AI工具
本书作者:测试开发刚哥,文章版权归个人所有,未经授权请勿转载。 5.1 AI工具简介 5.1.1 Function Calling Function Calling需要编写代码,并且存在规格碎片化、可靠性挑战、工程治理缺位、厂商锁定与迁移成本高等问题。 5.1.2 MCP MCP,Model Context Protocol,模型上下文协议,是一个开放标准,帮助连接AI助手与数据所在的系统,包括内容存储库、业务工具和开发环境。 MCP可以看作是AI应用程序的“USB-C端口”,就像USB-C为连接设备与各种外设提供了标准化方式,MCP为AI模型连接不同数据源和工具提供了标准化方法。 MCP把工具(Tools)、资源(Resources/用于检索与长上下文读写)、提示(Prompts)、会话(Sessions)、取样/推理(Sampling)等能力统一纳入协议语义,并标准化“枚举-描述-请求-响应-权限-审计”的全链路。传输层上,MCP不限定具体载体,既可以通过HTTP/WebSocket,也可以通过stdio等方式交换消息。 5.1.3 MCP就足够了吗 无论是RAG、Function Call还是MCP,其实都是为了让模型获取更多知识,调用更多工具来完成更复杂的事情。MCP并不是万能的,短期内存在不确定性与不同声音,国内是否成为事实标准亦未定。以MCP为协议底座,叠加AI工具接入的最佳实践与企业级安全治理,才能把“可接入”变成“可规模、可移植、可审计”的Agent能力。 5.2 AI工具标准化 5.2.1 MCP协议介绍 MCP协议遵循客户端-服务器(Client-Server)架构,允许AI应用程序通过MCP客户端与多个MCP服务器建立连接。MCP架构包含以下几个部分: MCP Host:协调和管理一个或多个MCP客户端的AI应用程序,如Claude Desktop、Visual Studio Code等,需要通过MCP协议访问数据。 MCP Client:MCP客户端,运行在MCP Host内部,负责与MCP Server建立并维护连接。MCP Host会为每一个MCP Server单独创建一个Client,Client与Server保持一对一连接。 MCP Server:MCP服务器,轻量级程序,通过MCP协议公开特定功能。MCP协议规定了MCP Server可为Client提供工具、资源文件以及提示词模板。 MCP协议采用JSON-RPC 2.0作为通信规范,所有消息均使用JSON格式进行序列化。消息类型包括:Request、Result、Error、Notification。示例如下: 请求: 响应: AI应用程序与MCP Server交互的整体流程如下: 5.2.2 MCP的核心优势 标准化模型与工具的连接方式 灵活的资源调度方式 支持双向、异步通信 支持能力共享 构建方式便捷 5.2.3 MCP面临的挑战 安全问题 大规模应用问题 集中管理问题 5.2.4 可行的解决方案 1、AI网关解决MCP安全问题 下一章将详细介绍AI网关。 2、工具优选和语义检索提升批量MCP的调用质量、降低调用耗时 工具优选:当模型请求在经过网关调用LLM时,携带含有大量工具的tool_calls数组时,网关侧基于Qwen3 Embedding和Qwen3 Reranker的方案,提供工具的精选能力,将tool_calls的数量压缩至目标数量,以提升模型响应速度与工具选择精确性。 语义检索:基于Higress网关的WASM插件机制,通过创建一个“All-in-One”的MCP Server,将用户在网关实例中注册的所有MCP工具进行统一聚合和管理,并提供智能的语义化检索能力。 ...