MCP原理详解及实战案例(动嘴出UI稿、3D建模)

MCP协议实战 大语言模型(LLM)如何调用复杂的业务系统?MCP(Model Context Protocol)协议给出了答案。本文将详细介绍如何基于FastMCP和Python构建业务语义层,统一资源模型、标准化15+种数据类型映射,最终实现AI节点、AI按钮、智能助手等创新功能,支撑2000 QPS高并发场景。 阅读详情


24年11月份,claude推出了模型上下文协议( MCP),作为一种潜在的解决方案,解决大模型和其他工具交互。
走红的Manus验证了自动打工agent的潜在市场需求后,作为大模型与其他工具交互的协议,MCP这几个月也在在开发人员和 AI 社区中获得了巨大的关注.。
claude的AI产品思维做的确实好,交互式对话的artifact、AI编程的coding能力、还有大模型与外界数据传输的USE接口MCP,都是它家最早做的;这几天qwen的界面也上新了还在开发中的MCP按钮,估计是做tool calling类似的功能。
在这里插入图片描述

MCP 原理介绍

  • 提出背景:随着基座大模型变得更加智能,agent与外部工具、数据和 API 交互的能力变得越来越分散:开发人员需要为代理运行和集成的每个系统实现具有特殊业务逻辑的代理,需要有一个用于执行、数据获取和工具调用的标准接口。
  • 与API的比较:API 是互联网上第一个伟大的统一器,为软件创建一种共享语言进行通信,但 AI 模型缺乏等效项。MCP补足了大模型连接数据、工具标准接口的生态位。
  • 什么是MCP:MCP(model context protool) 是一种开放协议,允许系统以可集成、通用化的方式为 AI 模型提供上下文。 该协议定义了 AI 模型如何调用外部工具、获取数据以及与服务交互。这种开放标准也使得开发人员能够在其数据源和 AI 驱动的工具之间构建安全的双向连接。

架构

MCP的架构遵循客户端-服务器架构:开发人员可以通过 MCP 服务器开放数据,也可以构建连接到这些服务器的 AI 应用程序(MCP 客户端)。
在这里插入图片描述
在这里插入图片描述
MCP架构主要包括主机、客户端和服务器。

  • 主机(Host):AI应用程序,例如claude desktop或IDE,发起连接;
  • 客户端(Client): 在主机应用程序内与服务器保持一对一的连接;
  • 服务器(Server): 客户端提供context、tool和prompt;

目前MCP的生态系统正在快速发展,a16z的图给出了有代表性的MCP 服务器、客户端:
在这里插入图片描述
各大企业MCP服务器的参考实现地址:https://github.com/modelcontextprotocol/servers,包括git、PostgreSQL 、redis等构建MCP服务器的实现代码。

核心组件

协议层

处理消息帧、请求/响应链接和高级通信模式,基于MCP协议的通信会话包括request、notification两类。

class Session(BaseSession[RequestT, NotificationT, ResultT]):
    """
    会话类,用于管理基于MCP协议的通信会话。
    """

    async def send_request(
        self,
        request: RequestT,
        result_type: type[Result]
    ) -> Result:
        """
        发送请求并等待响应。
        如果响应中包含错误,则抛出McpError异常。

        参数:
        - request (RequestT): 要发送的请求对象。
        - result_type (type[Result]): 期望的响应结果类型。

        返回值:
        - Result: 响应结果对象。
        """
        # Request handling implementation
        # (请求处理的具体实现代码)

    async def send_notification(
        self,
        notification: NotificationT
    ) -> None:
        """
        发送单向通知,不期望对方发送响应。

        参数:
        - notification (NotificationT): 要发送的通知对象。
        """
        # Notification handling implementation
        # (通知处理的具体实现代码)

    async def _received_request(
        self,
        responder: RequestResponder[ReceiveRequestT, ResultT]
    ) -> None:
        """
        处理从对端接收到的请求。

        参数:
        - responder (RequestResponder[ReceiveRequestT, ResultT]): 请求响应器,
          用于处理请求并生成响应。
        """
        # Request handling implementation
        # (请求处理的具体实现代码)

    async def _received_notification(
        self,
        notification: ReceiveNotificationT
    ) -> None:
        """
        处理从对端接收到的通知。

        参数:
        - notification (ReceiveNotificationT): 接收到的通知对象。
        """
        # Notification handling implementation
        # (通知处理的具体实现代码)

传输层

传输层处理客户端和服务器之间的实际通信。MCP 支持多种传输机制:1.标准传输。2.使用服务器发送事件(Server-Sent Events)来实现服务器到客户端的消息传输,使用HTTP POST方法来实现客户端到服务器的消息传输。

连接生命周期

MCP的连接生命周期分为初始化、消息交换和终止三个阶段:
在这里插入图片描述

  1. 初始化阶段
    客户端发送初始化请求 :客户端向服务器发送一个初始化请求,该请求中包含协议版本和客户端的能力信息。这是建立连接的第一步,用于告知服务器客户端支持的协议版本以及自身具备的功能和特性。
    服务器响应初始化请求 :服务器接收到客户端的初始化请求后,会回复自己的协议版本和能力信息。通过这种方式,双方能够确认彼此支持的协议版本是否兼容,并了解对方的功能特性,为后续的通信做好准备。
    客户端发送初始化完成通知 :客户端收到服务器的响应后,会发送一个初始化完成通知作为确认。这标志着初始化过程结束,双方已经准备好开始正常的通信。
  2. 消息交换阶段
    a. 请求 - 响应模式 :客户端或服务器可以发送请求,另一方则需要对请求进行响应。这种模式适用于需要交互的场景,例如客户端请求服务器执行某个操作或获取某些数据,服务器处理完成后返回结果。
    b. 通知模式 :客户端或服务器可以发送单向通知,这种通知不需要对方回复。通知通常用于告知对方一些状态信息或事件,例如服务器通知客户端某个资源的状态发生了变化,或者客户端通知服务器用户的一些操作行为等。
  3. 终止阶段
    正常关闭 :双方中的任意一方都可以通过调用 close() 方法来正常关闭连接。这种情况下,双方会按照协议规定的流程,完成一些必要的清理工作,然后断开连接。
    传输层断开连接 :如果传输层(例如网络连接)出现问题,导致连接中断,那么连接也会终止。这种情况可能是由于网络故障、服务器或客户端的意外关闭等原因引起的。
    错误条件 :如果在通信过程中出现错误,例如请求格式错误、服务器内部错误等,也可能会导致连接终止。根据错误的严重程度和协议的规定,可能会尝试重新建立连接,或者直接断开连接并记录错误信息。

MCP与function calling: 互补关系

函数调用和 MCP 都是将 LLM 桥接到企业系统不可或缺的一部分,但它们解决了不同的挑战:
• 函数调用侧重于将prompt转换为可执行的指令。它是 LLM 驱动的,并且因供应商而异,目前还没有通用标准。
• MCP 标准化了这些指令的执行,从而实现了数千种工具的可扩展性和互作性。

MCP python SDK

Claude开源了MCP的python-SDK:https://github.com/modelcontextprotocol/python-sdk/tree/main

MCP Python SDK 实现了完整的 MCP specification规范,使得以下操作变得简单:

  1. 构建能够连接到任何 MCP 服务器的 MCP 客户端。
  2. 创建提取资源、提示和工具的 MCP 服务器。
  3. 使用标准传输方式,如标准输入输出(stdio)和服务器发送事件(SSE)。
  4. 处理所有 MCP 协议消息和生命周期事件

安装:

pip install mcp

MCP的优点

MCP让开发者以安全、标准化的方式构造向大型语言模型(LLM)应用程序暴露数据和功能的服务器:

  • 通过**资源(Resources)**暴露数据(类似于GET端点;它们用于将信息加载到LLM的上下文中)。
  • 通过**工具(Tools)**提供功能(类似于POST端点;它们用于执行代码或产生其他副作用)。
  • 通过**提示(Prompts)**定义交互模式(LLM交互的可重用模板)。
    在这里插入图片描述

怎么用MCP:天气服务

https://github.com/modelcontextprotocol/quickstart-resources/blob/main/weather-server-python/weather.py
初始化FastMCP服务器、API和agent:

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# Initialize FastMCP server
mcp = FastMCP("weather")

# Constants
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

参考应用项目:

  1. MCP-figma:交互出UI设计稿
    https://github.com/JayZeeDesign/figma-mcp
  2. MCP-blender: 动嘴实现3D建模
    https://github.com/ahujasid/blender-mcp
    在这里插入图片描述

REF

https://www.anthropic.com/news/model-context-protocol
MCP代码地址:https://github.com/modelcontextprotocol
MCP文档地址:https://modelcontextprotocol.io/docs/concepts/architecture
https://a16z.com/a-deep-dive-into-mcp-and-the-future-of-ai-tooling/

https://x.com/sidahuj/status/1901632110395265452

https://www.gentoro.com/blog/function-calling-vs-model-context-protocol-mcp
https://x.com/akshay_pachaar/status/1900170408038642058

MCP协议的原理与实战应用 在2025年的AI热潮中,大型语言模型(LLMs)已深入代码开发、创意设计和数据分析等诸多领域。然而,如何让AI高效连接外部资源,始终是开发者面临的难题。**模型上下文协议(Model Context Protocol, MCP)**如同一座智能桥梁,赋予AI与文件系统、API、数据库无缝交互的能力。MCP 由Anthropic于2024年11月推出的这一开源协议,通过标准化接口,极大拓展了AI应用场景。 阅读详情

相关推荐

基于MCP协议实现AI驱动FreeCAD自动化建模:原理、部署与实战

在自动化与智能化设计领域,大型语言模型(LLM)与专业软件的集成正成为关键趋势。Model Context Protocol(MCP)作为一种标准协议,其核心原理是为LLM提供了一套统一的工具调用与资源访问框架,使其能安全、结构化地操作外部应用。这一技术价值在于将自然语言的设计意图直接转化为可执行的工程指令,从而在快速原型设计、参数化探索及自动化工作流集成等场景中显著提升效率。FreeCAD作为开源的参数化三维CAD软件,其丰富的Python API为自动化提供了坚实基础。通过构建MCP服务器,项目`fre

weixin_28733651的博客 1699

MCP实战篇-构建一个MCP服务

前篇已经介绍了MCP+n8n构建工作流,在里面可以体现出MCP服务的重要性,以及能看到MCP的可能性,在我们真正的实战过程中可能会有各种各样的需求,开放的MCP服务有极大可能实现不了我们的需求,这个时候如果你懂如何开发一个自己的MCP服务,如虎添翼,助力业务。

2301_81940605的博客 3142

Antigravity+Blender MCP:智慧仓储数字孪生建模提速实践

数字孪生作为智慧仓储可视化的核心技术,正在从概念走向工程落地。MCP(模型上下文协议)为AI操作3D软件提供了标准化通道,使自然语言驱动建模成为可能。通过Blender MCP与Antigravity IDE的协作,开发者可以大幅缩短传统数字孪生项目的建模周期,解决模型与业务数据割裂的痛点。本文以智慧仓储场景为例,介绍如何用AI快速生成3D模型、导出glTF并对接前端展示,为物流可视化升级提供了一条低成本、高效率的实践路径。

weixin_33960567的博客 109

MCP客户端开发实战:手把手教你打造一个MCP客户端,保姆级教程!

大模型很多技术干货,都可以共享给你们,如果你肯花时间沉下心去学习,它们一定能帮到你!

2401_85325726的博客 4743

MCP保姆级详解和实战案例(附完整代码)

Function Call是大模型基于意图识别触发预设函数的机制,其本质是模型与外部工具的“点对点”交互。平台依赖性强:对于不同大模型(如GPT、Claude),Function Call的实现差异显著,开发者需要为每个大模型编写适配的相关代码。扩展性不足:新增工具需调整模型接口或重新训练,难以支持复杂多轮任务。从模型调用工具的流程来看,MCP 跟 Function Call 是调用链上的两个环节。

人不风流枉少年 2660

【异常】解决JDK21升级中的SecurityException: JCE无法验证BC提供者问题

本文详细解析了JDK21升级中常见的SecurityException: JCE无法验证BC提供者问题的根源与解决方案。核心在于JDK21强化了JCE安全验证,导致签名不合规的老版本Bouncy Castle库被拒绝。文章提供了通过Maven依赖树精准定位、排除旧版本并引入兼容的bcprov-jdk18on新库的完整步骤,以及清理缓存等实战技巧,帮助开发者彻底解决此兼容性问题。

weixin_29197051的博客 493

Blender MCP 实战:用自然语言驱动 3D 建模与场景操作

MCP(Model Context Protocol)是一种让大语言模型与外部工具标准化对接的协议,其核心原理是通过统一接口暴露工具清单,使 AI 能够发现并调用软件能力。在 3D 建模领域,这一技术将自然语言意图翻译为 Blender 的原子操作序列,如对象创建、材质调整和修改器配置,从而降低操作门槛并提升重复任务的效率。典型应用场景包括批量摆放、参数化阵列和场景信息审计。Blender MCP 正是这一模式的开源实现,让建模师通过对话完成结构化建模任务。

weixin_29043895的博客 231

Ubuntu18.04环境搭建与疑难解析:从零复现YOLO-6D姿态估计算法

本文详细介绍了在Ubuntu18.04环境下从零开始复现YOLO-6D姿态估计算法的完整流程,包括系统配置、Conda环境搭建、PyTorch安装、依赖项管理、源代码获取、数据集准备以及训练验证过程。针对Singleshotpose算法的特殊需求,提供了详细的疑难解析和性能优化技巧,帮助开发者高效完成算法复现和应用部署。

weixin_30369041的博客 457

CopilotKit Generative UI Playground:Static GenUI、MCP Apps、A2UI 与 Open Generative UI 四种模式实战

Generative UI Playground(仓库路径 [examples/showcases/generative-ui-playground/README.md](https://link.gitcode.com/i/7ae0f0da2a176997aa66aa24e7ea6722))是 CopilotKit 官方仓库中用于演示"构建 AI 驱动用户界面"三种核心范式(再加上仓库当前的 O

gitblog_00581的博客 496

从零复刻平衡小车(基于STM32F1)

平衡小车(基于STM32F1)

Legendyyy的博客 5046

基于STM32控制直流电机加减速正反转仿真设计

*单片机设计介绍,基于STM32控制直流电机加减速正反转仿真设计。

2201_75940997的博客 1605

零基础入门:用Unity MCP制作你的第一个3D游戏

希望这篇入门指南能帮助更多零基础的朋友迈出游戏开发的第一步。作为一个刚接触游戏开发的新手,我最近尝试用Unity的MCP工具制作了人生中第一个3D游戏。整个过程比我预想的要简单得多,特别适合像我这样没有编程基础的人。它的一键部署功能特别方便,不需要复杂的服务器配置就能让朋友在线体验你的游戏。我实际操作后发现,从开发到分享的整个过程都非常流畅,即使是完全不懂后端部署的小白也能轻松搞定。整个开发过程中,MCP工具最大的优势是自动生成代码并附带详细注释,让我这个编程新手也能理解每个功能的实现原理。

RubyLion28的博客 961

PentAGI自动渗透测试平台搭建与使用

但是PentAGI的缺陷也比较明显,一个是自动化程度高带来过程的介入困难,整个渗透的过程都交给AI自动决策,无法进行人工调整,耗时较长;从上述过程来看PentAGI似乎是一个比较“可用”的AI自动化渗透测试平台,但是在继续等待测试的过程中,PentAGI的一些缺点也暴露了出来,一个是测试的过程非常漫长,因为PentAGI是使用配置大模型API key的方式全自动运行,支持openai、deepseek等主流LLM大模型,过程中不需要人工介入,会不断自动调整,所以比较依赖于大模型本身的响应速度。

墨痕诉清风的博客 2425

Blender MCP实战:让AI直接操作3D场景的完整指南

模型上下文协议(MCP)正成为连接大语言模型与专业软件的关键桥梁,尤其在3D创作领域,它让AI不再只是生成静态脚本,而是能够直接操控Blender这类数字内容工具。MCP协议通过标准化的服务端与客户端通信,使得Claude等AI agent能够实时读取场景数据、执行建模指令、调整材质灯光并完成渲染输出,彻底改变了传统人工操作或是复制粘贴脚本的工作流。在工程实践中,借助Blender MCP插件与环境配置,用户只需用自然语言描述需求,AI即可自主完成从几何体创建到复杂场景搭建的完整任务。这种模式大幅降低了三维

weixin_34130389的博客 329

CryoEM - 冷冻电镜 基于深度学习的 从头重构(Ab-initio Reconstruction) 开源项目 教程

冷冻电镜(CryoEM) 是一种成像方式,为蛋白质和其他生命基本组成部分的动态,提供独特的观察方式。从数百万噪声和随机取向的二维投影中,以计算效率高的方式,联合估计生物大分子的姿态、三维结构和构象异质性。

AGI 1565

Linux ARM平台开发系列讲解(摄像头V4L2子系统) 2.12.5 V4L2 control的原理和实现

既然涉及到视频输入,就会有很多与 相关的效果,比如对比度、饱和度、色温、白平衡等等,这些都是通用的、必须的控制项,并且大多数仅需要设置一个整数值即可。 内核中已经为我们提供了这个控制类型的,我们只需要明确自己需要添加什么控制类型,然后将其添加进内核中即可。该部分摄像头代码一半厂家会提供驱动或者相对应的参数,否则没有图像处理知识很难开发出来。 返回总目录...

DSMGUOGUO的博客 1437

MCP与Claude构建3D代码知识图谱实战

代码知识图谱作为程序理解的新范式,通过将代码元素及其关系转化为图结构,实现从文本到拓扑的认知跃迁。其核心技术包括基于DFA的词法解析、带权有向图构建和力导向布局算法,能显著提升代码可读性与维护效率。在工程实践中,结合Claude等AI模型可快速定位代码异味、发现潜在缺陷,特别适用于遗留系统重构和大规模代码审查场景。MCP工具通过SIMD优化和内存映射技术,在Linux内核级项目上实现秒级图谱构建,配合命名管道通信使AI问答延迟低于3ms。实验数据显示,该方案使代码问题发现率提升至93%,同时将误报率控制在8

weixin_28340315的博客 297

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

GPT-6 Astra通过MCP协议操控Blender:从自然语言到3D建模实战

大语言模型与专业软件之间的交互,正从“生成参考图”迈向“直接操作API”的新阶段。MCP(Model Context Protocol)作为一套开放的接口规范,为AI连接外部工具提供了统一通道,让模型能够调用Blender的Python API,将自然语言指令转化为精确的几何操作。这种方案不仅避开了截图识别类工具的脆弱性,还显著提升了建模、批量生成资产、脚本调试等场景的效率。无论是初学者快速出效果图,还是老手摆脱重复劳动,AI辅助建模都展现出巨大潜力。针对常见的连接失败、FBX导出报错、贴图丢失、控制框消失

weixin_29038537的博客 227

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

BlenderMCP参数化建模:使用AI生成可调整参数的3D模型

在传统3D建模流程中,艺术家需要手动调整数百个参数才能实现理想效果,而参数化建模(Parametric Modeling)通过变量驱动设计,允许通过修改参数实时更新模型。然而,传统参数化工具仍需人工定义参数关系,面临**参数设计复杂**、**创意迭代缓慢**和**跨软件协作困难**三大痛点。 BlenderMCP(Model Context Protocol)通过AI与参数化建模的深度融合,彻底...

gitblog_00650的博客 846

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

Blender MCP 完整指南:5 分钟用自然语言驱动 Blender 建模

想让 AI 直接在 Blender 里搭场景,却只能拿到一堆跑不动的 Python?MCP for Blender(即 Blender MCP,前身 blender-mcp)用 Model Context Protocol 把任意大模型接进 Blender,让你用自然语言完成建模、调材质、布光和找资源,不必手写 bpy 脚本。 [![Blender 侧边栏中 MCP for Blender 插件

gitblog_01146的博客 1038

如何让AI替你搭3D场景:MCP for Blender完整安装与实操教程

为灯光参数、材质节点折腾一下午?这个痛点可以跳过。MCP for Blender 把你的 AI 客户端和 Blender 连起来,用自然语言描述想要的 3D 场景,AI 直接在 Blender 里写代码并执行,完成建模、材质与灯光。 ## 传统建模和AI辅助Blender差在哪 同样是搭一个场景,一种是花几小时,另一种只要几分钟。差别在于"谁来写代码、谁来找参数": | 任务/体验维度 |

gitblog_00569的博客 387

如何把 mcp-for-blender 装进 Blender:30 分钟从插件安装到 AI 真的在视口里建模

你在客户端里敲下"建一个低多边形小屋",等了十几秒,弹出一句 `spawn uvx ENOENT`;换一台客户端再试,Blender 侧边栏还是 "Not connected",指令石沉大海。问题几乎不在你,而在那条链路上三个软件交接的某一环没对上。这篇文章把每一环接上,直到视口里真的冒出物体。 mcp-for-blender 是一个社区插件:让任意大模型(Claude、Cursor、Codex

gitblog_01013的博客 214

Blender-MCP:基于Model Context Protocol的AI驱动3D建模架构

Blender-MCP作为连接Blender与大型语言模型的标准化接口,通过Model Context Protocol实现双向通信机制,为3D建模工作流提供了AI辅助的自动化解决方案。该项目采用客户端-服务器架构,在保持Blender原生API完整性的同时,为AI模型提供了细粒度的3D场景操作能力。 ## 架构设计与通信协议 Blender-MCP采用分层架构设计,核心组件包括Blender

gitblog_00669的博客 125

SolidCraft:纯 Rust 参数化 3D CAD 的架构解析与四种运行形态实战指南

SolidCraft 是一个以纯 Rust 编写的开源参数化 3D CAD 应用,其核心体验是"在平面上画草图、加约束与标注、沿时间线把轮廓变成实体、再改一个参数让整条时间线重建"。本文以官方文档 [docs/book/src/introduction.md](https://link.gitcode.com/i/d79669d036cd3e2f2c68f0e442776b31) 为主体,结合仓库

gitblog_00831的博客 777

BlenderMCP架构深度解析:AI驱动的3D建模协议实现机制

BlenderMCP作为连接Blender与Claude AI的桥梁,通过Model Context Protocol(MCP)实现了3D建模领域的AI自动化工作流。本文将从技术架构、通信协议、性能优化三个维度深入剖析这一创新工具的实现机制,为开发者提供全面的技术参考。 ## 核心架构设计原理 BlenderMCP采用客户端-服务器架构,构建在Blender插件与Python服务器之间。系统核

gitblog_00043的博客 461
上一篇: DeepSeek-Prover-V2模型原理速览
下一篇: Agent2Agent(谷歌A2A)协议原理讲解
硅星纯牛码
博客等级 码龄7年 1万+粉丝 52原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值