基本概念

MCP（Model Context Protocol，模型上下文协议） ，
2024年11月底，由 Anthropic 推出的一种开放标准，
旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。

MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制
而无法充分发挥潜力的难题，
MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，
为 AI 应用提供了连接万物的接口。

其他相关联概念: 
Function Calling是AI模型调用函数的机制，
AI Agent是一个自主运行的智能系统，
MCP是一个标准协议，使AI模型与API无缝交互，
利用Function Calling和MCP来分析和执行任务，实现特定目标。

MCP协议是由AI公司 Anthropic（claude的母公司）
于2024年11月推出的一个针对AI能力的开放协议，
旨在标准化大语言模型（LLM）与外部数据源、工具之间的交互接口。

其核心设计目标：

解耦与标准化：
将LLM与外部系统的集成从定制化开发转变为基于统一协议的通用连接，
类似硬件领域的USB-C接口。

去中心化：
通过允许开发者自主构建MCP Server，分散AI能力，
避免单一厂商垄断知识和服务。

安全可控：
通过权限验证和本地化部署，确保数据隐私与操作安全。

而 MCP Server 则是MCP的关键组件，提供如下三种功能：

资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。
工具（Tools）：可以被 LLM 调用的函数（需要用户批准）。
提示（Prompts）：预先编写的模板，帮助用户完成特定任务。

工作原理

MCP 协议采用了一种独特的架构设计，
它将 LLM 与资源之间的通信划分为三个主要部分：
客户端、服务器和资源。

客户端负责发送请求给 MCP 服务器，
服务器则将这些请求转发给相应的资源。
这种分层的设计使得 MCP 协议能够更好地控制访问权限，
确保只有经过授权的用户才能访问特定的资源。

MCP 遵循客户端-服务器架构（client-server），
其中包含以下几个核心概念：

MCP 主机（MCP Hosts）：发
起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。

MCP 客户端（MCP Clients）：
在主机程序内部，与 MCP server 保持 1:1 的连接。

MCP 服务器（MCP Servers）：
为 MCP client 提供上下文、工具和 prompt 信息。

本地资源（Local Resources）：
本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。

远程资源（Remote Resources）：
MCP server 可以连接到的远程资源（例如通过 API）。

通信机制

通信机制
MCP 协议支持两种主要的通信机制：
基于标准输入输出的本地通信
和基于SSE（Server-Sent Events）的远程通信。

这两种机制都使用 JSON-RPC 2.0 格式进行消息传输，
确保了通信的标准化和可扩展性。

本地通信：
通过 stdio 传输数据，适
用于在同一台机器上运行的客户端和服务器之间的通信。
远程通信：
利用 SSE 与 HTTP 结合，
实现跨网络的实时数据传输，
适用于需要访问远程资源或分布式部署的场景。

playwright-mcp

微软官方推出Playwright-mcp

MCP Server目前的很多应用中，
调度浏览器操作是一个极为高频的场景，
基于Playwright这个新锐浏览器工具，
也已经有第三方先行推出了MCP Server
而现在，微软官方也终于推出了Playwright-mcp，
可以和Vscode copilot无缝结合使用

可以通过vscode和copilot 的方式自动化的执行一些浏览器的测试命令.