一本書講透 MCP：AI Agent 互聯網新紀元

占冰強 AI應用專家，MCP領域的布道者，MCP中國開發者聯盟發起人。AIGCLink（覆蓋15萬AIGC產業從業人員）創始人，微軟MVP，零氪雲聯合創始人，中關村超互聯聯盟副秘書長，中國信息通信研究院金融領域大模型評估標準制定組專家，Llama中文社區核心成員，PEC聯盟發起人之一，《Llama大模型實踐指南》作者，連續發起並組織四屆AIGC中國開發者大會。郭美青百川智能技術總監， 互聯網老兵，全棧型技術專家。擁有豐富的軟件開發、產品設計、算法調優等方面的實戰經驗。先後就職於搜狗/騰訊的商業化廣告團隊，深耕互聯網廣告業務13年， 過搜索/信息流廣告平臺、AI驅動的智能化落地頁的全生命周期建設。2022年開始聚焦大模型和AI Agent方向，2023年初完成騰訊 AI Agent商業化應用從0到1的研發落地，是 大模型應用落地的先行者。2023年加入百川智能，先後 過大模型開放平臺、MaaS、Agent平臺的研發工作，以及端側模型方向的商業化探索。莫欣Agently.tech AI應用開發框架創始人，全棧型產品經理，15年以上開發經驗。前美團 產品專家，深耕大數據、研發平臺工具領域超過13年，深度參與美團數據平臺從0到100的全過程。百度飛槳PPDE、知乎知學堂合作講師。2022年開始深入研究大模型應用開發，熟悉LangChain等應用開發框架，熟悉Agent、Agentic Workflow設計和開發，能夠設計及實現大模型能力與各類業務場景結合的落地方案，為相關企業提供培訓、咨詢及技術支持服務。潘淳 矽基創新社區（矽創社）創始人，Office開發者社區創始人，OpenAIGC社區聯合創始人，微軟技術俱樂部（蘇州）執行 。RPA標準《蘇州市銀行業RPA項目實施規範》起草者之一，《DeepSeek掘金——從企業智能化到辦公自動化》主編，自然語言編程工具-CodeEasy（碼易）作者，RPA軟件-RobinRPA軟件作者，Office插件-ThanosOffice（滅霸）軟件作者。覃睿BISHENG聯創，數據項素產品副總裁。曾在“AI四小龍”之一的依圖科技擔任核心公安人像產品線的產品經理，還曾擔任AI上市公司第四範式的智能文檔事業部的產品負責人。BISHENG是一款知名的開源LLM應用開發平臺，主要針對辦公場景，在GitHub上獲得8700余顆星，已有大量行業頭部組織及近40家世界500強企業使用。

前言
第1章 AI Agent互聯網的演進
1.1 AI Agent的發展與局限性
1.1.1 AI Agent的起源與演化
1.1.2 AI Agent的局限性
1.2 AI Agent互聯如何推動AI Agent普及
1.2.1 AI Agent互聯的重要意義
1.2.2 從單智能體到多智能體
1.2.3 新一代互聯網平臺的興起
1.3 AI Agent互聯網面臨的挑戰及其發展歷程
1.3.1 AI Agent互聯網面臨的挑戰
1.3.2 AI Agent互聯網的發展歷程
1.4 MCP的崛起：AI Agent互聯網的最優解
1.4.1 MCP的定義與起源
1.4.2 MCP在AI Agent中間層的定位
1.4.3 MCP如何應對AI Agent互聯網面臨的挑戰
1.4.4 MCP帶來的新機遇
第2章 MCP的核心功能與技術實現
2.1 MCP概述：設計目標
2.1.1 理解模型上下文
2.1.2 MCP的設計目標
2.2 MCP相關概念：Function Call與RAG
2.2.1 Function Call
2.2.2 RAG
2.3 MCP的技術實現：架構、組件與工作原理
2.3.1 MCP的整體架構
2.3.2 MCP的核心組件
2.3.3 MCP組件的協同機制
2.3.4 MCP的通信機制
2.3.5 MCP的安全機制
2.4 MCP的重點改進方向與發展趨勢
2.4.1 重點改進方向
2.4.2 發展趨勢
第3章 MCP的生態系統與發展趨勢
3.1 MCP生態系統的構建
3.1.1 MCP生態系統的參與者
3.1.2 MCP生態系統的合作模式
3.1.3 MCP生態系統的發展策略
3.1.4 MCP生態系統的關鍵組成部分
3.1.5 MCP生態系統的發展趨勢
3.2 AI Agent和MCP的關聯
3.2.1 MCP對AI Agent關鍵組件的賦能
3.2.2 MCP對AI Agent未來發展的影響
3.3 MCP的應用場景
3.3.1 基於MCP的智能體互聯構建：Langflow生態系統
3.3.2 基於MCP的SaaS集成：Blender-MCP和QGIS-MCP案例研究
3.3.3 利用MCP增強LLM的能力
3.3.4 基於MCP的工具互操作性：Zapier
3.3.5 基於MCP的數據集成與共享：Supabase
3.3.6 基於場景的多MCP互聯應用展望
3.4 MCP生態系統中的創業機會
3.4.1 Agent OS
3.4.2 MCP Infra
3.4.3 MCP Marketplace
3.5 MCP生態的發展演變
3.6 MCP正在成為AI Agent互聯網的重要標準
第4章 構建基於MCP的應用
4.1 安裝Cline作為MCP主機端，用來調用MCP服務器
4.2 使用Python制作代碼運行器MCP服務器，讓模型把數算準
4.2.1 制作Python代碼運行器MCP服務器腳本
4.2.2 將Python代碼運行器MCP服務器配置到Cline中
4.2.3 在Cline中實際調用Python代碼運行器MCP服務器
4.3 制作郵件發送MCP服務器，讓模型通過郵件發送處理結果和日程
4.3.1 制作基於Nodemailer的郵件發送腳本
4.3.2 將郵件發送腳本包裝為MCP服務器
4.3.3 將郵件發送MCP服務器配置到Cline中
4.3.4 在Cline中實際調用郵件發送MCP服務器
4.4 創建自己的MCP客戶端，消費MCP生態提供的各種MCP服務器
4.4.1 使用Python創建MCP客戶端的基礎運行腳本
4.4.2 對MCP客戶端進行封裝，方便在大型項目中使用
4.5 調用SQLite MCP服務器，制作可以使用數據庫記事的智能應用
4.5.1 讓模型能夠使用數據庫記事的業務流程設計
4.5.2 使用Agently框架作為智能邏輯的開發工具
4.5.3 安裝SQLite MCP服務器
4.5.4 實戰開發：使模型能夠使用數據庫記事的智能處理邏輯
4.6 接入不同的MCP服務器，制作自己的通用智能助理
4.6.1 更通用的“規劃 工具使用”智能循環的業務流程設計
4.6.2 制作自動規劃智能處理邏輯
4.6.3 註冊之前制作的多個MCP服務器並運行以查看效果
4.7 MCP到底在做什麼
第5章 AI Agent互聯網應用實戰
5.1 在Cherry Studio中使用MCP服務器
5.1.1 Cherry Studio介紹
5.1.2 初學者指南
5.1.3 Cherry Studio與MCP的應用場景和案例
5.1.4 MCP在Cherry Studio中應用於AI Agent的重要性與優勢
5.2 在Clinde中使用MCP服務器
5.2.1 Clinde介紹
5.2.2 初學者指南
5.2.3 Clinde與MCP的應用場景和案例
5.2.4 MCP在Clinde中應用於AI Agent的重要性與優勢
5.3 在Cursor中使用MCP服務器
5.3.1 Cursor介紹
5.3.2 初學者指南
5.3.3 Cursor與MCP的應用場景和案例
5.3.4 MCP在Cursor中應用於AI Agent的重要性與優勢
5.4 在Cline中使用MCP服務器
5.4.1 Cline介紹
5.4.2 初學者指南
5.4.3 Cline與MCP的應用場景和案例
5.4.4 MCP在Cline中應用於AI Agent的重要性與優勢
5.5 騰訊雲MCP服務器 + AI Agent + 小程序：5分鐘構建一個類Manus服務
5.5.1 騰訊雲AI套件簡介
5.5.2 初學者指南
5.5.3 MCP的應用場景和案例：構建類Manus服務
5.5.4 MCP生態、AI Agent生態和微信生態
第6章 MCP對AI Agent