MCP技术全解析:从架构原理到多场景应用实战电子书

书名页

内容提要

版权页

前言

第1章MCP概述与核心价值

1.1 AI Agent介绍

1.1.1 AI Agent的属性及应用场景

1.1.2 AI Agent的核心能力

1.1.3 AI Agent的典型架构

1.1.4 AI Agent的发展瓶颈

1.2 MCP的定义与背景

1.2.1 MCP的起源与发展

1.2.2 MCP的核心概念

1.3 MCP的核心价值

1.3.1 解决工具碎片化：标准化接口降低集成成本

1.3.2 维护跨工具上下文：会话状态统一管理

1.3.3 动态扩展能力：运行时发现新工具

1.3.4 安全沙箱机制：权限控制与操作审计

1.4 MCP在AI Agent生态中的角色

1.4.1 MCP：Agent的“行动引擎”

1.4.2 典型工作流

1.4.3 协议协同

1.5 MCP与其他技术的对比

1.5.1 与传统API集成技术的对比

1.5.2 与Function Call技术的对比

1.5.3 核心差异总结

1.6 准备MCP环境

1.6.1 使用Claude Desktop

1.6.2 Claude Desktop与MCP

第2章MCP架构设计的原理

2.1 MCP架构概览：目标、理念与模型

2.2 MCP的核心组件

2.2.1 MCP客户端：角色、功能与设计

2.2.2 MCP服务器：架构、职责与关键模块

2.2.3 主机应用与MCP连接器集成模式

2.3 通信协议与数据交换机制

2.3.1 协议基础(JSON-RPC 2.0)

2.3.2 数据格式(请求、响应、通知、错误)

2.3.3 状态化通信与上下文维护

2.3.4 传输安全与数据保护

2.4 能力协商与动态扩展机制

2.4.1 初始握手与能力协商流程

2.4.2 动态工具发现与功能扩展原理

2.5 安全与隐私架构

2.5.1 认证、授权与权限控制

2.5.2 用户同意机制

2.6 综合实战：简易MCP交互系统

2.6.1 MCP服务器

2.6.2 MCP客户端

第3章第一个MCP程序：基于DeepSeek等模型的MCP服务器

3.1 系统功能介绍

3.2 共享资源模块

3.2.1 工具函数

3.2.2 模型提供商管理

3.2.3 路由模型请求

3.2.4 验证模型和提供商

3.3 大模型交互模块

3.3.1 与Claude模型交互

3.3.2 与DeepSeek模型交互

3.3.3 与Gemini模型交互

3.3.4 与Groq模型交互

3.3.5 与Ollama模型交互

3.3.6 与OpenAI模型交互

3.4 功能组合模块

3.4.1 处理模型的提示请求

3.4.2 模拟CEO与董事会决策

3.5 MCP服务器

3.6 系统测试

3.6.1 向模型发送提示信息

3.6.2 测试DeepSeek模型

3.7 调试运行

第4章MCP工具生态概览

4.1 MCP工具的分类

4.1.1 数据操作类工具

4.1.2 服务集成类工具

4.1.3 开发与运维类工具

4.1.4 多模态与AI类工具

4.2 MCP工具的选择与评估标准

4.2.1 兼容性

4.2.2 功能完整性

4.2.3 易用性

4.2.4 性能稳定性

4.2.5 安全性

4.3 主流MCP服务器与工具深度解析

4.3.1 API集成与开发工具：Apifox MCP Server

4.3.2 向量数据库与语义搜索：Qdrant MCP Server

4.3.3 代码协作与管理：GitHub MCP Server

4.3.4 云服务与安全：Cloudflare MCP Server（云优化、网络安全）

4.4 MCP Python SDK

4.4.1 MCP服务器实现

4.4.2 MCP客户端实现

4.4.3 MCP认证客户端测试

第5章MCP赋能AI Agent开发

5.1 AI Agent与MCP的交互模式

5.1.1 标准化通信流程

5.1.2 事件驱动与状态管理

5.2 MCP如何简化AI Agent开发

5.2.1 抽象底层复杂性：开发者聚焦业务逻辑

5.2.2 动态资源分配与无服务器理念

5.2.3 Prompt工程优化：释放Token空间

5.3 MCP和AI Agent的核心协同场景

5.3.1 动态生成与配置AI Agent

5.3.2 无缝集成多样化工具与数据源

5.3.3 构建复杂工作流与多Agent协作基础

5.4 综合实战：基于阿里Qwen和MCP技术的Agent系统

5.4.1 实现Agent逻辑

5.4.2 MCP管理

5.4.3 Agent测试

第6章智能助手开发实战

6.1 个人助理与智能客服的核心需求

6.1.1 个人助理的核心需求与MCP的作用

6.1.2 智能客服的核心需求与MCP的作用

6.2 FastMCP框架

6.2.1 FastMCP框架架构与核心概念

6.2.2 FastMCP工具开发实战

6.2.3 FastMCP与LLM的协作机制

6.3 综合实战：基于LangChain、语音服务和MCP的电商智能客服系统

6.3.1 项目介绍

6.3.2 MCP服务器配置

6.3.3 智能代理模块

6.3.4 服务模块

6.3.5 MCP服务器

6.3.6 系统主程序

6.3.7 调试运行

第7章AI赋能开发工作流实战

7.1 概述

7.2 智能编程助手开发与MCP

7.2.1 MCP的作用

7.2.2 智能编程助手：代码生成、Bug修复与解释

7.2.3 开发工具链集成：API调用、数据库操作与Git管理

7.2.4 运维自动化：日志管理、缓存、性能监控

7.3 综合实战：基于IDA Pro和VS Code的MCP服务器

7.3.1 系统配置

7.3.2 MCP服务器：IDA Pro内部服务器

7.3.3 MCP服务器：主服务器

7.3.4 MCP-Plugin插件

第8章企业自动化应用实战

8.1 企业效率与数据洞察需求

8.1.1 企业自动化的发展历程

8.1.2 企业自动化的主流技术和产品

8.2 MCP在企业自动化中的应用

8.2.1 企业知识管理：知识库查询、文档自动生成

8.2.2 业务流程自动化(RPA+)：审批、报告、供应链

8.2.3 数据分析与可视化：数据获取、处理、仪表板集成

8.3 综合实战：基于Odoo ERP、Claude和MCP的办公自动化程序

8.3.1 系统配置

8.3.2 连接Odoo系统

8.3.3 MCP服务器

8.3.4 MCP资源处理器

8.3.5 Odoo模型的访问控制

8.3.6 URI解析和构建

8.3.7 性能优化与缓存

8.3.8 MCP测试

8.3.9 功能测试

第9章多模态与知识密集型应用实战

9.1 MCP在多模态场景中的扩展应用

9.1.1 多模态模型协同接口设计

9.1.2 非文本资源的封装与传递

9.1.3 多通道输入融合与联合推理

9.2 综合实战：融合天气、地图和商品数据的多模态语音助手

9.2.1 系统配置

9.2.2 核心服务层模块

9.2.3 MCP工具服务层模块

9.2.4 主入口文件

9.2.5 调试运行