MCP ialah piawai palam untuk aplikasi LLM: tulis pelayan alatan sekali, dan mana-mana klien yang menyokong MCP boleh menggunakannya.
Cara ia berfungsi
Spesifikasi menerangkan tiga peranan yang berkomunikasi melalui mesej JSON-RPC 2.0:
- Hos: “LLM applications that initiate connections” (aplikasi LLM yang memulakan sambungan), seperti ejen IDE atau aplikasi chat.
- Klien: “Connectors within the host application” (penyambung di dalam aplikasi hos), satu bagi setiap pelayan.
- Pelayan: “Services that provide context and capabilities.” (perkhidmatan yang menyediakan konteks dan keupayaan.)
Pelayan boleh menawarkan tools (fungsi yang boleh dijalankan oleh model), resources (data dan konteks) dan prompts (templat mesej). Spesifikasi mentakrifkan dua pengangkutan standard: stdio untuk subproses tempatan, dan Streamable HTTP, di mana setiap mesej ialah HTTP POST dan balasan dipulangkan sebagai JSON atau strim server-sent event.
Untuk alatan, klien menghantar tools/list dan menerima nama, penerangan dan inputSchema dalam JSON Schema. Klien menghantarnya kepada model sebagai definisi alatan. Apabila model memulangkan panggilan alatan, klien menghantar tools/call bersama argumen dan menyerahkan hasilnya kembali kepada model. Begini rupa tools/call yang meminta cuaca di New York:
{"jsonrpc": "2.0", "id": 2, "method": "tools/call",
"params": {"name": "get_weather", "arguments": {"location": "New York"}}}
Model tidak pernah berkomunikasi terus dengan pelayan MCP. Ia hanya melihat definisi dan hasil alatan, sebab itulah MCP berfungsi dengan mana-mana model yang mengendalikan panggilan alatan dengan baik.
Mengapa ia penting
- Guna semula. Satu pelayan GitHub atau pangkalan data boleh digunakan oleh setiap ejen dan editor yang menyokong MCP.
- Kos token. Nama, penerangan dan skema setiap alatan yang disenaraikan dihantar sebagai input pada setiap giliran. Banyak pelayan dengan banyak alatan memanjangkan setiap permintaan. Dayakan hanya apa yang diperlukan oleh tugas itu.
- Keselamatan. Spesifikasi menyatakan alatan “represent arbitrary code execution” (Terjemahan BroadRouter: “mewakili pelaksanaan kod sewenang-wenangnya”) dan hos mesti mendapatkan persetujuan pengguna sebelum memanggil sebarang alatan. Hasil alatan juga merupakan laluan untuk prompt injection.
Di BroadNet Inference
Dokumentasi BroadNet tidak menyenaraikan pelayan MCP atau endpoint khusus MCP. Anda menjalankan MCP dalam klien anda (Cline, Continue, opencode dan lain-lain) dan menghalakan model klien itu ke API serasi OpenAI BroadNet. Dokumentasi BroadNet menyenaraikan tool calling untuk GLM 5.3 dan Qwen3.8 27B. Artikel MCP dengan model serasi OpenAI menunjukkan persediaan klien dan jambatan Python.