王烨萍_濮阳做网站多少钱_促销活动推广语言_简述网站建设的一般流程

文章目录

- 1. 开始啦
- 2. 工具（模型控制）：赋予 AI 行动能力
- 3. 资源（应用控制）：为 AI 提供关键上下文
- 4. 提示（用户可控）：优化 AI 交互
- 5. 它们如何协同工作

1. 开始啦

欢迎来到模型上下文协议的核心引擎室！在前几章中，我们探讨了 MCP 背后的「为什么」——即需要一种标准化方式让 AI 模型与应用有效沟通。

现在，我们将深入「如何实现」。本章将介绍使 MCP 运作的三大基础构建模块： 工具、资源和提示。

试想构建一个复杂的 AI 助手。你需要让 AI 具备执行操作的能力（如预约安排），让它能够知晓信息（如你的当前日程），以及让你能引导其行为以获得最佳结果。

工具、资源和提示正是 MCP 框架中提供这些功能的三大支柱。理解这些核心组件对于释放 AI 集成的全部潜力至关重要。让我们慢慢来搞明白。

2. 工具（模型控制）：赋予 AI 行动能力

想象给你的 AI 助手一套专用工具——扳手用来修理、电话用来拨打、笔用来书写信息。在 MCP 中，工具正是如此：它们是 AI 模型可以选择使用的功能或能力，用以执行操作或与外界交互。

定义： 工具代表 AI 模型可以调用的动作或操作。它们本质上是向模型开放的函数，使其不仅能生成文本，还能主动执行数字世界乃至物理世界中的任务（通过连接的系统）。
控制： 工具是由模型控制的。这意味着 AI 根据用户请求和上下文决定何时及如何使用特定工具。应用程序定义哪些工具可用，但由模型选择并执行它们。
类比： 想象一位技艺精湛的厨师（AI 模型）在设备齐全的厨房（应用环境）中工作。刀具、烤箱和搅拌机就是工具。厨师根据菜谱（用户请求）决定使用哪种工具（例如"我需要打蛋器来搅拌这些鸡蛋"）。
示例：
- API 调用： 向外部服务发送数据（例如使用 book_flight 工具调用航空公司 API）。
- 数据库操作： 执行命令更新信息（例如一个 create_calendar_event 工具向数据库添加条目）。
- 发送通知： 触发警报或消息（例如使用 send_email 工具）。
- 执行代码： 在应用程序环境中运行特定脚本或函数。

工具是 MCP 中面向行动的部分，使 AI 能够成为积极的参与者，而不仅仅是被动的响应者。

3. 资源（应用控制）：为 AI 提供关键上下文

如果说工具是 AI 能做什么，那么资源就是 AI 能知道什么。为了让 AI 智能行动，它需要获取相关且最新的信息。资源正是提供这种上下文的关键。

定义： 资源代表应用程序向 AI 模型提供的特定数据或信息片段。它们作为受控访问点，连接应用程序状态或外部数据源。
控制： 资源由应用程序控制。应用程序决定哪些信息可作为资源使用，并确保提供的数据准确且实时。AI 模型可以请求访问资源，但数据本身由应用程序管理。
类比： 延续厨师的比喻，资源就像是储藏室和冰箱里的食材（应用程序的数据存储）。厨师（AI 模型）知道可以要求"西红柿"（访问用户资料资源），而厨房经理（应用程序）则确保西红柿新鲜并在请求时提供。
示例：
- 用户资料数据： 访问诸如姓名、邮箱、偏好等信息（用户资料资源）。
- 产品目录： 获取可用产品的详细信息（产品数据库资源）。
- 当前天气： 获取实时天气信息（weather_api_data 资源）。
- 文档内容： 访问特定文件的文本内容（document_text 资源）。
- GET 端点： 正如您所指出的，资源在功能上类似于 Web 开发中的 HTTP GET 端点——它们提供了一种检索特定信息的方式，而无需改变系统底层状态。

资源确保 AI 模型在必要的背景信息下运行，从而产生更相关、更准确的响应和行动。

4. 提示（用户可控）：优化 AI 交互

当工具让 AI 行动、资源让 AI 认知时，提示允许用户（或开发者）引导 AI 如何处理任务。它们是塑造 AI 针对特定用例行为的模板或指令。

定义： 提示是与 AI 模型交互的预定义结构或模板，旨在为重复性任务或特定场景获取最优响应。通常包含动态信息的占位符。
控制： 提示通常由用户控制或开发者控制。用户或开发者设计这些提示以简化交互，并确保 AI 以最高效的格式接收指令。
类比： 将提示词想象成餐厅的标准点菜单。与其模糊地告诉厨师“给我做点吃的”，不如使用表单（点披萨提示）明确标注“尺寸：[大号]，配料：[意大利辣香肠，蘑菇]，饼底：[薄脆]”。这能确保厨师以正确格式获取所需的确切信息。
示例：
- 摘要提示： “总结以下文档：[文档内容]。重点关注关键发现和待办事项。”
- 邮件生成提示： “起草一封礼貌的跟进邮件给[收件人姓名]，内容关于我们讨论[主题]的会议。提一下会议笔记已附上。”
- 代码生成提示：“编写一个名为 [函数名] 的 Python 函数，该函数接收 [输入参数] 并返回 [预期输出]。需包含针对 [特定错误条件] 的错误处理。”

提示作为交互的蓝图，使得与 AI 的沟通更加高效、可预测，并能针对特定需求进行定制。

5. 它们如何协同工作

当工具、资源和提示协同工作时，MCP 的真正威力才得以显现。让我们通过一个简单场景来说明：

场景： 用户询问他们的 AI 助手：“我明天的日程安排是什么？能否帮我预订一个与张三关于项目启动的 30 分钟会议？”

用户请求： 初始请求到来。
提示（可选）： 应用程序可能使用预定义的 schedule_and_book 提示来构建交互，确保 AI 理解请求的双重性质。
资源访问： AI 模型识别出需要日程信息。它请求访问 user_calendar 资源。应用程序提供了明天相关的日历数据。
信息处理： AI 处理通过资源获取的日历数据。
工具调用： AI 确定需要预订会议。它识别出 book_meeting 工具作为合适的操作。
工具执行： AI 调用 book_meeting 工具，可能传递诸如参会人（“张三”）、时长（“30 分钟”）和主题（“项目启动”）等参数。该应用背后支持 book_meeting 工具的代码会与日历系统 API 交互以创建事件。
响应生成： AI 通过整合来自 user_calendar 资源的信息和 book_meeting 工具的执行结果（例如"明天上午 10 点您有一个会议。我已成功为您预约了下午 2 点与张三关于项目启动的 30 分钟会议。"）来生成用户响应。

在此流程中，资源提供上下文（日程安排），工具执行操作（预约），而提示词可用于结构化初始请求以确保清晰度。这种协作使得复杂多步骤任务能够无缝处理。

通过理解工具、资源和提示，您就掌握了模型上下文协议的核心机制。这些组件提供了一个灵活而标准化的框架，用于构建复杂的应用程序，使 AI 模型能够访问信息、采取有意义的行动，并在指导下实现最佳性能。在下一章中，我们将深入探讨实际实现细节，并探索如何在您自己的项目中定义和使用这些构建模块。