户解决问题。具备这种共享和分析相关数据的能力，可为模型提供上下文，使 AI 应用能够灵活、独立地运作。

什么是混合专家模型？它如何大规模加快 LLM 推理速度？

在向 MCP 客户端提供上下文方面，MCP 服务器发挥着重要作用。了解不同类型的 MCP 服务器，有助于您掌握可实现的集成方案并了解如何规划 AI 工作流的架构。

本地数据源。这些服务器会连接到存储在您计算机上的信息，包括文件、本地数据库或应用。 

远程服务。这些服务器通过互联网连接到外部服务，包括云数据库和基于网络的工具。 

官方集成。企业组织预先构建这些服务器，以便提供与常用服务的连接，并且这些连接具备有保障的质量和技术支持。 

社区服务器。开发人员构建这些服务器，并在开发人员社区中公开分享。 

参考服务器。这些服务器通过展示最佳实践，充当模板和学习工具。

探索红帽的 MCP 服务器集合

MCP 与 AI 推理并非直接关联，但根据所用 AI 工具的复杂程度，二者可形成相互依赖的流程。

如前所述，MCP 的核心功能是将 AI 与工具、数据和外部资源连接起来，从而完成任务。推理则是指模型处理提示词并生成令牌，以提供预期的输出。MCP 可在推理过程中用于为模型提供信息支持，但它不会提高推理效率，也不会影响模型的架构。

正因为如此，推理环节的重要性不容忽视。简单来说，没有推理就没有 AI。当需要大型模型来执行企业级战略时，情况就会变得复杂。因此，支持推理功能的硬件和软件，关系到 AI 战略的成败。

为什么要关注 AI 推理

MCP 服务器使获取数据和信息变得比以往任何时候都更加便捷。但这引发了一个问题：如何确保 MCP 服务器上的数据安全无虞？

权限和安全防护策略规定了 MCP 服务器可以访问的内容以及可以执行的操作。MCP 提供内置的安全功能，如 OAuth（用于验证用户访问权限），并在客户端与服务器之间建立加密连接。

但是，开发人员也应实施自己的安全措施。最佳实践包括：

• 仅向 MCP 服务器提供其正常运作所需的最低访问权限，这也称为最小特权原则（PoLP）。这一网络安全概念旨在减少未经授权的用户、错误或攻击造成的潜在损害。
• 定期检查每台服务器可以访问的内容，确保没有任何服务器拥有不必要或过度的权限。
• 了解（作为用户）您在授权 MCP 连接时所授予的访问权限。
• 仅使用您信任的 MCP 服务器。

详细了解 MCP 安全风险和控制措施

代理式 AI 是一种软件系统，能够以尽可能少的人工干预实现与数据和工具的交互。代理式 AI 强调目标导向行为，可以通过创建一系列步骤并自主执行这些步骤来完成任务。

MCP 和代理式 AI 相辅相成，共同打造智能 AI 系统。借助 MCP，AI 系统可以与更广泛的数字生态系统交互，为用户完成任务。如果没有 MCP，代理式 AI 可以进行思考和规划（生成式 AI 的所有特征），但无法与任何外部系统交互。 

了解有关代理式 AI 的更多信息 

红帽® AI 旨在通过 vLLM 驱动的服务器实现快速、灵活且高效的推理。它将模型与数据进行可靠连接，在单个平台上统一实现专业代理的自定义和开发工作。我们的产品建立在开源基础之上，让您能够端到端全方位掌控任意规模的 AI 工作流。 

红帽 AI 产品组合包含红帽 AI Enterprise：这是一个用于在任何基础架构上部署、管理和扩展 AI 推理、代理式 AI 工作流和 AI 赋能应用的平台。

探索红帽 AI