简介

MCP是大模型调用工具的能力，通过统一协议标准让大模型能执行查询天气、设置日程等任务。开发者可编写MCP服务供大模型调用，使用FastMCP框架等工具能轻松实现。大模型根据用户语义判断调用哪个工具，语义清晰度影响调用准确性。大型模型在工具调用能力上优于小型模型，后者因参数量有限，语料库不足，回复常有"生硬感"。掌握MCP技术可显著提升大模型应用能力。

---

先看下面的例子

我让豆包帮我查询实时天气，它很快给出了答案。

实际上，我们不可能提前把实时天气这种知识喂给模型进行训练。大模型只能去调用天气查询的API来获得信息，这种能力就是MCP。

MCP通俗来讲就是调用工具的能力，而“一切皆可为工具”。查询天气、查询新闻、播放音乐，包括控制终端设备的各种行为等等，都可以是MCP。MCP规定了统一的协议标准，这样开发者就可以编写各种MCP服务来提供给大模型调用，大模型的能力就有了质的飞跃，变得“无所不能”。

看一下这个调用流程

其实所谓的mcp-server可以理解成一个个的接口（函数），这些函数会通过注册下发等方式提前告知大模型，大模型通过识别用户的语义来判断该调用哪个函数。

大模型拿到的工具列表信息可能是下面这样的

然后解析用户输入的语义信息，判断应该调用maps_weather工具查询天气，传入参数“city:上海”，得到结果。

我们写个简单的计算器server

mcp = FastMCP("Calculator")
@mcp.tool()
async def plus(a,b)->float:
"""实现两个数的加法"""
return a + b
@mcp.tool()
async def minus(a,b)->float:
"""实现两个数的减法"""
return a - b

我们使用python里的FastMCP框架，很容易就能搭建一个MCP服务，只需专注函数定义的业务逻辑即可。以上的plus、minus函数就可以给大模型来调用了。

server里面不仅仅能写简单的业务逻辑，还可以连通数据库，调用第三方服务，以及所有能利用的资源，因此server的能力可以是很强大的。

我们再来看个例子

这里豆包给我设置了一个提醒，但其实这个提醒是在手机的日历APP里创建了一个日程，提醒的通知也可以看到是日程通知。这里面大模型就是调用了日程工具，当然了，需要接入手机开放的系统API，也要获取日历的访问权限。看到这里，大模型所谓的“超能力”其实也没有那么神秘了。

前面提到，大模型是根据用户语义来分析工具调用，那么如果我们说的没有那么清楚，大模型是不是解析的就不准确了呢？

还是看日程提醒这个例子

这次我说的有点啰嗦，语义没那么清晰，大模型就吃不准了，没有直接给我生成提醒。

所以，语义理解是影响工具调用能力的很大的因素。

现在能力强的模型已经有几百B的参数量，跟你几B的模型肯定有天差地别。差在哪里呢？

这种调用工具的能力是一方面，工具一旦多了，能力较弱的模型从语义理解到生成工具调用方案都会有偏差。还有就是语料库的丰富程度，小型模型的能力上限就在那里，语料塞不下那么多，所以回复就有“生硬感”。

现在遍地大模型应用，投入成本低的就只是拿开源的几B模型微调一下，用起来自然会有强烈的“人机感”。

如何系统的学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】