在大模型时代，前后端可以做什么 | 大模型拓展坞——MCP介绍及实践

前言

当下大模型技术以极快的速度迭代，陆续出现的AI辅助编码工具，难免引起前后端开发岗的焦虑。若你不是从事深度学习方向的开发者，不免担心在快速的技术发展下，自己会不会与时代脱节？那么在大模型时代，前后端可以做什么呢？

MCP简介

以下引用自官网 https://mcp-docs.cn/introduction

MCP 是一个开放协议，它为应用程序向 LLM 提供上下文的方式进行了标准化。你可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供了标准化的方式一样，MCP 为 AI 模型连接各种数据源和工具提供了标准化的接口。

以更为通俗的语言来解释，MCP 就像一个拓展坞，它允许你将不同的设备（如数据库、文件系统、API 等）连接到你的 AI 应用程序中。这样，你的 AI 应用程序就可以访问这些设备，获取所需的数据和信息，从而实现更智能、更高效的工作。

打个比方，在MCP被提出以后，百度地图、高德地图都推出了自己的MCP应用，当我们使用这类地图应用时，就可以通过自然语言，让大模型能为我们规划路线，实现一个更人性化的“导游”。当你需要乘地铁去营口道时，你可以直接问大模型“从天津工业大学到营口道应该怎么走”，大模型客户端应用就能通过MCP调取地图API的信息，获取到路线信息，并以自然语言返回给你。

以下是大模型对这个问题的解答案例（anthropic/claude-3.7-sonnet + 高德地图MCP）：

技术概念

MCP Server

顾名思义，MCP Server就是MCP的服务端应用，但有时，这个“服务端应用”并不是运行在服务器上的，而是运行在我们的终端上，给予MCP访问API、连接数据库、操作文件系统的能力。

参考这篇文档：https://mcp-docs.cn/quickstart/server ，尝试自己搭建一个MCP Server，实现一个使用自然语言通过大模型查询天气的应用。可以看见，MCP官方为我们提供了5种语言的SDK，其中包括python、nodejs、java、Kotlin和C#。

MCP Client

MCP Client就是我们的大模型客户端应用，它可以通过MCP Server提供的API，实现与大模型的交互，对大模型的交互是通过MCP Client来实现的。

工作原理：当你提交查询时：客户端从服务器获取可用的工具列表你的查询连同工具描述一起发送给 Claude 大模型决定使用哪些工具（如果有的话）客户端通过服务器执行任何请求的工具调用结果被发送回大模型大模型提供自然语言响应响应显示给你

当下已有许多大模型客户端内置了MCP功能，如官方推荐的Claude Desktop（内地难以使用）, Cursor（代码编辑器）, Cherry Studio（推荐尝试）, 5ire等。

当然，你如果希望开发具有自己特色的MCP Client应用，官方也提供了SDK，参考这篇文档：https://mcp-docs.cn/quickstart/client ，尝试自己开发一个MCP Client应用，同样能通过至少5种语言实现。

实践Tips

客户端配置方案

刚开始体验MCP，推荐使用现成的客户端方案，如Cherry Studio。

尽管部分客户端是以ui的形式配置MCP工具，但本质上都是操作json，在已发布的MCP工具的安装指南中，你往往可以看到这样的配置（以网页拉取工具fetch为例）：

// github地址：https://github.com/modelcontextprotocol/servers/tree/main/src/fetch
{
    "mcpServers": {
        "fetch": {
            "command": "uvx",
            "args": ["mcp-server-fetch"]
        }
    }
}

你只需要复制其mcpServers内的部分，并将其添加到你的客户端配置文件中，即可实现MCP Server的配置。

在使用大模型时勾选MCP，即可使用MCP Server提供的工具。

如何选择大模型

许多MCP主要通过Function Call的形式和大模型进行交互，所以并不是所有大模型都支持MCP。经过笔者的尝试，目前使用anthropic/claude-3.7-sonnet，能够获得较为完整完善的MCP支持和体验，而anthropic/claude-3.5-sonnet也能胜任较为简单的交互任务，但这2个Claude模型，显然具有较高的使用成本。

Deepseek方面，虽然标明了支持Function Call，但在实际使用时，还是出现了报错等问题，可以等待完善。

大学生角度的应用方向

使用现存MCP，实现高效的文件管理、代码辅助、自然语言路径规划等功能
开发MCP，为大模型提供数据库查询能力，实现比知识库更准确更有时效性的回答
开发MCP，为大模型提供API调用能力，结合现有API，探索结合大模型的新尝试

后记

本文笔者同样刚刚接触到这么一个新事物，只是通过文章抛转引玉，希望读到文章的同学能够更好地融入新的技术发展方向。MCP的出现，让我们的AI应用程序可以更加智能、更加高效地工作，而这也让我们的开发工作更加轻松、更加高效。而更多的可能性，需要正在阅读文章的你来探索。