MCP Knowledge Base

MCP 知识库

📌 为什么建立这个仓库？

目的：
这个仓库是围绕 Model Context Protocol（MCP） 建立的个人及公开知识库。MCP 是一项新兴标准，旨在通过结构化交互让大模型调用工具。

随着我不断加深对 MCP 的理解，我会持续完善这个仓库。由于 MCP 仍在发展中，内容可能存在概念上的疏漏或早期解读，之后会随 MCP 的演进而更新。

这个仓库将包含：

• 对 MCP 通信流程的说明
• 展示 Host、服务、大模型和工具之间交互的图表
• 模拟 MCP 流程的 Python 示例代码
• 论文或讨论的笔记和参考资料
• 探索工具链、缓存和 MCP 状态管理等新想法的空间

---

🔁 Model Context Protocol 的工作原理

以下是基于早期实验对 MCP 生命周期的简化说明：

1. 💬 用户输入：用户提交查询（例如，在 VS Code 或浏览器 IDE 中；这充当 MCP Host）。
2. 📡 工具发现：Host 向 MCP 服务发送请求，以发现可用工具或插件。
3. 📤 查询分发：Host 将用户查询和工具元数据一并传递给 大模型。
4. 🧠 工具选择：大模型选择一个或多个工具来处理查询（例如，天气 API 或计算器）。
5. 🛠️ 工具执行：Host 通过调用 MCP 服务来执行工具。
6. 📥 结果处理：工具返回结果；Host 将结果提供给大模型。
7. ✅ 最终输出：大模型返回完整答案，其中包含所有必要的上下文。

---

🧪 示例和模拟

在 examples/ 文件夹中：

• basic_mcp_demo.py：将添加 MCP Host 和服务通信方式的最简模拟
• tool_plugin_example.py：将演示工具注册和调用
• mcp_host_server_flow.py：将演示从用户输入到大模型响应的完整生命周期

---

🧱 概念和构成要素

• 工具：大模型可调用的外部服务（API、数据库、函数），用于扩展其能力。
• Host：大模型运行并显示结果的界面环境。
• 服务：负责协调工具并处理调用流程的中间件。
• Schema：用于构造请求和响应的 JSON Schema 或数据格式。
• 上下文处理：确保大模型可以访问先前的工具调用，从而生成连贯的响应。

---

✅ 建议的仓库结构

mcp-knowledge-base/
│
├── README.md
├── diagrams/
│   └──                       # Any visual explanations
├── examples/
│   ├──                       # Minimal working example
│   └── 
├── notes/
│   ├──                       # Raw notes, links, ideas
│   └── 
├── schemas/
│   └──                       # Schemas like Pydantic models
├── utils/
│   └──                       # Simulated tools or services
└── LICENSE

---

## 🗂️ Related Projects and References

- LangChain's tool calling: https://docs.langchain.com
- OpenAI's Function Calling: https://platform.openai.com/docs/guides/function-calling
- Future MCP Spec links (to be added)
- Community discussions, notes in `notes/` folder

---

Stay tuned — this repo will evolve as I learn more and MCP matures!