MCP
MCP（模型上下文协议，Model Context Protocol）是由 Anthropic 于 2024 年 11 月推出的开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。
说人话，这是提供了大模型工具的一个远程调用协议。在我们实现 function calling 的时候，会把 function 的信息以一种固定的文本格式内嵌到提示词里面，和问题打包一起传给大模型。从工程化的角度来看，有几个问题要解决。
- 每次增加
function的时候，不要改整个agent逻辑，这里可以用python的装饰器，把函数的注释信息自动抽取处理（函数名、详细描述、参数类型、参数含义、是否必须等等），存在一个全局变量中TOOLS，在生成提示词的时候，根据TOOLS去动态生成，这样 增加function就很容易了。 TOOLS以怎样的格式，嵌入到提示词中，大模型对工具（什么时候该调用）和对应的参数识别会更加准确率（React）？
function calling 是在一个程序包中实现的（TOOLS 作为一个全局变量），MCP 的出现，通过 http API，帮我们进一步解耦 function 的开发 和 agent 开发。 也就是后台用 python 开发的工具，可以用 js 调用。那么MCP 的服务器端，应该会提供 工具的描述信息（函数名、详细描述、参数类型、参数含义、是否必须等等）。 MCP的客户端，应该有一种约束，能够很方便的把工具的信息注入到提示词中，同时把工具的结果以一种通用的方式再次注入到提示词中，再次注入到提示词，根据大模型返回最后的回答。
架构
- 客户端程序，捕获用户问题（string），调用LLM（应该需要描述有哪些MCP server、本地的工具），LLM 会根据用户的问题，判断是否需要调用工具，并分析出工具。
- 远超调用MCP server，获取结果；
- 把结果放到提示词里面，在给到大模型
- 大模型返回最后的回答。
注意
- 客户端为什么知道MCP是多少的，有哪些工具，在第一次调用LLM前，应该先调用 MCP server，获取了工具的种类。
- 关键是 MCP的信息，如何注入到提示词中，以及MCP返回的信息，如何注入到提示词中？
- 还有MCP提供的协议具体规定了 json 的哪些内容？