Tag: Professional Cloud Developer

就在前幾個月，Anthropic 發布了一份關於 MCP（模型上下文協議）的文檔，它指出這是將 AI 工具/助手連接到具有即時數據（例如程式碼儲存庫、資料庫等）的系統新標準。 此番發布後，網路上的開發者與使用者開始對這個新版本議論紛紛。在X社群媒體平台和YouTube影片平台上，很多人都在談論這個MCP。所以，我想先等等，先了解它的功能。 它發布的時候，對每個人來說都是全新的東西，所以大家談論的只是Anthropic發布的信息或新聞。 但我不准備那樣做。 因此我一直在等待，先詳細了解 MCP 在實際專案中的用例，並為各位撰寫這篇部落格。 我將從以下幾個問題開始。 人工智慧模型、工具和代理實際上是如何相互交流的？隨著人工智慧領域的快速發展，它不再只是一個單一的大型模型來產生文字或回答問題。 現在，我們擁有由人工智慧代理、開發者工具、模型和插件組成的完整生態系統，它們有時會在同一個任務流程中協同工作。 那麼，所有這些智慧組件如何協調、通訊和共享上下文？ 在這篇文章中，我將以簡單易懂的語言，分享我對 MCP（模型上下文協議）的理解和思考，以及它的重要性以及工作原理。 現在讓我們開始吧！ 什麼是 MCP（模型上下文協定）？ 根據該文件，MCP 是「模型上下文協議，它是一種開放標準，使開發人員能夠在其資料來源和 AI 驅動的工具之間建立安全的雙向連接。 它就像 AI 應用程式的 USB-C 連接埠」。 將 MCP 視為AI 模型和工具可用於協作的通用語言。 其格式簡單，MCP 是一種通訊協議，允許不同的 AI 用戶端（如模型、工具和代理）透過共享伺服器交換資訊、上下文和任務。 聽起來還很抽象嗎？ 讓我們把它變得更貼切一些： 將 MCP 想像成 Slack，但不是在頻道中透過人類發送訊息，而是透過模型和工具來交換有關任務、上下文和功能的結構化訊息。 或像AI 代理的 HTTP，其中工具可以透過中央伺服器以一致的格式相互「交談」。 它為 AI 堆疊中的每個組件提供了一個共享空間來進行通訊和協調，而無需硬編碼整合。 為什麼我們需要 MCP？以前，連接不同的/多個工具或模型非常昂貴。 您需要編寫自訂黏合程式碼來： 1.轉換資料格式維護 2.對話狀態 3.決定何時應該使用哪個工具來回應…