MCP

Model Context Protocol（简称 MCP）是一个旨在提升大型语言模型（LLMs）上下文共享能力的协议。它通过在应用和模型之间建立一致、可共享的上下文表示方式，使得多个工具可以协同工作，共享对用户或任务的理解，从而带来更智能、更一致的体验。

---

核心目标

• 共享上下文：在不同模型间共享对用户和任务的理解。
• 模块化扩展：允许不同工具根据需求提供或消费上下文。
• 提高一致性：让多种模型和工具具备统一理解用户意图的能力。

---

关键组件

1. Context Agents

负责构建和维护上下文的模块，可能是：

• 记忆系统（如：长期记忆、短期记忆）
• 日程管理器
• 知识库
• 实时数据抓取器等

这些 Agent 会提供上下文内容给模型使用。

2. Context Packs

• 是一种结构化的上下文集合，可以被共享、存储和传输。
• 每个 Pack 包含若干上下文条目（如：记忆、文档、用户偏好等），具备明确的语义标签。

3. Context API

• 定义了如何读取、写入、订阅上下文。
• 支持模型与 Agent 之间进行高效、标准化的上下文通信。

---

应用场景

• 多模型协作时共享用户状态（例如：聊天机器人 + 任务执行代理）
• 保持用户在不同设备或会话之间的一致体验
• 在企业或团队中部署统一的“组织记忆”系统

---

举例

例如一个 AI 助手可能使用以下多个 Context Agents：

• 日历 Agent 提供用户的会议信息
• 邮件 Agent 提供最新邮件摘要
• 项目管理 Agent 提供待办任务列表

所有这些信息通过 MCP 形成一个完整的上下文 pack，供 AI 模型参考，从而给出更精准的回应。