# MCP är en transport *Det här är en del 2 av | " | LLM som komponenter [Del 1: Varför LLM misslyckas som sensorer](/blog/llms-fail-as-sensors) omfattade kategoriska felet med att använda LLMs för perception. Denna artikel omfattar kategoriskafeln i att använda MCP som arkitektur* --- **" Hur bygger jag en MCP-server?** SDKs existerar. En LLM kan bygga en byggnadsställning på några sekunder . Den verkliga frågan är > *Vilken roll ska en MCP-server spela in i ett system som inte måste ligga* Den knappa förmågan är nu att designa **system runt** MCP: auktoritet, tillstånd, kontrollerability, och deterministisk kontroll. MCP hanterar transport — dessa intressen bor någon annanstans Denna artikel förklarar hur jag använder MCP **utan agenter, självstyre, eller viber**, och varför de flesta MCP-exempler återskapar samma problem som vi [TOC] --- ## Vad är egentligen MCP? MCP (Modella Kontextprotokollet) är ett **kabelprotokoll**. Den rör sig - Inputs och utgångar - Schemas - verktygsmetadata - Kapacitetsforskning Det gör det. **inte**: - Bestämma *när* verktygen borde fungera - Validatera sanningen - Kräv tillit - Ta hand om biverkningar ```mermaid flowchart LR subgraph MCP["MCP: What It Does"] Schema[Schema Discovery] --> Transport[Transport Layer] Transport --> Invoke[Tool Invocation] Invoke --> Response[Structured Response] end subgraph NotMCP["Not MCP's Job"] When[When to run?] Trust[Is this true?] Should[Should we act?] Safe[Is this safe?] end style MCP fill:none,stroke:#16a34a,stroke-width:2px style NotMCP fill:none,stroke:#dc2626,stroke-width:2px style Schema fill:none,stroke:#059669,stroke-width:2px style Transport fill:none,stroke:#059669,stroke-width:2px style Invoke fill:none,stroke:#059669,stroke-width:2px style Response fill:none,stroke:#059669,stroke-width:2px style When fill:none,stroke:#dc2626,stroke-width:2px style Trust fill:none,stroke:#dc2626,stroke-width:2px style Should fill:none,stroke:#dc2626,stroke-width:2px style Safe fill:none,stroke:#dc2626,stroke-width:2px ``` **MCP är närmare OpenAPI än det är till en agent ram** Om du' använder MCP som ditt resonemangslayer, så har du redan gjort samma kategorisk fel som beskrivit i [Del 1](/blog/llms-fail-as-sensors). Om MCP är transport, så lever arkitekturen ovanför den. --- ## grundprincipen : förslag mot beslut Detta är grundregeln från [Reduzerad RAG](/blog/reduced-rag) och [Begränsad otydighet](/blog/constrained-fuzzy-image-intelligence): - **Probabilistiska komponenter föreslår** - **Deterministiska system bestämmer** I mina system: - LLMs är *aldrig* myndigheter - verktygen är *aldrig* självständig - Varje MCP-respons är **förslag**, inte ett faktum "Deterministiskt " här betyder inte **regeln, -, styrd, ,, reproducerad, M SK2 och auditerad**. ```mermaid flowchart TD subgraph Proposers["Proposers (Probabilistic)"] LLM[LLM Synthesis] MCP1[MCP Tool Response] MCP2[MCP Tool Response] end subgraph Constrainer["Constrainer (Deterministic)"] Validate[Validate Proposals] Compare[Compare Confidence] Policy[Apply Policy Rules] Decide[Accept / Reject / Escalate] end subgraph Persistence["Persistence (Facts)"] Facts[(Verified Facts
With Provenance)] end LLM --> Validate MCP1 --> Validate MCP2 --> Validate Validate --> Compare Compare --> Policy Policy --> Decide Decide --> Facts style Proposers fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Persistence fill:none,stroke:#16a34a,stroke-width:2px style LLM fill:none,stroke:#d97706,stroke-width:2px style MCP1 fill:none,stroke:#d97706,stroke-width:2px style MCP2 fill:none,stroke:#d97706,stroke-width:2px style Validate fill:none,stroke:#2563eb,stroke-width:2px style Compare fill:none,stroke:#2563eb,stroke-width:2px style Policy fill:none,stroke:#2563eb,stroke-width:2px style Decide fill:none,stroke:#2563eb,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px ``` MCP-servern bestämmer inte. --- ## Varför "Tools" är det fel mentala modellen Standardformatet för MCP är: - "Exposa metoder som verktyg - "Låt modellen välja vilket verktyg man ska ringa - "Ansök tillstånd innan man sätter igång Detta misslyckas av förutsägbara anledningar: 1. **verktygsbeschreibunger blir prompter**: LLM drar slutsatsen om mening från ordspråket , inte från schemasemantik 2. **Vad händer när man väljer ett verktyg?**: Modellet optimerar för trovärdighet , inte korrekthet M SK2 och väljer verktyg baserat på beskrywings likheter 3. **Tillåtelseproppar är UX, inte säkerhets**: En modaldialog hindrar inte att det felaktiga verktyget ska väljas 4. **Ingen återspelbarhet**: Du kan inte reproducera en sessie eftersom verktygsvalet var sannolikhetsmässigt **Reframställa: MCP slutpunkter publicerar signaler** - Signaler är skrivna, begränsade , och antagliga - Varje signal har tillförlitlighet, ,, provenance och bevispunkter. - Naturspråk är ett *presentationslayer*, inte substratet ```mermaid flowchart LR subgraph Wrong["❌ Tools Mental Model"] Desc[Tool Description
'Gets weather for city'] --> LLM1[LLM Chooses] LLM1 --> Execute[Execute Action] Execute --> Trust1[Trust Result?] end subgraph Right["✓ Signals Mental Model"] Schema2[Typed Schema
city: string, units: enum] --> Invoke2[Deterministic Invoke] Invoke2 --> Signal[Signal Response
+ confidence + provenance] Signal --> Validate2[Constrainer Validates] end style Wrong fill:none,stroke:#dc2626,stroke-width:2px style Right fill:none,stroke:#16a34a,stroke-width:2px style Desc fill:none,stroke:#dc2626,stroke-width:2px style LLM1 fill:none,stroke:#dc2626,stroke-width:2px style Execute fill:none,stroke:#dc2626,stroke-width:2px style Trust1 fill:none,stroke:#dc2626,stroke-width:2px style Schema2 fill:none,stroke:#16a34a,stroke-width:2px style Invoke2 fill:none,stroke:#16a34a,stroke-width:2px style Signal fill:none,stroke:#16a34a,stroke-width:2px style Validate2 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Signalkontrakt över chat Varje MCP slutpunkt i mina system har: - **En schema**: Tiktade in- och utgångar , inte gratis - **Förtroende**: Hur säker är detta resultat - **Förekomst**: Var kom detta ifrån? - **Evidensspetsar**: Vad kan kontrolleras oberoende av varandra Inget gratis-textberättigande . Nej " bästa ansträngning **exempel från produktionssystem:** | Signal | Förtroendes källa ♫ ♫ | ♫ Evidence Pointer ♫ |--------|-------------------|------------------| | OCR: s extraktion av text | | | Florence | -2 | självförtroende | МSK3 | Bounding box koordinater || | Bildklassificering | CLIP likvärdighetsvärde | | | Embedding | МSK3 | likvärdigkeitsvärdet |+ | referensbild ID | | Synkronisering av ljud | | | Fluttra ord |- | Tillförtroende på samma nivå | | Lautsprekeridentifikation | Diariseringscluster avstånd | | | Segmentgränser | **Regelen: Om ett resultat inte kan valideras, så är det inte accepterat.** Detta är samma princip som [Designregler #5](/blog/llms-fail-as-sensors): fakta behöver bevis --- ## The Constrainer: Den del som alla hoppar över De flesta MCP-lektioner visar: 1. Definiera verktyg 2. Koppla till LLM 3. Låt det köra Den saknande komponenten är **konstrainer** - den deterministiska logiken som - Bedömer konkurrensutsatta förslag - Inspekterar policy - Bestämdar vad som förblir och vad som avfärdas - Rötter till eskalation när självförtroende är låg ```mermaid flowchart TD subgraph Sources["Signal Sources"] Heuristics[Heuristics
Text-likeliness: 0.3] LocalModel[Local Model
Florence-2 OCR: 0.85] LLMCall[LLM Escalation
GPT-4V: 0.92] end subgraph Constrainer["Constrainer Logic"] Receive[Receive All Signals] Check{Confidence
≥ 0.7?} Cross[Cross-Validate
Signals Agree?] Accept[Accept as Fact] Reject[Reject / Log] Escalate[Escalate to
Higher Tier] end Heuristics --> Receive LocalModel --> Receive LLMCall --> Receive Receive --> Check Check -->|Yes| Cross Check -->|No| Escalate Cross -->|Yes| Accept Cross -->|No| Reject style Sources fill:none,stroke:#d97706,stroke-width:2px style Constrainer fill:none,stroke:#2563eb,stroke-width:2px style Heuristics fill:none,stroke:#d97706,stroke-width:2px style LocalModel fill:none,stroke:#d97706,stroke-width:2px style LLMCall fill:none,stroke:#d97706,stroke-width:2px style Receive fill:none,stroke:#2563eb,stroke-width:2px style Check fill:none,stroke:#2563eb,stroke-width:2px style Cross fill:none,stroke:#2563eb,stroke-width:2px style Accept fill:none,stroke:#16a34a,stroke-width:2px style Reject fill:none,stroke:#dc2626,stroke-width:2px style Escalate fill:none,stroke:#7c3aed,stroke-width:2px ``` **Verkliga konstrainer beslut:** - Avfärda LLM-caption när heuristiken inte håller med om text - Preferera lägret-förtroende men bevisad OCR jämfört med högt -för troende hallucinaerade text - Flytta till syn LLM bara när den lokala modellförtroendet är uppfylld < 0.7 **MCP kopplar samman komponenter** --- ## Att stänga av LLM. ( Och varför gör jag det? Mina MCP-server fungerar fortfarande med den deaktiverade LLM Det här är "'", det är inte en nedgraderad mode , .", **primära mode**. Om ditt system slutar fungera när LLM inte är tillgängligt, Kernfunktionen: - Deterministisk sammanfattning av utlägsna fakta - Evidence-first sökning via inbäddar och filter - Strukturerade frågor mot faktadatabasen LLM blir ":". - Ett syntetiskt lager (optionellt) - En förklaringsmotor ( när uppgefordert ) - En förstärkare ( för språkets utgångsnivå) LLM är **inte**: - En beslutsfattare - minne - En sanningsmotor ```mermaid flowchart TD subgraph AlwaysOn["Always On (Deterministic)"] Sensors[Sensors + Heuristics] Local[Local Models
Florence-2, Whisper, CLIP] Facts[(Facts Database)] Query[Query Engine] end subgraph Optional["Optional (LLM)"] Synthesis[Natural Language Synthesis] Explain[Explanation Generation] end Sensors --> Local Local --> Facts Facts --> Query Query --> Synthesis Query --> Explain style AlwaysOn fill:none,stroke:#16a34a,stroke-width:2px style Optional fill:none,stroke:#6b7280,stroke-width:2px,stroke-dasharray: 5 5 style Sensors fill:none,stroke:#16a34a,stroke-width:2px style Local fill:none,stroke:#16a34a,stroke-width:2px style Facts fill:none,stroke:#16a34a,stroke-width:3px style Query fill:none,stroke:#16a34a,stroke-width:2px style Synthesis fill:none,stroke:#6b7280,stroke-width:2px style Explain fill:none,stroke:#6b7280,stroke-width:2px ``` **Varför är detta viktigt:** | nytta | | | LLM | - | Erforderliga system |---------|---------------------|----------------------| | **kostnaderna** | Per, - sök-API-kostnaden, | **Tillförlitlighet** | API avlägsning = system nedsluten ♫ | ♫ Kernfunktionen fortsätter ♫ | **Testbarhet** | Mock LLM-responser | Deterministiska antaganden | | **Tillit** | " Modelet sa så. --- ## MCP som en gräns, Inte en integrering Jag behandlar MCP som en **hårt gräns**: - **Proses isolering**: MCP-server körs i separata processer - **Otydliga ingångar / utgångar**: Ingen delad mutable tillstånd - **Ingen omgivning**: Varje sändning bedöms på explicita ingångar - **Inskrivna kontrakt**: Schemaöverträdelser är fel Detta kontrasterar med: - In-processagenter med gemensam minne - Prompt-komma med dolda kontextaccumulationer - "Konversationsmässigt " användandet av verktyg där tidigare vridningar påverkar beteendet **Varför är gränser viktiga:** 1. **Spela om**: Reproduera vilken sessie som helst genom att spela in inputs igen 2. **Revidering**: Varje signal har en spårbar ursprung 3. **Deterministisk test**: Samma ingångar → samma utgångar 4. **Hållbarhet**: Betydande beslutskedja ```mermaid flowchart LR subgraph Process1["Process: Orchestrator"] Orch[Orchestrator
Constrainer Logic] end subgraph Process2["Process: MCP Server 1"] MCP1[Image Analysis
Signals] end subgraph Process3["Process: MCP Server 2"] MCP2[Audio Analysis
Signals] end subgraph Process4["Process: MCP Server 3"] MCP3[Video Analysis
Signals] end Orch <-->|MCP Protocol| MCP1 Orch <-->|MCP Protocol| MCP2 Orch <-->|MCP Protocol| MCP3 style Process1 fill:none,stroke:#2563eb,stroke-width:2px style Process2 fill:none,stroke:#16a34a,stroke-width:2px style Process3 fill:none,stroke:#16a34a,stroke-width:2px style Process4 fill:none,stroke:#16a34a,stroke-width:2px style Orch fill:none,stroke:#2563eb,stroke-width:2px style MCP1 fill:none,stroke:#16a34a,stroke-width:2px style MCP2 fill:none,stroke:#16a34a,stroke-width:2px style MCP3 fill:none,stroke:#16a34a,stroke-width:2px ``` --- ## Misslyckande sätt MCP exempel Don't prata om Verkliga misslyckanden från obegränsad MCP-användning: | Missbruksmöjlighet | | | orsak || | dämpning | |--------------|-------|------------| | **verktygshallucinationer** | Beschreibungsläcka in i LLM resonemang | Minimala beschreibungerM SK2 schemat-first design | | | **Över execution** | Modellansöker verktygen " bara för att kolla" | Konsträngare sätter alla invocations | | | **Schemadrift** | verktygsbeteende förändrasM SK1 schemat inte ' t | | | Versionerade schema | , | kontrakttest | | **Tysta partiella misslyckanden** | verktygen återvänder partiella data , modell fortskrider | | | Tillförtroende tröskeln | , | komplettitetskontroller | **LLMs övertygelse** | Modell hanterar verktygsresultat som grunden till sanning. | **Kapacitets escalation** | Modell | " | Tresor | МSK2 | progressivt mer kraftfulla verktyg ♫ | | Kapacitetsnivåer ♫ Den vanliga threaden: **dessa misslyckanden händer eftersom LLM är tilltrolig som en auktoritet**. Fixen: **LLMs föreslår att ",", Constrainers decide , och ",", fakta förblir**. --- ## Vad är MCP bra på? ( När det används ordentligt) MCP är utmärkt för: - **Kapacitetsforskning**: Runtimeberäkning av tillgängliga signaler - **Inter-processkomposition**: Klara gränser mellan komponenterna - **Interoperabilitet med verktyg**: Fungerar med vilken MCP-client som helst - **Modell-agnostisk integrering**: Swap LLMs utan att ändra signalkontrakt MCP är **inte**: - En agent ram - Ett resonemangssystem - En säkerhetslag - En gräns för tro Använd MCP för vad det är --- ## Var MCP stannar MCP standardiserar hur modeller och verktyg utbyter sammanhang. Det definierar inte vem som är tillåten att agera Det finns andra sätt att formalisera dessa begränsningar. ( som ibland beskrivs som handlingskapacitetsprotokoll. Den här artikeln handlar inte om AKP, utan om designprincipen. **transporter och styrning är separata problem**. MCP säger till dig *hur* att ringa ett verktyg. Något annat måste bestämma *om* du borde, i mina system, att, i företagssystemen, kanske det är en policymotor. --- ## Demo MCP vs Production MCP | Aspect | | | Demo MCP || | Production MCP |--------|----------|----------------| | **verktygsbeschreibunger** | Naturligt språk, detaljerad | MinimaltM SK3 schemat | **Vem bestämmer sig för att ringa** | LLM | **Reaktionsformat** | Gratis-form text | Geskrivna signaler med självförtroende | | **Validering** | Ingen | Cross-ValideringM SK3 tröskel | | **LLM beroende** | Erforderligt ♫ ♫ | ♫ Optionell rikaring ♫ | **Spela om** | Otrev - deterministisk | fullt återskapbar | | **Revideringsspår** | Konversation logs | Signalprovanskedjan | --- ## Slutning MCP gör det möjligt **sammansättning**. Determinism gör det möjligt **tillit**. LLMs gör det möjligt **skicklighet**. Men bara om: > *sannolikheten föreslår — och determinismen förblir kvar* MCP utan konstrainer är bara en snabb injiction med extra steg. Gör syntekniken till det sista steget. Gör LLM till en optional variant. Gör varje fakta spårbar --- ## Nyckelbegrepp - **MCP (Modella Kontextprotokoll**: Kabelprotokoll för verktygsforskning och invocation mellan processer - **Konstruenter**: Deterministisk logik som utvärderar förslag och bestämmer vad som förblir kvar - **Signal**: Typad respons med självförtroende , provenance - **Förespråkare**: Alla komponenter | ( | LLM | , | Lokalmodell |, | Heuristik | ) | som antyder fakta utan att ha rätt - **Evidence pointer**: referens till verifierbar källa --- ## Related Articles **tidigare i serien:** [Del 1: Varför LLM misslyckas som sensorer](/blog/llms-fail-as-sensors) - [Reduced RAG: Map-Reduzerad för Probabilistiska System](/blog/reduced-rag) - [ImageSummarizer: Begränsad fuzzy bildintelligens](/blog/constrained-fuzzy-image-intelligence) - [VideoSummarizer: Reduktion av RAG för video](/blog/videosummarizer-scalable-video-intelligence) - [StyloFlow: Signal](/blog/styloflow-signal-driven-workflows)