大体流程

  1. 下载Ollama，下载并运行deepseek-r1:7b模型。
  2. 借助大模型学习如何编写MCP协议服务。
    通过多轮对话生成下方项目结构： 
    mcp-service/
├── mcp/                       # MCP协议核心实现
│   ├── protocol.js            # MCP协议解析/格式化
│   ├── session.js             # 会话管理
│   └── llm_adapter.js         # LLM模型适配器
│
├── public/                    # 静态资源目录
│   └── style.css              # 主样式表
│
├── .gitignore                 # Git忽略文件配置
├── index.html                 # 前端主页面
├── package-lock.json          # 依赖锁定文件
├── package.json               # 项目配置和依赖管理
├── README.md   
├── redis.js                   # Redis单例
└── server.js                  # 主服务器入口
  3. 在docker里运行 Redis。
  4. 运行node服务即可在浏览器打开页面调试。

MCP到底是什么 （此段内容参考自DeepSeek的回答）

MCP协议的核心定义与目标

  1. 核心问题解决
    • 打破数据孤岛：传统LLM需为每个数据源（如数据库、API、本地文件）定制开发接口，而MCP通过统一协议支持访问本地资源（如SQLite、文件系统）和远程资源（如Slack、GitHub API）。
    • 上下文连续性：支持双向通信，使AI在复杂任务中（如多步工具调用）保持对话状态，避免传统API的无状态限制。
    • 安全可控：通过服务器端管控资源权限，避免敏感数据直接暴露给模型，例如银行系统通过本地部署访问数据库。
  2. 技术类比
    • 传统API仅提供无状态的服务，无法串联。
    • 与Function Calling区别：Function Calling是模型内部快捷指令（如OpenAI的预定义函数），而MCP是独立服务端程序，支持异步、跨平台和复杂任务编排。

MCP架构与核心组件

满足MCP协议需实现以下架构组件：

  1. MCP主机（Host）
    • 角色：发起请求的应用程序（如Claude Desktop、IDE）。
    • 要求：集成MCP客户端模块，管理工具调用流程。
  2. MCP客户端（Client）
    • 角色：与服务器1:1连接的中介。
    • 要求：
      • 实现协议层（消息封装/请求关联）。
      • 支持传输层：Stdio（本地进程通信）或HTTP+SSE（远程流式传输）。
  3. MCP服务器（Server）
    • 角色：轻量级程序，封装资源供客户端调用。
    • 要求：
      • 暴露标准化接口（如资源列表、工具函数）。
      • 内置安全机制（如权限校验、沙箱隔离）。
  4. 资源层（Resources）
    • 本地资源：数据库、文件等，需通过Server安全访问。
    • 远程资源：第三方API，由Server代理调用。

满足MCP协议的技术要求

  1. 协议规范要求.
组件 必备能力
消息格式 遵循JSON-RPC 2.0标准，包含四类消息：请求、结果、错误、通知
工具定义 明确定义工具名称、描述、参数结构（类似OpenAI Function Calling）
上下文管理 支持会话标识符（Session ID）传递，确保多轮调用上下文连贯
  1. 传输层要求
    • Stdio模式：本地部署时，Client通过标准输入/输出与Server子进程通信。
    • HTTP+SSE模式：远程调用时，使用Server-Sent Events（SSE）实现流式响应。
  2. 安全要求
    • 权限隔离：Server需控制资源访问粒度（如仅允许读取特定数据库表）
    • 凭证管理：敏感信息（如API Key）通过环境变量注入，避免硬编码

与传统前后端架构的本质差异

  1. 核心目标差异
维度 传统前后端架构 MCP协议
核心目标 人类用户的高效信息交互 LLM与工具的无缝协作
交互主体 人类 ↔ 应用系统 AI模型 ↔ 工具生态
价值重心 业务逻辑实现 & 用户体验优化 降低AI使用工具的门槛 
本质区别：传统架构服务人类认知（需界面转化信息），MCP服务机器认知（需自然语言兼容的接口）
  1. 协议设计差异（关键技术特征对比） 协议设计差异 示例：传统API：查询订单物流需每次传递order_id，MCP：模型说”查上笔订单物流”，Server自动关联会话ID对应的历史订单。
  2. 安全模型差异
维度 传统前后端架构 MCP协议
认证对象 人类用户身份 工具执行权限（与用户解耦）
权限控制 角色访问控制(RBAC) 工具级沙箱（如禁止文件删除）
凭证管理 Cookie/OAuth令牌 环境变量注入+运行时隔离

总结：MCP的核心价值与实现路径 MCP通过标准化接口统一了AI与外部系统的交互方式，其核心要求是遵循客户端-服务器架构、实现协议层/传输层规范，并保障安全性。开发者可通过以下步骤快速实践：

  1. 搭建Server：用Python SDK封装工具（如数据库查询）。
  2. 集成Client：在Host应用（如IDE）中配置Server连接。
  3. 调用工具：通过自然语言触发自动化的工具链（如”生成React组件→部署到Vercel”）。

尽管生态建设仍需时间，MCP已成为解决AI数据集成问题的关键基础设施，推动Agent从”聊天机器人”向”任务执行者”演进。

项目相关

项目概述

这是一个基于MCP协议的前端聊天应用，允许用户通过Web界面与本地运行的DeepSeek模型进行对话。项目实现了完整的MCP协议栈，包括协议解析、会话管理和模型适配。

核心功能

技术栈

代码

https://github.com/mmmml-zhao/test-deepseek-r1-7b

大体页面

chat page

组件关系图

组件关系图