这本书围绕如何用模型上下文协议(MCP)构建上下文感知的 AI 智能体展开。作者 Kyle Stratis 指出,要让智能体真正理解并作用于外部世界,就必须把模型与分散的工具、数据库和 API 连接起来,而 MCP 正是应对这一碎片化局面的标准化方案。全书基于最新版本的 MCP 与 Python SDK v2.x,目标是帮助开发者搭建干净、规范、可用于生产环境的系统,覆盖客户端、服务器以及端到端智能体的完整构建路径。
读者可以抓住几条主要线索。其一是架构层面的理解:书中解释了主机应用与 MCP 服务器之间的接口,以及传输层作为底层通信协议在客户端与服务器之间所起的作用,并进一步展开 MCP 的整体架构。其二是工作流的设计思路,例如并行化工作流会把一个请求拆分成多个相互独立的 LLM 调用并汇总结果,书中以语言翻译为例说明了这种扇出式的处理方式。其三是生态与背景,作者讲述了 MCP 的起源故事,这段历史不仅有趣,也为理解 MCP 在生成式 AI 大图景中的位置提供了重要语境,并鼓励开发者参与并改进更大的 MCP 生态与社区。其四是面向开发者的实际用例,因为 MCP 本身就是为使用它的开发者而设计,书中呈现了目前较为成熟的工具和使用场景,说明如何通过 MCP 服务器提供的能力来扩展应用功能。