MCP Client

内容

• 实现一个最基本的Client，让deepseek接入MCP生态
  • 核心架构
  • JSON-RPC 2.0
    • RPC是什么
• MCP和Function Calling的区别
• 各家API的差异
  • OpenAI / Anthropic / DeepSeek
• 参考5ire源码如何抹平API差异

MCP架构

https://modelcontextprotocol.io/docs/concepts/architecture

https://www.jsonrpc.org/

MCP Client的实现

https://modelcontextprotocol.io/quickstart/client

https://github.com/modelcontextprotocol/typescript-sdk

• MCP Server: https://github.com/pskill9/hn-server
• Inspector: https://github.com/modelcontextprotocol/inspector

MCP 和 Function Calling的区别

MCP的tool调用

graph LR
  LLM <--> MCP_Client <--> MCP_Server

• MCP Client和MCP Server之间有严格的通讯协议
• Server端提供了统一的接口规范和服务注册机制
• Client端知道如何与Server通信，以及可用的服务列表
• 由于有统一的协议规范，不同开发者开发的工具可以很容易地被其他MCP客户端复用
• 服务端的注册机制使得工具的发现和共享变得简单

FunctionCalling的tool调用

graph LR
  LLM <--> AnyClient <--> AnyServer

• 更像是模型的一个基础能力，LLM只负责识别需要调用什么功能
• Client自行决定如何实现这个功能调用
• 没有统一的服务发现和通信标准
• 不同客户端的plugin生态不能互相兼容
  • https://chat-plugin-sdk.lobehub.com/quick-start/get-start
  • https://www.librechat.ai/docs/development/tools_and_plugins

API差异

https://platform.openai.com/docs/api-reference/chat

https://docs.anthropic.com/en/api/messages

https://api-docs.deepseek.com/api/create-chat-completion

• 差异
  1. function_calling的函数定义格式
  2. function_calling返回的数据结构
  3. 调用结束后，message的数据结构

5ire抹平API差异的方式

• 各家模型的API返回的数据结构不一样，如何抹平LLM模型的输出和mcp-client之间的差异？
• 既然知道不一样 → 就可以转换成一样的
• https://github.com/nanbingxyz/5ire

1. 函数定义方式不同 → ChatService的makeTool来处理
2. 函数调用结果不同 → Reader的parseReply和parseTools来处理
3. message格式不同 → ChatService的makeToolMessages来处理