主要观点总结
本文介绍了模型上下文协议（MCP）的理论基础、工具使用格式、示例、可用工具列表、工具使用规则，并通过ModelScope和阿里云百炼等MCP市场，展示了如何实际应用MCP。同时，文中也分享了学习MCP的技巧，包括使用Qwen、克隆Cherry Studio源码、使用AI编程工具等。作者还提出了对MCP的一些观点，包括存在的问题、展望等。此外，还关联了关于通义千问和LangChain的文章，展示了构建高效对话模型的可能性。
关键观点总结
关键观点1: MCP的理论基础
MCP是为了让AI模型能够使用工具，它连接AI助手与数据所在的系统，帮助模型产生更好的响应。
关键观点2: 工具使用格式和示例
使用XML风格的标签来调用工具，包括工具名称和JSON格式的参数。提供了多个实际可用的信息获取工具，如各种中英文新闻和内容平台的热门榜单。
关键观点3: MCP市场和学习技巧
介绍了国内常见的MCP市场，如ModelScope和阿里云百炼，并分享了学习MCP的技巧，如使用Qwen、克隆Cherry Studio源码等。
关键观点4: 存在的问题和展望
作者提出了对MCP的一些观点，包括存在的问题、未来展望等。并关联了关于通义千问和LangChain的文章，展示了构建高效对话模型的可能性。
文章预览
一、前言 说实话，当我看到使用 MCP 服务还需要手动复制粘贴 JSON 的时候，包括现在很多 MCP 服务只有工具，没有资源和提示时，我认为 MCP 还不太成熟。 随着今年“智能体”的大爆发，使用工具的诉求越来越强烈。随着 MCP 服务市场、MCP 自动配置功能的出现，MCP 的使用门槛正在降低，越来越多的服务宣布支持 MCP 协议，开始要爆发的趋势。 网上也有很多介绍 MCP 的文章，但很多文章要么太理论化，动辄就上一堆 Python 代码，对于非开发者来说比较枯燥，要么就是直接介绍 MCP 如何配置使用，太偏实践，知其然，不知其所以然。 本文将先尽量用相对通俗的语言和图形介绍基本的理论，然后以 ModelScope 的 MCP 市场，Cherry Studio 客户端为例，为大家展示 MCP 的过程，让大家更加有体感，更好地理解和掌握 MCP ,最后分享一点资料和观点。 二、理论基础 RAG 是
………………………………
