什么是模型上下文协议，为什么重要
- 发布时间
- 最近更新
模型上下文协议（MCP）是一项开放标准，让大语言模型（LLM）能够连接数据源和其他外部系统。它为 AI 智能体提供统一途径，以访问第三方信息，包括获取实时数据源信息或操作外部工具。
本文将介绍模型上下文协议的定义、发展历程，以及它为何成为 AI 系统广泛应用和成功的关键。你也可以通过下方视频了解 ElevenLabs 托管 MCP 的工作方式。
摘要
- 模型上下文协议将 LLM 连接至外部世界，提供训练数据之外的资源。
- 与硬编码的传统 API 不同，MCP 让 AI 智能体能在运行时发现已连接服务器提供的工具。
- MCP 解决了 MxN 问题：不断变化的 AI 模型都需要与外部系统建立独特连接。MCP 充当这些系统的通用翻译器。
- ElevenLabs 等 AI 平台既可作为 MCP 服务器，也可作为客户端，按需提供资源或编排其他服务的操作。
- AI 智能体可以串联多个 MCP 调用，即使在与用户交谈期间，也能完成复杂工作流程。
什么是模型上下文协议（MCP）？
协议就像不同计算机系统交互时使用的一种共通语言。MCP 是一种协议，让 AI 智能体能够从外部来源检索信息，或通过外部工具和系统执行操作。
大语言模型（LLM）是强大的工具，其自然语言交互能力使其在企业和消费者领域迅速普及。但随着用户越来越多地在真实场景中使用它们，两项重大局限也逐渐显现：
- LLM 对世界的理解，受限于开发者采集训练数据的时间点。
- 模型没有与外部世界及其他计算机系统交互的原生方式。
人们对 LLM 的期待之一，是创建可通过自然语言交互的人工智能（AI）智能体。但仅限于模型训练数据、缺乏这两项动态能力的 AI 智能体，作用十分有限。
Anthropic 开发了模型上下文协议，以标准化 LLM 与外部系统之间的通信。该协议于 2024 年 11 月作为开放标准发布，大多数主要 LLM 开发商很快采用。随后，Anthropic 于2025 年将该标准捐赠给 Agentic AI Foundation。
MCP 让大语言模型能够连接外部数据源，补充训练数据，并针对查询提供更准确、更具上下文且更新及时的回答。由 LLM 驱动的 AI 智能体还可访问获授权的外部工具，自主执行操作。
例如，你可以对智能体说：“查看我下周二日历中的空闲时间，然后联系承包商，提出一个会议时间。”智能体会通过 MCP 查询日历服务器、获取结果，再通过 MCP 访问邮件服务器，发送所需消息。
模型上下文协议如何运作？
模型上下文协议的发展基于早期概念，例如工具调用和函数调用。这些方式允许 LLM 输出服务请求架构，由外部系统通过 API 处理。但它们需要在 LLM 与每个外部系统之间建立自定义连接。
MCP 创建了标准化的双向通信模型，用于与外部系统收发数据。
AI 智能体首次启动时，会查询所有已连接的 MCP 服务器，获取其可用数据源和功能目录。随后会将该目录反馈至 LLM 的上下文窗口，它类似于处理当前任务时的短期工作记忆。
之后，当你要求智能体执行某项任务时，底层 LLM 会判断仅凭训练数据中的知识能否完成该请求，还是需要外部资源。若需要外部支持，它会检查目录，并通过 MCP 连接联系相应系统。
LLM 会审查外部响应，判断能否完成请求，或是否需要执行多步操作，例如前文的日历和邮件示例。
MCP 有助于解决 MxN 问题
解决工程师所称的 MxN 问题，需要 MCP 这样的通用通信标准。如果有 M 个智能体，并希望每个都连接 N 个外部工具，就必须维护 MxN 条点对点连接。当 AI 智能体和外部来源只有几个时，这不成问题；但随着数量增长，工作量很快将难以持续。
MCP 将所有通信标准化为单一协议，使 LLM 能够通过 M+N 条连接运行。
核心架构：MCP 服务器与客户端详解
AI 智能体使用 MCP 客户端与外部系统通信。日历、邮件或 CRM 等外部系统需通过 MCP 服务器提供服务，智能体才能与其通信。
ElevenLabs 产品既可作为客户端，也可作为服务器。底层是同一平台，但可承担任一角色。
下面以 ElevenLabs 为例了解 MCP 架构。
MCP 服务器
MCP 服务器连接至外部系统运行，并向已连接的 MCP 客户端展示可用资源和工具列表。资源可以是文件、文档、数据库或管道。工具让远程 LLM 能够与外部系统中的资产交互。
ElevenLabs 托管 MCP 服务器让 Claude 和其他 AI 助手可使用其 ElevenLabs 智能体管理工具。服务器地址为：
你可以创建安全连接，通过 OAuth 从 Claude、ChatGPT 或其他助手连接至服务器。该助手是 MCP 主机，包含负责管理连接的 MCP 客户端。之后，你可通过助手使用简单的自然语言提示词来构建和管理智能体，并审核其表现。
提示词示例
- “为我们的电商门户创建一个客服智能体。它需要保持专业且积极的语气。”
- “复制我的客户支持智能体，并将默认语言改为西班牙语。”
- “对我的西班牙语智能体在 Gemini 3.5 Flash Lite 和 3.8 Flash 中的每次对话成本进行比较。”
MCP 客户端
MCP 客户端是连接至特定 MCP 服务器的专用连接。它位于 MCP 主机内，一台主机可以有多个 MCP 客户端—服务器连接。在上面的示例中，Claude 就是主机。
客户端使用结构化 JSON-RPC 调用向服务器发送工具和资源请求。由于请求通过 MCP 协议转换，主机无需了解服务器所连接工具的底层配置细节。
ElevenLabs 也可作为 MCP 客户端。在此设置中，可通过 ElevenLabs 工作区将智能体连接至外部 MCP 服务器，例如 Zapier MCP。这样可将智能体连接至数百种不同工具和服务。
例如，你正在构建一个 ElevenLabs 客服智能体，希望它能安全访问客户在 Salesforce 中的账户详情，以便回答有意义的问题。当客户询问过往订单或退货请求状态时，智能体会通过 MCP 向 Zapier 服务器发送查询。
它会将查询转换为 Salesforce 可理解的请求并返回结果，再由 ElevenLabs 智能体将结果说给客户。
MCP 与传统 API：有什么区别？
传统 API 在实现客户端与服务器系统通信方面作用相似，但你需要在基础请求—响应结构中硬编码大部分参数。这适合连接传统软件系统，但由于前文所述的 MxN 问题，并不适用于复杂的 AI 驱动工作流程。
MCP 不会创建供系统交换请求的硬编码端点，而是构建于 API 之上，为 LLM 提供完全机器可读的接口。连接方式并非预设，AI 可以构建自己的复杂查询，并形成恰当的上下文理解。
功能与维度 | 传统 API | 模型上下文协议（MCP） |
主要受众 | 人类开发者和传统软件系统 | LLM、自主智能体和 AI 主机平台 |
交互方式 | 固定的请求与响应 | 动态选择工具和资源 |
参数配置 | 硬编码、手动参数映射 | 运行时发现的自描述 JSON 架构 |
集成扩展性 | MxN | M+N |
上下文感知能力 | 低；模型只能看到端点返回的数据 | 高；向模型上下文窗口提供结构化资源和状态 |
工作流程适应性 | 每个新用户旅程都需要开发者编写新代码 | 模型可针对新场景构建复杂的多步查询 |
将 MCP 用于 AI 集成的主要优势
模型上下文协议的发布，为 AI 智能体带来了广泛的新功能和新能力。
它带来了几项具体优势：
- 标准化
- 工具发现与查询灵活性
- 更好的 AI 自动化
- 复杂的智能体行为
- 更高的回答准确性
下面逐一展开说明。
标准化
在 MCP 出现前，将 LLM 连接到外部系统虽可行，但十分耗费人力。你需要在每个模型与资源之间建立自定义连接，这便是 MxN 问题。
MCP 提供一种通用语言，让所有 LLM 都能与几乎任何可连接的系统交互。这让开发新连接更简单、更快速。不同模型的客户端和服务器配置也更加统一，模型每次更新时，无需从头重写 MCP 连接。
工具发现与查询灵活性
过去，AI 智能体所需的每个外部连接都必须硬编码 API 端点。若开发者在数据库中添加字段，就需要重建 API 才能使其正常运作。
MCP 让智能体在运行时发现外部资源。换言之，资源已存在，当智能体需要时，就能发现可用资源。你可以向 MCP 服务器添加工具，已连接的 AI 智能体会在下次运行时发现它。无需编写任何代码来更新连接。
更好的 AI 自动化
LLM 原本只了解训练数据集中的内容，且无法与外部世界交互。MCP 让它们能够获取最新信息，并调用任何连接至 MCP 服务器系统中的工具。
复杂的智能体行为
工具和函数调用是 LLM 多年来具备的能力，但这些能力对外部工具的访问有限。MCP 具备标准化、通用且灵活的特点，让 AI 模型能够串联多个 MCP 调用，构建更长、更复杂的查询。例如，在 CRM 中查询更新后的客户信息、在日历中查询可预约时间，然后向客户发送邮件建议后续通话时段。
更高的回答准确性
大语言模型有时会产生幻觉回答。它们是预测引擎，会根据给定的上下文信息输出最可能的回答。如果向 LLM 提出答案依赖实时信息的问题，若没有适当的护栏，就更容易得到幻觉回答。
MCP 协议让 LLM 能够连接真实世界的数据存储库和工具，获取生成准确回答所需的实时信息。
MCP 应用与实际用例
模型上下文协议是一座标准桥梁，AI 智能体可借此与任意数量的外部系统通信。
以下介绍如何在多个实际行业和工作流程中使用 MCP。
通过聊天配置智能体
测试和优化对话机器人通常需要在多个仪表板和控制台之间切换。Claude 中的 ElevenLabs 托管 MCP 服务器让你可以直接通过自然语言聊天界面管理语音基础设施。
具备上下文感知能力的编程助手
编程助手在深入理解专有架构设计和事件历史时效果最佳，而传统方式很难提供这类理解。
接入 MCP 的开发环境可从相关代码仓库获取信息，让编程助手理解其构建应用时所处的真实上下文。由于助手已能梳理整个代码库的依赖关系，人类开发者可以更快排查问题。
语音智能体通话中工作流程
在大语言模型提供更自然的语言交互前，传统语音机器人必须遵循严格的流程图脚本与客户互动，也无法通过任何形式的实时数据与客户交互。
对话机器人现在可使用 MCP 调用后端系统，获取处理客户请求所需的账户信息。需要时，它们可在与客户交谈期间实时执行这些操作。
使用 ElevenAgents 开始无缝集成 MCP
ElevenAgents 提供强大的语音智能体能力，既可作为 MCP 服务器，也可作为客户端。
将 ElevenLabs 智能体连接至外部 MCP 服务器，或通过托管 MCP 在 Claude 中管理它们。立即开始使用MCP 驱动的 ElevenLabs 智能体，或了解更多ElevenAgents。
