MCP 协议简介 #
MCP是一种开放协议，它标准化了应用程序如何向LLM提供上下文。把MCP想象成人工智能应用程序的USB-C端口。正如USB-C提供了一种将您的设备连接到各种外围设备和附件的标准化方式，MCP提供了一种将人工智能模型连接到不同数据源和工具的标准化方式。
在 Agentic RAG 系统中使用 MCP #
下面这张图清晰地展示了如何在 Agentic RAG 系统中使用 MCP。原文链接见文末。
第一步：判断是否需要额外的数据 #
当用户通过聊天界面提交信息查询需求时，首先 Agent 要分析用户的查询意图 (在某些情况下用户的输入可能不清晰，需要改写为更加格式化的查询意图)，并且判断是否需要额外的数据来回答用户的问题。
如果不需要外部数据来回答用户的问题，则直接跳到第三步生成答案。
第二步：通过 MCP 获取各种外部数据 #
如果需要额外的数据来回答用户的问题，Agent 会通过 MCP 协议向数据源 (如数据库、搜索引擎、文件系统等) 发起查询请求，获取数据。这个时候就能充分体现出 MCP 协议的优势了。
- ✅ 每个数据域可以管理自己的 MCP 服务器，并对外暴露数据使用的具体规则。
- ✅ 每个数据域都可以在服务器层面确保数据安全和合规。
- ✅ 新的数据域可以通过标准化方式轻松添加到 MCP 服务器池中，无需重写 Agent，从而在程序性记忆、情景记忆和语义记忆方面实现系统的解耦发展。
- ✅ 平台开发者可以用标准化方式向外部用户开放数据，让网络上的数据访问变得简单直接。
- ✅ AI 工程师可以专注于设计和优化 Agent 的结构，无需关心底层数据连接细节。
第三步：生成答案 #
通过大语言模型生成答案。
第四步：分析答案 #
Agent 在将答案返回给用户之前，需要首先分析答案的质量，是否正确以及与问题的相关性。如果没有问题则将问题返回给前端的聊天界面。
如果有问题，则再次改写查询需求，提供更加精确的描述，然后回到第一步重新开始。
总结 #
可以看到这个过程就像人类在做研究一样：提出问题 –> 收集材料 –> 得到结论 –> 分析结论 –> 提出新问题 –> 重复以上步骤。