基本组件：应用程序、LLM 和 LLM API 并没有改变，但应用程序本身已经进化了。它不再只是一个传递式的聊天界面，而是变得更加复杂和自主。

可以把它想象成一个在循环中运行的应用，拥有它之前所做操作（提示及其响应）的一些记忆（上下文），并通过LLM API反复调用LLM，每次都会基于前一次的结果生成新的提示，直到这个智能体达到其目标。
 

需要注意的是：LLM 的核心功能就是接收文本并返回文本。就其本身而言，这并没有多大用处，除非它能够与文件系统、Web、数据库或 API 等服务进行交互。这就是人们开始构建让智能体能够挂钩（hook into）这些服务的方法的原因。

这是我和其他许多人曾陷入的最大思维模型陷阱。人们常常假设LLM本身能够访问服务。但实际上，LLM只是进行文本输入/文本输出。它是被动的。它不会主动连接任何东西。相反，公司（尤其是那些提供LLM即服务的公司）构建了额外的组件，充当代理，联系服务、运行循环、多次触发 LLM 等等。所有这些都是在后台（LLM API 背后）完成的。因此，很容易让人误以为 LLM 正在做这些事情。

如果你熟悉ChatGPT的研究或网络搜索功能，它们是在后端实现的。
 

回到（在用户直接控制下的）智能体：与服务的集成被嵌入到智能体中。当智能体调用LLM时，它会在提示中包含类似以下的内容：“如果你想让我（智能体）访问资源/服务X，请使用以下响应格式。” 如果LLM返回格式符合该特定方式的响应，智能体会将其解释为一个动作（一个请求与服务交互），而不是字面文本。智能体执行它（通过访问该服务），并将执行结果发送回LLM。

由于本文重点关注用户或开发者控制下的智能体身份验证方面，我将在后续示意图中省略LLM服务提供商智能体的交互。它们作为黑箱运行，在架构、配置和身份验证方面不受我们控制。
 

智能体与服务集成工作得很好，但这产生了一个问题：每个智能体开发者最终都要从头开始重新实现集成（或至少使用这些服务的SDK），并解决同样的问题（寻找合适语言的SDK、配置SDK、身份验证、通常是密钥管理、让LLM知道如何构建响应以便智能体知道是时候使用服务了，等等）。

这就是模型上下文协议（Model Context Protocol, MCP）的由来。它标准化了与服务集成的方式。想象一下，你的智能体需要访问Salesforce。它无需实现自定义逻辑，只需连接到一个已经知道如何与Salesforce通信的MCP服务器，就能立即获得读取潜在客户、联系人和帐户的能力。

智能体所需要做的就是告诉（嵌入在应用程序中的）MCP客户端MCP服务器的位置，指定位置和传输方式。MCP客户端处理大部分繁重工作：连接到MCP服务器、进行身份验证、发现其功能、将其暴露给智能体，并定义应如何将它们传达给LLM。

关键部分在这里。MCP协议定义了MCP服务器如何将其接口暴露给MCP客户端。这包括工具列表及其参数等细节。智能体使用MCP客户端检索此接口信息，将其（使用MCP中定义的方法）转换为文本，并发送给LLM。这让LLM知道智能体已通过MCP服务器获得了新的能力。

虽然解决集成不一致的问题很重要，但真正的突破是引入了一种标准方式来向LLM传达可用接口。

无论 MCP 服务器连接到哪个服务，它都能以一致的方式工作。这是一种经典的适配器模式，非常适合这种情况。（MCP 被广泛称为“人工智能应用的 USB-C”，这意味着你可以插入任何新的 MCP 服务器，它都能正常工作。）
 

这种方法的另一个好处是，它将所有关注点（例如配置新的集成、确定集成可以执行的操作）从设计时（开发智能体时）转移到运行时。只需指向一个额外的 MCP 服务器，MCP 客户端就会自行处理剩下的事情。

到目前为止我所说的一切都有点简化。以下是一些可能的解释：
 

• LLM可能在本地运行，也可能在远程运行，在这种情况下，您可以绕过 API 层。
• 在LLM API和LLM之间（在LLM服务提供商端）可能存在提供额外功能的额外组件。
• 尽管MCP是标准化的，但你仍然需要特定语言的SDK来将其与用不同编程语言编写的智能体集成。

然而，忽略这些额外的细节，最后的示意图显示了许多人正在做的事情的重心所在。它使人们能够构建具有自身功能的智能体，轻松地与附加服务集成，而无需依赖像OpenAI这样的提供商在服务器端构建这些集成。

最后，这种模式允许一个智能体与其他智能体（也通过MCP）通信以构建更复杂的逻辑。因此，多智能体交互的完整图景可能如下所示：
 

你可以与微服务进行类比。每个智能体都是一个微服务，可以与其他微服务或外部服务通信。

本节涵盖了智能体、LLM、MCP服务器和服务如何相互交互。接下来，我将介绍这些组件之间的身份验证（authentication）和授权（authorization），包括其工作原理以及已知的复杂性。

身份验证 (Authentication)

下图与上图相同，显示了三个信任边界（用虚线标记）。每次通信跨越这些边界时都需要进行身份验证。