1MCP开始学习

一、MCP课程概述

2025年是智能体的元年，也注定是智能体集中爆发的一年！
但是AI智能体世界面临两个互联领域的重大挑战：

• 第一个挑战
  第一个挑战是Agent与Tools工具的交互
  比如Agent需要调用外部工具和API，访问数据库，执行代码等等。
• 第二个挑战
  是同一个平台的不同Agent之间，以及不同平台的不同Agent之间，如何通过协作的方式共同完成任务。
  就是Agent与Agent（其他智能体或者用户）的交互，Agent需要理解其他Agent的意图、协同完成任务，与用户进行自然的对话。
  这里就涉及到了标准化的协议。
  如何解决这些挑战？

# 解决第一个挑战-MCP
# 解决第二个挑战-A2A
这两个就是协议

MCP的出现加剧了智能体普及的进程
大语模型LLM（比如DeepSeek） + MCP就约等于智能体
如果大语言模型不能使用这些的外部工具
大模型就是一个简单的聊天机器人
除此之外什么功能都无法完成
调用工具是大模型进化为智能体的关键。

所以MCP就是大语言模型连接世界的标准、桥梁！

我们只需要简单的几行代码就可以接入外部的这些海量的工具。智能体的开发门槛也大大降低了。
MCP实战指南课程就开始了。
最后还会讲解一个A2A。

二、如果你是程序员

如果你是程序员，并且是Java后台开发的程序员，如果能够掌握AI智能落地的项目是非常有竞争力的。
一下四个场景是就业招聘的主战场：

第一个是电商场景

电商场景：
	智能体推荐系统：商品推荐，用户行为分析，个性化推送
	智能客服与订单管理：自动问答，订单信息捕捉，需求分析
	库存预测与动态定价：库存监控，需求预测，价格策略优化

第二个是社交场景

社交场景：
	内容审核与情感分析：敏感词过滤、图片/视频违规检测，用户情绪识别
	社交关系推荐：好友推荐，社群匹配，兴趣聚类
	聊天机器人：自动回复，上下文理解，多轮对话

第三个是物流场景

物流场景：
智能仓储管理：库存分拣，路径规划，异常检测
配送路线优化：实时路径计算，交通预测，成本控制
需求预测与资源调度：运力分配，仓库选址，峰值预测

金融场景

金融场景：
	风险评估与信贷审批：信用评分，反欺诈，贷款决策
	智能投顾与财富管理：资产配置，市场预测，个性化理财建议
	交易监控与反洗钱：异常交易检测，合规审查，模式识别

三、如何实现JavaAI智能落地的项目

所以MCP对于程序员是非常重要的。

四、对于大众用户应该如何理解MCP

有了DeepSeek，你就有了一个智能助理。但是我们希望的是LLM能够承担更多的功能，不仅仅局限于简单的对话，还应该能够和外部更多数据，工具进行交互，有了MCP，都成为了现实！

如何理解大模型LLM与MCP呢？
一个机器人的大脑就是我们的大模型比如DeepSeek
我么想要让机器人做一个汉诺塔的搬运，我们就还需要机器人的眼睛，手臂等，眼睛手臂就相当于是我们使用MCP调用这些工具。

媒介就是MCP
而各种的插件和工具就是各种的MCP的Server

于是感慨一句
没想到千帆过境的大模型之争，竟然被一个MCP标准协议统一了。

五、课程目录

MCP实战指南目录：
	1、从程序员和大众的角度说清楚MCP能够干什么---->MCP能干什么？
	2、MCP是什么？当前哪些平台支持MCP的查询。
	3、程序员如何使用MCP，从两个工具的角度来演示MCP的使用。我们使用MCP的通信机制。
	4、讲清楚MCP的工作原理和工作流程。
	5、通过代码编写手动开发一个MCP项目（c/s）
	6、大众用户应该如何使用MCP
	7、热门MCP Servers推荐，目前Servers非常多，这里选十多个高质量的推荐并演示。
	8、A2A协议：补齐了智能体之间通信的空白。