模型上下文协议（Model Context Protocol，MCP）是一个开源的标准协议，让大语言模型（LLM）能够通过结构化的 API 调用与外部工具和数据源交互。

MCP 充当一层标准化底座，让 AI 应用能高效地与工具、数据库、预定义模板等外部服务通信。可以把 MCP 想成 AI 应用的“USB-C 接口”——它为各种工具、平台和数据源接入 AI 模型提供了标准化的方式。

架构

MCP 采用客户端-服务端架构运行：

• MCP Hosts（宿主）：诸如 Claude Desktop、IDE 或 AI 工具这类希望通过 MCP 访问数据的应用
• MCP Clients（客户端）：与 MCP 服务端保持 1:1 连接的协议客户端
• MCP Servers（服务端）：通过标准协议暴露能力（工具、资源、提示词）的轻量服务

核心能力

MCP 支持三类主要能力：

1. Tools（工具）：可以用结构化输入调用的函数
2. Resources（资源）：可以读取的数据源（文件、数据库等）
3. Prompts（提示词）：带参数的可复用提示词模板

与 LlamaIndex 一起使用

在 LlamaIndex 中，有多种方式使用 MCP 服务端，这能为你的智能体工作流带来更多资源和功能。

• 在 LlamaIndex 工作流中使用现有 MCP 服务端的工具：从由现有 MCP 服务端提供的外部资源取回数据。
• 把 LlamaIndex 工作流作为 MCP 服务端对外提供：你可以把自己的自定义 LlamaIndex 工作流转换成 MCP 服务端。
• 在 LlamaIndex 工作流中使用 LlamaParse 服务：运行我们的某个 MCP 服务端（Python 与 Typescript 都有），它在服务端提供 LlamaParse（原 LlamaCloud）的 Extract、Parse 等能力，供任何与 MCP 服务端通信的应用使用，其中也包括 LlamaIndex 工作流

下一步

• 在 LlamaIndex 中使用 MCP 工具
• 把 LlamaParse（原 LlamaCloud）API 作为 MCP 工具/服务端使用
• 把任意现有的 LlamaIndex 工作流/工具作为 MCP 工具/服务端使用