# MCP 是一个运输机*,}不是建筑 *这是 "+LLMs 作为构件的 & MSSK2 中的 {2} 部分 。 @ title [为何LLM女士失败为传感器](/blog/llms-fail-as-sensors) 包含使用 LLMs 进行感知的类别错误@.}此条涵盖将 MCP 用作架构的分类错误 @.* --- **@"_# 我如何建立 MCP 服务器@?"}是错误的疑问 @MS K2}** SDKs 存在=.}一个LLM能在几秒内 将一具尸体架在手脚上 *.}真正的问题就是~: > *MCP 服务器在一定不能是“?”的系统中应该扮演什么角色?* 现在稀缺的技巧正在设计 **围绕系统周围** MCP:当局 ,授权 MS K2可审计性,和确定控制 □.MCP处理运输 这篇文章解释我如何使用MCP **没有代理人@ , @ 自主性 @ MS K1 @ 或氛围**以及为什么大多数MCP案例都重现了我们所看到的同样问题, [TOC] --- ## 实际上,MCP究竟是什么? (吗? MCP {(} 模式背景协议})是 **电线协议**它在移动 : - 投入和产出 - 气囊 - 工具元数据 - 能力发现 确实如此 **否**: - 决定 *何时* 工具应该运行 - 校正真相 - 强制执行信任 - 管理副作用 ```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 与 OpenAPI 相比,它更接近于一个代理框架@.** 如果您使用 MCP 作为推理阶层@ , @ 您% MS K2 已经做了相同分类错误 [部分#1](/blog/llms-fail-as-sensors). 如果 MCP 是运输, 那么建筑结构的寿命 高于它=:管弦 ,Policy_,}验证°,固性\ .本篇文章的其余部分是这个层+. --- ## 核心原则_:}提案与决定 这是根基规则 [减少的RAG](/blog/reduced-rag) 和 [受限制的模糊](/blog/constrained-fuzzy-image-intelligence): - **建议的概率组成部分** - **确定性系统决定** 在我的系统中 - LLM 是 *从未* 当局主管部门 - 工具 *从未* 自治自主 - 每个MCCP反应都是a **提议**不是事实 "#Deterministic_"}这里的意思是简单化=.Q **规则@- @governed_,}可复制},和可审计**. ```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 服务器决定@' @ t 决定 @ .} 约束器决定.{ --- ## 为何「"#Tools @Tools@"}是错误的心理模式? 默认 MCP 框架为 @ : @ {} - @" 将方法作为工具来应用@" - @ "_ @ 让模型选择该调用哪个工具来调用@"} - @"Ask 执行前的授權@" 这失败是因为可以预测的原因。 @: @% 1. **工具描述成为提示**“LLM”从措辞中推断出意图, 2. **工具选择流**: 依据描述相似性选择工具 3. **权限提示是 UX,不安全**:# 模式对话框 does MS K1}% t 防止错误工具被选中@ info 4. **无可重播放功能**: 您可以\ @ MS K1} t复制一个会话, 因为工具选择是概率的 **重新框架@: @% MCP 端点发布信号 @ , @ not action * .*** - 信号被键入@ , @ breed @ MS K1和可归属 - 每个信号都有自信和证据指示器 - 自然语言是一种 *演示演示文图层*# , # 不是基底 # ```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 ``` --- ## 交接时的信号合同 我系统中每个 MCP 端点都有一个: - **一种预想**@ :_ 键入输入和输出@ MS K1} 不是free\ - form text - **信任**@: @ 如何确定这一结果 @ ? @ @ I(0.0–1.0) @ - **证明书**@:这是从何而来? ?~ (_Frame ID#,}框框框_,}波形区域=)} - **证据指针**@: @ what can be contracted 独立验证的东西@? @ 没有免费的-/text 当局@ .}没有 MSSK2_ 最佳努力 @ MS K3\ 答案 @ MPK4 **生产系统实例** @|_ 信号@|_信任来源 @MS K2}证据指针#| |--------|-------------------|------------------| | OCR 文本提取@| 佛罗伦萨-2 信任得分 @| 圆框坐标 @MS K4 |图像分类@|CLIP相似得分 @|嵌入的 +类似得分\+参考图象IDQ| “|”音频转录“|” Whiseper word - effective *|* Timestamp range *@|* -=YTET -伊甸园字幕组=- 翻译: **规则@: @ 如果结果不能被验证 @ , @ it is'_ t接受 @ MPK4}** 这一原则与 [设计规则](/blog/llms-fail-as-sensors)-=YTET 翻译: --- ## 控制台教练=:}《人人跳过》 大多数 MCP 教程显示@: @% 1. 定义工具 2. 连接到 LLM 3. 让它运行 缺少的部件是 **限制** “-”这个决定性的逻辑 也就是“:” - 评估相互竞争的建议 - 执行政策 - 决定什么是持续存在的,哪些遭到拒绝 - 信心低时升级的路线 ```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 ``` **真正的约束性决定 @:** - 拒绝 LLM 字幕, 当超自然主义对文本有分歧时@ - @ likeition - 更低的--信任度,但证明在高端□--信心幻灯文字上具有OCR - 只有当本地模范信心 @<#@0.7}才升格为视觉LLM **MCP 连接组件@. 约束符调节它们 @.** --- ## 将LLM关上(和为什么我做"MSC1" 我的 MCP 服务器仍然使用LLM 已禁用@. @% 这是一种退化模式... .... **初级基本模式**. 如果您的系统在 LLM 不可用时停止工作 @ , @ 有限责任公司正在做一项工作, 它应该@ MS K1}% t 应该有\ .} * 核心职能@: @% - 摘取事实的决定性总结 - 通过嵌入和过滤器进行的第一个检索@- @% 1 - 对事实数据库进行结构性查询 LLM 成为: - 合成层 @ ( @ optional @ MPK1 - 解释引擎@(}当被要求时 @) - 丰富自然语言输出的“(” 法学硕士是 **否**: - 决策人 - 内存 - 真相引擎 ```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 ``` **为什么这重要?** |福利|LLM□-要求的系统MS K3LM-备选系统MPK5 |---------|---------------------|----------------------| | **费用成本** 固定基础设施 | | **可靠性** |}核心功能继续 | **适用性** M|mock LLM回应 |确定论的断言 | **信托信任信信托基金** 模型上说:"证据链" --- ## 作为边界的MCP*,不是一体化 我视MCP为 **硬边界**: - **与程序隔离**: MCP 服务器在不同的程序中运行 - **明确输入@/ @output**:无共同的变异状态 - **无环境环境背景**@: 每一个呼叫都根据明确的输入来评估 ,}*不是对话残留 - **定型合同**: Schema 违反为错误@,不是警告 这与 @ : @ - 共享内存的 In-处理剂 - 包含隐藏上下文累积的链条 - 在前转影响行为的情况下, " converational"工具使用 **为什么边界重要? :** 1. **重放**: 通过重放输入来复制任何会话 2. **审计**每个信号都有可追踪来源 3. **确定性测试**@: 相同的输入 *%→}同样的输出 4. **遵守遵守情况**@:可解释的决策链 ```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 ``` --- ## 失败模式 MCP 示例 来自未受限制 MCP 使用中的实际失败案例@: @ @% “|”失败模式“| 原因“| 缓解”“MSC3” |--------------|-------|------------| | **工具幻觉** “|” 说明渗漏到LLM推理中“|” 小描述“MS K2” Schema - 首个设计“MSC4” | **超过-QAEAG 执行** @|#示范调用工具@"}只是用来检查#"#\ |# Cons 训练员的大门 | **气相流** @|_工具行为改变@,_Schema does'}{MSKQt|} 版本的 schemas*,}合同测试 *#|} | **沉默部分故障** | 工具返回部分数据@, 模式收益 @| 信任阈值_, 完整性检查 @MS K4 | **LLM 过度自信** |示范将工具输出作为地面真相处理 | **能力升级** “+”政策策略 预算“|” 共同线索@: @% **这些失败之所以发生,是因为LLM被信任为权威**. 修正@: @% **LLM女士提议 , 约束者决定 @,}事实依然存在**. --- ## 使用得当时 MCP 在 @ ( @ majectly@ ) @ MCP对:来说是优秀的 - **能力发现**:现有信号的运行时间罗列 - **Inter- 处理组成**: 部件之间的清洁边界 - **工具互操作性**: 與任何 MCP-相容的客戶端 - **模型- - 不可知整合**在不改变信号合同的情况下互换 : MCP是 **否**: - 代理机构框架 - 推理系统 - 安全层 - 信托边界 使用 MCP 为部件之间结构化通信的电线协议@. @% --- ## MCP 停止的地方 MCP 如何标准化模式和工具交换环境@. 它没有界定在什么条件下允许谁采取行动\,或决定是如何审计的\MS K3 也存在其他办法将这些限制正规化。 “(”有时被称为“行动能力协议”,“,” ACPZAAP}):授权,证明‘,审计线索’{.* 这篇文章是关于ACP=.}It'}关于设计原则的 :} **交通运输和交通运输治理是不同的关注事项**. MCP告诉你 *如何* 调用工具@. @% 必须另做决定 *是否* 您应该在我的系统里 ,... ...'\... --- ## Memo MCP 与生产MCP MPK2生产MCP | |--------|----------|----------------| | **工具描述** @|_自然语言@,}详细描述 |_Minimal_,_schema}-}第一位#|} | **由谁决定呼吁** -=YTET -伊甸园字幕组=- 翻译: | **反应格式** @ | @ free@ MS K1_ 格式文本 @ O|} 充满信心的输入信号 @ I| @ | **审定** -=YTET -伊甸园字幕组=- 翻译: | **LLM 依赖性** -=YTET -伊甸园字幕组=- 翻译: | **重放** @|Non-确定性 □|完全可复制@| | **审计线索** “|”和“对话日志” --- ## 闭幕式 MCP 启用 **组成构成**. 确定因素使 **信任信托基金**. LLM 启用 **及时性**. 但只有如果: > *概率建议“—”和确定论持续存在 “.”* 没有约束的 MCP 只是快速注射 额外的步骤. 将最后一步合成 *.* 使 LLM 可以选择\ .} 让每个事实都可追踪 *MS K2 * --- ## 关键术语 - **MCP (示范背景协议_)**: 用于工具发现和在程序间调用的工具的有线协议 - **教练教练员**确定性逻辑评估提案, - **信号**: 填充响应并充满信心@, 出处 @, 和证据指针 - **投标人**@:_ 任何未经授权表示事实的元件@(LILMQ,}本地模型{,超自然=)} - **证据指针**@ :_ 引用可核实源@ MS K1_ 绑定框@ I, timetamp @ MPK3} 嵌入@ --- ## 相关条款 **上一个序列中的@: @%** [为何LLM女士失败为传感器](/blog/llms-fail-as-sensors) - [减少 RAG: MapMS K1为概率系统生成](/blog/reduced-rag) - [图像放大器@: @ constraced Fuzzy 影像智能](/blog/constrained-fuzzy-image-intelligence) - [VideoSummarizer : 视频降为 RAG](/blog/videosummarizer-scalable-video-intelligence) - [StyloFlow : 信号+- 驱动工作流程](/blog/styloflow-signal-driven-workflows)