前面的system prompt、user prompt、function_calling都是 AI Agent与AI模型之间的通信方式。
Agent与Agent Tool通信最简单的做法就是把AI Agent和Agent Tool写在同一个程序里面。直接函数调用搞定。
但人们发现有些Tool的功能其实挺通用的。所以将Agent Tool搞成了独立服务，多个Agent都可以与同一个Agent Tool通信。所以他们之间搞了通信协议MCP。
MCP是一个通信协议，专门用来规范Agent和Tool服务之间是怎么交互的。运行Tool的服务叫做MCP Server, 调用Tool的Agent叫做MCP Client。
MCP只负责帮Agent管理 Tools、Resources、Prompts。
✅ 很好，总结得非常清晰准确，我来帮你进一步扩展和精炼一下 MCP 的概念，便于你深入理解和向他人讲解。
MCP（Multi-Component Protocol / Modular Capability Protocol） 是一个新兴的通信协议，专门用于规范 AI Agent 与外部 Tool 服务之间的交互方式。
它解决的问题是：
当 AI Agent 和 Tool 被部署在不同服务中（比如分布式部署），如何标准化它们之间的调用、注册、资源管理和任务执行流程？
像 HTTP 一样，定义 Agent 如何与 Tool 服务交互，形成统一接口标准。
| 角色 | 说明 |
|---|---|
| MCP Client | 发起调用的 Agent，比如你在用的 LLM 调度器 |
| MCP Server | 托管 Tool 的服务，例如天气服务、搜索服务、数据库访问服务 |
| 对象 | 说明 |
|---|---|
| 🛠 Tools | 工具的定义和调用方式，Agent 可远程触发调用 |
| 📁 Resources | 数据文件、临时缓存、上下文信息等 |
| 🧾 Prompts | 存储或请求可复用的提示模板（可重构思路） |
MCP Client（Agent） 向 MCP Server 发请求：
{
"tool": "plot_chart",
"params": {
"data": [1, 2, 3, 4],
"title": "用户增长趋势"
}
}MCP Server 中对应 Tool 被触发，执行绘图逻辑，生成一张图
MCP Server 返回资源引用给 Agent，例如：
{
"resource": "https://mcp-server.com/output/graph_1234.png"
}Agent 结合图片给用户返回自然语言答案：“这是用户增长趋势图👇”
| 优势 | 描述 |
|---|---|
| 🔄 标准化 | 不同 Agent 框架（如 LangGraph, AutoGen）都可接入统一接口 |
| 🧩 模块化 | 每个 Tool 都是独立微服务，便于维护与部署 |
| 📦 资源管理 | 不只是调用函数，还能跨进程管理缓存、上下文、Prompt 模板等 |
| 🤖 多 Agent 协作 | 多个 Agent 可共享 Tool，不需重复实现 |
MCP 是 AI Agent 世界的“API 协议标准”，让 Tool 成为可复用、可远程调用的服务模块。 它是让 Agent 更强大、更灵活、更像“操作系统”的关键基建之一。
# main.py
from mcp.server.fastmcp import FastMCP
import tools
mcp = FastMCP("host info mcp")
mcp.add_tool(tools.get_host_info)
@mcp.tool()
def foo():
return ""
def main():
mcp.run("stdio") # sse
# stdio代表其实就是本地终端方式通信
# sse是远程调用，通过http，不过要处理好鉴权等等
if __name__ == "__main__":
main()
# tools.py
import platform
import psutil
import subprocess
import json
def get_host_info() -> str:
"""get host information
Returns:
str: the host information in JSON string
"""
info: dict[str, str] = {
"system": platform.system(),
"release": platform.release(),
"machine": platform.machine(),
"processor": platform.processor(),
"memory_gb": str(round(psutil.virtual_memory().total / (1024**3), 2)),
}
cpu_count = psutil.cpu_count(logical=True)
if cpu_count is None:
info["cpu_count"] = "-1"
else:
info["cpu_count"] = str(cpu_count)
try:
cpu_model = subprocess.check_output(
["sysctl", "-n", "machdep.cpu.brand_string"]
).decode().strip()
info["cpu_model"] = cpu_model
except Exception:
info["cpu_model"] = "Unknown"
return json.dumps(info, indent=4)
if __name__ == '__main__':
print(get_host_info())各家的AI模型 Desktop 客户端应用，基本都支持MCP配置， 可能是一个json, 比如指定 运行python main.py,背后的客户端就会通过stdio与main.py进程进行MCP通信。 客户端像MCP服务器拉去有哪些tools，prompt等等。