Dalam bidang Model Bahasa Besar (LLM), keperluan untuk menghubungkannya dengan sumber luaran seperti repositori data, alat khusus, atau Antara Muka Pengaturcaraan Aplikasi (API) sering timbul bagi membuka potensi sebenar mereka. Walau bagaimanapun, kaedah standard untuk integrasi ini telah ketara tidak hadir – sehingga kini.
Anthropic telah tampil dengan penyelesaian yang berpotensi: Protokol Konteks Model (MCP), protokol terbuka yang bertujuan untuk menjadi “USB-C” dunia AI. Mari kita terokai MCP secara terperinci, memeriksa fungsi, aplikasi, cabaran dan strategi pelaksanaannya.
Diperkenalkan baru-baru ini, MCP ialah projek sumber terbuka yang diterajui oleh pencipta model Claude. Ia membayangkan standard terbuka universal yang menghubungkan sistem AI dengan pelbagai sumber data dengan lancar.
MCP melangkaui pangkalan data mudah, membolehkan akses kepada pelbagai alat dan sumber. Keupayaan ini termasuk menanyakan pangkalan data, memulakan kontena Docker, dan juga berinteraksi dengan platform pemesejan popular seperti Slack atau Discord.
Sama ada matlamatnya adalah untuk menyepadukan LLM dengan pangkalan data SQL, mengurus kluster Kubernetes, atau mengautomasikan tugas Jira, terdapat kemungkinan besar pelayan MCP yang sesuai sudah wujud. Momentum projek ini sangat luar biasa, menarik minat dan sokongan yang besar daripada gergasi industri seperti OpenAI dan Google.
Penerokaan ini akan meneliti aspek praktikal MCP, menyoroti potensi aplikasinya, cabaran yang wujud, dan kaedah untuk menggunakan dan menyepadukan pelayan MCP dengan Claude Desktop dan model tersuai menggunakan Open WebUI.
Memahami MCP: Seni Bina Klien-Pelayan
MCP beroperasi pada seni bina klien-pelayan konvensional, yang terdiri daripada tiga elemen asas: hos, klien dan pelayan.
Hos biasanya merupakan antara muka yang menghadap pengguna, seperti Claude Desktop atau Persekitaran Pembangunan Bersepadu (IDE) seperti Cursor. Ia bertanggungjawab untuk mengurus satu atau lebih klien MCP.
Setiap klien mewujudkan sambungan khusus dengan pelayan melalui protokol MCP. Komunikasi antara klien dan pelayan berlaku melalui mesej JSON-RPC, dengan lapisan pengangkutan berbeza-beza berdasarkan pelaksanaan tertentu. Lapisan pengangkutan yang disokong pada masa ini termasuk Stdio, HTTP dan acara yang dihantar pelayan (SSE).
Pelayan MCP mendedahkan keupayaan khusus kepada klien, menjadikannya boleh diakses oleh hos dalam cara yang diseragamkan. Kebolehaksesan seragam ini adalah sebab utama mengapa MCP sering dibandingkan dengan USB-C untuk AI.
Sama seperti USB merevolusikan ketersambungan dengan menghapuskan keperluan untuk antara muka berbeza untuk peranti persisian dan peranti storan, MCP berusaha untuk mewujudkan bahasa yang sama untuk model berinteraksi dengan data dan alat.
Peranan pelayan MCP bergantung pada lokasi sumber. Untuk sumber tempatan, seperti pangkalan data SQLite, pelayan terus mengakses sumber tersebut. Untuk sumber jauh, seperti baldi S3, ia bertindak sebagai jambatan, menyampaikan panggilan API. Fungsi jambatan ini mengukuhkan analogi USB-C, kerana pelayan MCP sering berfungsi sebagai penyesuai, menterjemahkan antara muka khusus vendor ke dalam format standard yang boleh difahami dengan mudah oleh model bahasa.
Pendedahan dan mekanisme respons yang konsisten adalah aspek penting MCP, memastikan keseragaman merentasi sumber yang berbeza.
Salah satu ciri MCP yang paling menarik bagi MCP ialah keupayaan komunikasi dua arahnya. Aplikasi hos bukan sahaja boleh meminta data daripada pelayan, tetapi pelayan juga boleh berkomunikasi dengan LLM melalui permintaan persampelan/createMessage kepada klien. Walaupun fungsi ini belum disokong secara universal, ia membuka jalan untuk aliran kerja agentik yang menarik.
Dengan pemahaman asas tentang MCP, mari kita periksa aplikasi praktikalnya.
Amali dengan MCP: Menguji dengan Claude Desktop
Memandangkan pembangunan Anthropic bagi MCP, Claude Desktop menyediakan persekitaran yang mudah untuk eksperimen awal.
Bagi pengguna yang lebih suka mengelakkan pembekal LLM pihak ketiga, bahagian berikutnya akan meliputi penyambungan pelayan MCP ke model tempatan dan antara muka Open WebUI.
Selain Claude Desktop, beberapa kebergantungan diperlukan kerana pelayan MCP boleh beroperasi dalam pelbagai persekitaran. Untuk demonstrasi ini, Node.js, Python 3 dan pengurus pakej UVX untuk Python mesti dipasang.
Selepas memasang kebergantungan yang diperlukan, lancarkan Claude Desktop dan log masuk menggunakan akaun Anthropic. Navigasi ke tetapan aplikasi dan kemudian ke tab “Pembangun”.
Mengklik butang “Edit Config” akan menjana fail claude_desktop_config.json kosong secara automatik dalam folder ~/Library/Application Support/Claude/ pada macOS atau folder %APPDATA%\\Claude\\ pada Windows. Fail ini akan menempatkan konfigurasi Klien MCP. Pelayan MCP Masa Sistem dan Sistem Fail akan digunakan untuk tujuan ujian.
Buka fail claude_desktop_config.json dalam editor teks atau IDE (cth. VSCodium) dan gantikan kandungannya dengan konfigurasi pelayan masa berikut, laraskan zon masa seperti yang dikehendaki: