来源｜X、Deep Learning.ai、AI寒武纪
为什么 MCP 这么火
MCP 是一种开放的技术协议，旨在标准化大型语言模型（LLM）与外部工具和服务的交互方式。你可以把 MCP 理解成像是一个 AI 世界的通用翻译官，让 AI 模型能够与各种各样的外部工具”对话”。
而在 MCP 出现之前，AI 工具调用面临两大痛点：
第一是接口碎片化：每个 LLM 使用不同的指令格式，每个工具 API 也有独特的数据结构，开发者需要为每个组合编写定制化连接代码；
第二是开发低效：这种”一对一翻译”模式成本高昂且难以扩展，就像为每个外国客户雇佣专属翻译。
而 MCP 则采用了一种通用语言格式（JSON – RPC），一次学习就能与所有支持这种协议的工具进行交流。一个通用翻译器，不管什么 LLM，用上它就能使用工具 / 数据了。
吴恩达教授与 Anthropic 联合推出 MCP 课程
人工智能著名学者、斯坦福大学教授吴恩达的 DeepLearning.AI 与 Anthropic 合作，隆重推出了名为《MCP: 构建富上下文 AI 应用》的全新短期课程！
通过这门课程，你将能够构建出富上下文的 AI 应用，这些应用可以轻松连接到不断增长的 MCP 服务器生态系统，而集成工作量将大大减少。这对于提升开发效率、促进AI应用创新至关重要。
这门课程由 Anthropic 的技术教育负责人 Elie Schoppik 亲授。
课程大纲
探索 MCP 如何标准化工具和数据接入，其底层架构，以及它如何简化新工具和外部系统（如 GitHub、Google Docs、本地文件）的集成
* 学习构建和部署一个提供工具、资源和提示词的 MCP 服务器，并将其配置到 AI 应用中（例如 Claude Desktop）以扩展其能力。
* 构建一个兼容 MCP 的应用，该应用能托管多个 MCP 客户端，每个客户端与 MCP 服务器保持一对一连接。
* 将一个用于搜索学术论文的定制工具聊天机器人，改造成 MCP 兼容应用。
* 使用 FastMCP 构建本地 MCP 服务器，并通过 MCP Inspector 进行测试。
* 在你的聊天机器人中创建 MCP 客户端，以动态连接到你的服务器。
* 连接你的聊天机器人到 Anthropic MCP 团队构建的参考服务器，如实现文件系统操作的 `filesystem` 和从网页提取内容的 `fetch`。
* 配置 Claude Desktop 以连接到你的服务器及其他服务器，体验其如何抽象 MCP 客户端的底层逻辑。
* 远程部署你的 MCP 服务器，并用 Inspector 或其他 MCP 兼容应用进行测试。
https://www.deeplearning.ai/short-courses/mcp-build-rich-context-ai-apps-with-anthropic/
（文：Datawhale）
