會是大模型的k8s嗎——MCP協(xié)議原理和最佳實踐X

O

P

S

風(fēng)

向

標(biāo)

匯報人王昕2025/05/27一、

MCP協(xié)議技術(shù)體系解析二、

MCP開發(fā)框架三、AIAgent協(xié)議比較四、AIAgent應(yīng)用場景·目錄·一、

MCP協(xié)議技術(shù)體系解析2025年應(yīng)用涌現(xiàn)

022025年3月

，OpenAI宣布Agent

SDK支持MCP協(xié)議

，ChatGPT桌面應(yīng)用及ResponsesAPI也即將支持該協(xié)議，

MCP生態(tài)進(jìn)入規(guī)模化應(yīng)用。截至2025年3月，

已有超1000個基于MCP協(xié)議構(gòu)建的社區(qū)服務(wù)器和數(shù)千個集成MCP協(xié)議的應(yīng)用。2024年首發(fā)

012024年11月25日，

Anthropic正式發(fā)布模型上下文協(xié)議（MCP）

，

為大語言模型與外部數(shù)據(jù)源和工具的集成提供了開源協(xié)議。ln協(xié)議發(fā)展歷程與生態(tài)圖譜

在OpenAI上下訂

單好好的，在Claude上不行了？

在DeepSeek上查詢股票信息沒問題，換成豆包不行了？

FunctionCalling應(yīng)該由誰來定義？大模型的應(yīng)用開發(fā)

者嗎？ln

為什么會出現(xiàn)MCP協(xié)議：

MxN問題M+N問題特點FunctionCallingMCP功能焦點LLM直接調(diào)用程序函數(shù)標(biāo)準(zhǔn)化工具的發(fā)現(xiàn)與執(zhí)行調(diào)用方式本進(jìn)程函數(shù)調(diào)用主機(jī)本地進(jìn)程調(diào)用或遠(yuǎn)程REST調(diào)用輸出格式LLM廠商自定義標(biāo)準(zhǔn)的JSON-RPC格式支持的控制參數(shù)函數(shù)的輸入?yún)?shù)Prompt模板，函數(shù)參數(shù)支持的交互方式單次同步調(diào)用關(guān)聯(lián)多次調(diào)用，

Request/Response和

SSE復(fù)雜度實現(xiàn)較簡單相對來說構(gòu)建復(fù)雜一些易擴(kuò)展性有限擴(kuò)展性更好靈活性對于復(fù)雜場景靈活性有限對于復(fù)雜場景有更好的靈活性互操作性有限針對不同的LLM和工具平臺有更好的互操作性實現(xiàn)針對每個工具需要定制化的集成可以通過標(biāo)準(zhǔn)化的MCPServer結(jié)構(gòu)集成誰控制實現(xiàn)LLM廠商（OpenAI,

Google,Claude,DeepSeek）服務(wù)提供商ln

MCP與Function

Calling對比

Hosts:大模型應(yīng)用

Clients:應(yīng)用里與Server

1:1的控制端

Servers：提供上下文，工具，提示給Clients

Transport：本地(Stdio)或遠(yuǎn)程（Streamable

HTTP）通信理解

Resources：起到上下文作用的數(shù)據(jù)數(shù)據(jù)、文件、圖片、視頻、處理結(jié)果

…

Tools：可供客戶端發(fā)現(xiàn)和動態(tài)交互的功能

Prompts：規(guī)約化用戶與LLM交互模式的提示模板

Sampling：讓Servers從大模型獲取答復(fù)

Notification：從Servers發(fā)向Clients的消息

Message

Format:JSON-RPC2.0ln

MCP協(xié)議的主要構(gòu)成ln

MCP的設(shè)計理念在不同的服務(wù)和應(yīng)用之間，構(gòu)建一致的

、可預(yù)期的交互接口。保證不同的交互干系人都理解API的結(jié)構(gòu)和能力。創(chuàng)建能夠表示復(fù)雜關(guān)系和工作流機(jī)制的接口。創(chuàng)建能夠動態(tài)適用于多種使用場景的接口

。02干系人協(xié)作04理解上下文06自適應(yīng)接口在寫實現(xiàn)Code之前

，

先

定

義好API協(xié)議。創(chuàng)建理解數(shù)據(jù)和交互過程的上下文的API。05機(jī)制建模01協(xié)議優(yōu)先03標(biāo)準(zhǔn)化特點KubernetesMCP目標(biāo)場景系統(tǒng)的運維操作：升級/回退/自動伸縮智能化的業(yè)務(wù)工作流操作管理對象管理應(yīng)用的容器/Pod管理應(yīng)用Tool管理框架K8s運維平臺MCP管理者K8s上的各種ControllerLLM智能能力的來源Controller代碼機(jī)制LLM的智能能力面API的設(shè)計K8sAPI

ServerMCPServer能力描述能力擴(kuò)展機(jī)制CRD配合Operator各種MCPServer的注冊目標(biāo)用戶系統(tǒng)運維工程師應(yīng)用開發(fā)/運維工程師ln

支持MCP的服務(wù)發(fā)展很快，類似Kubernetes生態(tài)Kubernetes系統(tǒng)與MCP系統(tǒng)都具有優(yōu)秀的擴(kuò)展能力二、

MCP開發(fā)框架定義Agent的參數(shù)定義工具的調(diào)用工具的實現(xiàn)代碼列舉可用工具ln

官方MCP

SDK——Python

SDK定義Agent的工具定義輸出參數(shù)工具的實際實現(xiàn)ln

官方MCP

TypeScript

SDK——適合于Node.js應(yīng)用開發(fā)ln

LangChain框架——通過LangChain

MCP

Adapters適配通過LangChain

MCPAdapters將MCP的Tool轉(zhuǎn)換成LangChain的Tool給LangChainAgent使用ln,

SpringAI的Java

MCPSDK——適合于JavaSpring

Boot應(yīng)用開發(fā)定義Tool工具的實際實現(xiàn)使用FastMCP框架定義Tool:獲取天氣定義Tool:加法啟動Serverln

Agent實現(xiàn)示例——服務(wù)器端實現(xiàn)查詢天氣和加法計算通過wttr獲取天氣服務(wù)創(chuàng)建Agent客戶端連接對應(yīng)的LLM大模型詢問Agent關(guān)于天氣的問題詢問Agent關(guān)于加法的問題詢問Agent關(guān)于加法的問題ln

Agent實現(xiàn)示例——客戶端實現(xiàn)使用天氣查詢工具使用加法工具未使用工具使用天氣查詢工具未使用工具ln

啟動Agent應(yīng)用詢問問題FastMCP框架：使用最簡單的框架定義Agent的參數(shù)定義工具的調(diào)用定義資源定義提示ln

官方MCP

SDK——融合了FastMCP

1.0的Python

SDKFastMCP框架：使用最簡單的框架定義Agent的參數(shù)定義工具的調(diào)用定義資源定義提示ln

官方MCP

Python

SDK——融合了FastMCP

1.0的Python

SDKln

FastMCP框架——FastMCP2.0框架再進(jìn)一步演化支持更多功能框架開發(fā)語言特點適用場景MCP官方原

生Python

SDKPython能力全面，應(yīng)用使用較復(fù)雜需要實現(xiàn)自己的MCP

Python

SDK或者較復(fù)雜的MCP應(yīng)用MCP官方TypeScriptSDKTypeScript/

JavaScriptTypeScript應(yīng)用開發(fā)，基本吸收了類似

Python

FastMCP的設(shè)計理念適合Node.js應(yīng)用實現(xiàn)LangChainMCPAdapterPython將MCP的AgentTool轉(zhuǎn)化為LangChainAgent的Tool已經(jīng)采用了LangChain的框架，需要用LangChain實現(xiàn)Agent能力SpringAIMCPJava在Sprint

Boot框架中實現(xiàn)MCPAgent用Java實現(xiàn)MCPServer和

ClientMCP官方FastMCPPython融合了FastMCP

1.0，應(yīng)用使用比較簡單適合多數(shù)Python應(yīng)用實現(xiàn)FastMCP

2.0Python迭代支持最新的MCP協(xié)議能力驗證FastMCP機(jī)制對最新

MCP能力的支持ln

比較不同的MCP開發(fā)框架Fast:我希望用最少的代碼Simple:我希望例子一看就懂Pythonic:我希望Python玩家容易上手Complete:我希望對MCP支撐完整環(huán)境設(shè)置30分鐘vs5分鐘代碼行數(shù)60行vs150行測試工具內(nèi)置vs自建ln

簡單快捷的MCP開發(fā)框架——FastMCP三、AIAgent協(xié)議比較A2A是一種開放協(xié)議，A2A是一種開放協(xié)議，

旨在實現(xiàn)不同智能體之間的直接互通與協(xié)作。A2A協(xié)議由谷歌推出，

旨在讓AIAgent能夠跨云、跨平臺、跨組織邊界進(jìn)行協(xié)作，實現(xiàn)高效通信和安全數(shù)據(jù)交換。ln

什么是A2A（Agent-2-Agent）協(xié)議AgentCardA2A通過基于能力的AgentCard實現(xiàn)點對點的任務(wù)外包，促進(jìn)企業(yè)級工作流。AgentCard標(biāo)準(zhǔn)化使得不同智能體能夠清晰展示自身能力，方便其他智能體發(fā)現(xiàn)和協(xié)作。例如在企業(yè)招聘流程中，不同環(huán)節(jié)的Agent可通過A2A協(xié)議基于智能體卡進(jìn)行任務(wù)分配與協(xié)同。Agent

Discovery為了讓AI代理通過Agent2Agent(A2A）協(xié)議進(jìn)行協(xié)作，它們首先需要相互發(fā)現(xiàn)并了解對方所提供的能力。A2A通過AgentCard標(biāo)準(zhǔn)化了代理自我描述的格式。lnA2A協(xié)議中的關(guān)鍵概念ln

A2A協(xié)議中能力Card的示例WeatherAgent的Card定義AirbnbAgent的Card定義ln

A2A協(xié)議的能力代理通信協(xié)議（ACP）是一項具有開放治理的開放標(biāo)準(zhǔn)，用于實現(xiàn)代理之間的互操作性。它定義了一個標(biāo)準(zhǔn)化的

RESTfulAPI，支持同步、異步和流式交互。在ACP中，代理被視為交換多模態(tài)消息的服務(wù)，該協(xié)議對它們的內(nèi)部實現(xiàn)保持無關(guān)，僅要求提供最低限度的規(guī)范以確保兼容性。ln

ACP（Agent

Communication

Protocol）協(xié)議的示例架構(gòu)u去中心化

(Decentralization):智能體擁有獨立身份，不依賴于中心化平臺，促進(jìn)開放生態(tài)系統(tǒng)。采用了去中心化身份標(biāo)識符（DecentralizedIdentifiers,

DID）是ANP智能體身份的基礎(chǔ)。u互操作性

(Interoperability):不同開發(fā)者和公司創(chuàng)建的智能體可以無縫協(xié)作，打破數(shù)據(jù)孤島。u利用現(xiàn)有Web基礎(chǔ)設(shè)施(Leveraging

ExistingWebInfrastructure):基于現(xiàn)有Web技術(shù)構(gòu)建，無需新建底層設(shè)施，快速部署和采用。u

AI原生與自主性

(AI-Native&Autonomy):專為AI智能體設(shè)計的通信協(xié)議，支持智能體自主決策和互動。ln

ANP（AgentNetworkProtocol）協(xié)議核心特性ANP協(xié)議的特點ANP協(xié)議Agent描述的內(nèi)容Agent描述包含的內(nèi)容：u基本信息（名稱、描述、創(chuàng)建者等）u身份驗證方法u提供的服務(wù)和產(chǎn)品u支持的交互接口u能力描述。ln

ANP協(xié)議的Agent描述Agent協(xié)議協(xié)議特點協(xié)議優(yōu)勢主要應(yīng)用場景ModelContext

Protocol

(MCP)-支持資源（Resources）、提示（Prompts）、工具（Tools）及采樣（Sampling）-附加實用工具：配置、進(jìn)度跟蹤、

取消、錯誤報告、日志等-標(biāo)準(zhǔn)化

LLM與外部數(shù)據(jù)源/工具的交互，簡化集成-跨平臺兼容，多語言SDK支

持-減少重復(fù)開發(fā)，清晰分離數(shù)據(jù)訪問與計算-一致的能力發(fā)現(xiàn)機(jī)制是連接AI模型與工具/資源的橋梁，采用客戶端-服務(wù)器架構(gòu)，適合單個模型訪問多種工具和資源，如訪問搜索引擎、調(diào)用計算器等。AgenttoAgent

(A2A)-點對點多Agent協(xié)作協(xié)議-基于

HTTP/SSE/JSON

RPC等現(xiàn)

有標(biāo)準(zhǔn)-能力發(fā)現(xiàn)：通過“AgentCard”

廣告式描述-跨供應(yīng)商互操作，統(tǒng)一企業(yè)內(nèi)

Agent協(xié)調(diào)-支持長任務(wù)、實時狀態(tài)更新與反饋-安全認(rèn)證與授權(quán)與OpenAPI保持一致-支持文本、音頻、視頻等多種模態(tài)側(cè)重多Agent之間的協(xié)調(diào)發(fā)現(xiàn)，發(fā)布和發(fā)現(xiàn)不同Agent的能力，適合于多Agent之間的協(xié)調(diào)協(xié)

作共同完成復(fù)雜的任務(wù)。AgentCommunication

Protocol

(ACP)-基于REST協(xié)議-利用已有的企業(yè)級認(rèn)證和安全管理-

適合應(yīng)用在已有的企業(yè)環(huán)境

中-

考慮較多的企業(yè)業(yè)內(nèi)的集成

和安全認(rèn)證授權(quán)的能力適合于已經(jīng)有比較重的企業(yè)內(nèi)應(yīng)用協(xié)作環(huán)境，并且需要快速實現(xiàn)Agent系統(tǒng)利用企業(yè)已有

的服務(wù)。Agent

Network

Protocol

(ANP)-基于已有的去中心化身份協(xié)議DID

構(gòu)建Agent身份-完備的分層協(xié)議設(shè)計-去中心化(Decentralization)-互操作性

(Interoperability)-基于現(xiàn)有Web技術(shù)構(gòu)建，無需新建底層設(shè)施，快速部署和采用-體現(xiàn)AIAgent的自主性適合于沒有三方Agent發(fā)現(xiàn)服務(wù)的環(huán)境中，實現(xiàn)多Agent的能力發(fā)現(xiàn)。ln

比較不同的Agent協(xié)議從競爭到協(xié)作多種AI智能體協(xié)議起初存在競爭關(guān)系，未來可能會走向分層協(xié)作，各自專注細(xì)分領(lǐng)域，實現(xiàn)優(yōu)勢互補。MCP已經(jīng)得到廣泛的支持MCP協(xié)議已經(jīng)得到已有Software/SaaS工具的廣泛支持，

但是MCP協(xié)議目前只支持Tooling的調(diào)用，未來是否能融合其他協(xié)議的能力有待觀察。

MCP

Server實現(xiàn)要走向微服務(wù)化。A2A也得到了非常大的認(rèn)可A2A未來是跟MCP互補并存，還是被吸收入MCP有待觀察，但其主要能力一定會被傳承。ACP和ANP給行業(yè)以很好的啟發(fā)ACP和ANP都介紹了非常好的能力，但是協(xié)議設(shè)計比較學(xué)術(shù)化，支持的廠商不是特別多，期望未來其優(yōu)秀能力能被吸收。lnAgent協(xié)議發(fā)展的展望四、AIAgent應(yīng)用場景↓高容量↓復(fù)雜的決策錯誤成本低↓人機(jī)交互高容量

/交互次數(shù)

/高重復(fù)率

/數(shù)據(jù)點多。

例如，檢查數(shù)十萬張發(fā)票的賬單問題、客戶支持工單分類、路由。原因：

將代理

AI應(yīng)用于低工作負(fù)載問題通常沒有經(jīng)濟(jì)意義用例應(yīng)涉及復(fù)雜的決策，而無法設(shè)計簡單的決策樹。例如，

涉及多個經(jīng)濟(jì)指標(biāo)的金融風(fēng)險評估，

原因：

如果存在確定性算法，則應(yīng)提前嘗試，因為它可能更便宜。需要高水平的人工交互，包括對多個信息、文檔或系統(tǒng)的閱讀、考慮和推理。工作通常是平凡和重復(fù)的。原因：

低人機(jī)交互問題可能具有可通過

RPA實現(xiàn)的算法解決方案完全自主代理系統(tǒng)的良好候選者包括提交錯誤成本不太高的流程。

原因：如果錯誤會導(dǎo)致重大的不良后果，則必須設(shè)置人機(jī)協(xié)同和其他風(fēng)險護(hù)欄，從而使代理解決方案的開發(fā)和維護(hù)成本更高。ln

如何評估Agentic

AI場景的價值什么是

AgenticAI

的良好用例候選者？↓?

協(xié)助員工預(yù)訂商務(wù)旅行?與Tripadvisor

、

Outlook

和

SharePoint

集成?通過Teams

聊天或電子郵件預(yù)訂?使用OCR

收集收據(jù)?自動提交和跟蹤費用報告?為新員工提供個性化的入職助手?使用基于

SharePoint

的

HR

數(shù)據(jù)的

LLM?提供相關(guān)培訓(xùn)材料?安排入職培訓(xùn)并設(shè)置軟件帳戶?監(jiān)控任務(wù)完成情況并確保高效入職?通過引用歷史記錄和產(chǎn)品手冊來診斷

問題?

提供量身定制的解決方案或通過自動

化工作流程進(jìn)行升級?創(chuàng)建工單并安排后續(xù)行動?更新CRM

記錄，增強未來支持?來自數(shù)據(jù)湖和數(shù)據(jù)倉庫的分析數(shù)據(jù)?以自然語言響應(yīng)用戶請求?生成見解、可視化并通過Teams

或

電子郵件發(fā)送?

自動化數(shù)據(jù)處理，以便實時、輕松地

做出決策ln

主要的跨行業(yè)Agentic

AI應(yīng)用案例旅行預(yù)訂和費用管理個性化的客戶支持?jǐn)?shù)據(jù)分析和報告員工入職?支持醫(yī)學(xué)研究工作流程并提高運營效

率?

自動化臨床作的數(shù)據(jù)輸入和檢索