MCP 三大核心概念（1）：拆解Resources、Tools、Prompts如何让大语言模型从空谈家变身实干派

本文将毫无保留地给你把 MCP（Model Context Protocol）的三大核心概念——Resources、Tools 和 Prompts——掰开揉碎讲清楚。MCP 是 2024 年底由 Anthropic 搞出来的一个开放协议，目的是让大语言模型（LLM）能更顺畅地跟外部数据和工具对接。以下是我的解读：

1. Resources（资源）

本质：Resources 是 MCP 里用来暴露数据的核心机制，相当于给 LLM 提供“原材料”。你可以把它想象成一个只读的数据库接口或者文件系统，里面装的是静态或者半动态的信息，比如日志文件、用户配置文件、股票价格啥的。

怎么用：服务器（MCP Server）把这些数据暴露出来，客户端（比如 LLM 应用）可以读取它们，然后塞进模型的上下文里去推理或者生成内容。比如你有个日志文件 app.log，通过 Resources 就能让 LLM 直接看到里面的错误信息。

特点：

• 应用控制：客户端决定啥时候用、怎么用这些资源。有的客户端像 Claude Desktop 得用户手动选，有的可能自动挑，灵活得很。
• 实时性：支持订阅更新，比如资源变了，服务器能通知客户端，拉取最新内容。

直白例子：就像你家冰箱，里面有牛奶、鸡蛋（Resources），你（LLM）想做蛋糕就自己去拿，但冰箱不会帮你打鸡蛋。

革命性潜力：理论上可以用 Resources 暴露整个互联网的数据给 LLM，只要服务器能接得上。

2. Tools（工具）

本质：Tools 是 MCP 里的“执行者”，让 LLM 不只是嘴炮，还能干活。简单说，就是服务器提供一些函数或者 API，LLM 可以直接调用去完成具体任务。

怎么用：服务器定义好工具（比如“计算两点距离”或者“发个邮件”），客户端发现这些工具后，LLM 就能根据需要调用。调用完结果会返回给 LLM，继续推理或者输出。

特点：

• 模型控制：设计上是让 LLM 自动调用的（当然可以加人工审核），不像 Resources 那么被动。
• 动态操作：不像 Resources 只读，Tools 是干活的，能改变状态，比如发送请求、写文件、甚至控制硬件。
• 灵活性：从简单的数学计算到复杂的爬虫、API 调用，都能做。

直白例子：你有个电钻（Tools），想在墙上打洞就直接用，不用自己拿拳头砸墙。

操蛋的可能性：如果不设限制，LLM 调用 Tools 可能会搞乱系统，比如删文件、发垃圾邮件，所以安全得搞好。

3. Prompts（提示）

本质：Prompts 是 MCP 的“模板大师”，提供预定义的交互模式或者推理指引。可以说它是 LLM 的“剧本”，告诉它怎么开口、怎么思考。
怎么用：服务器定义好一堆 Prompt 模板（比如“写个产品描述”或者“调试错误”），客户端可以直接选一个，填入参数，然后丢给 LLM 执行。

特点：

• 用户控制：不像 Tools 是模型自己玩，Prompts 通常是用户主动选的，适合标准化任务。
• 可重用：写一次，到处用，省得每次都从头编 Prompt。
• 带参数：可以动态填入变量，比如代码片段、错误信息，生成针对性的输出。

直白例子：就像你给 LLM 一张填空题：“请分析这段代码：[代码]”，它直接照着填就行了。

精妙设计：可以把复杂的多步推理封装成一个 Prompt，比如“先读日志、再查代码、最后给建议”，一步到位。

三者关系和高阶用法

Resources + Tools + Prompts = 完全体：Resources 提供数据原料，Tools 提供动手能力，Prompts 提供套路，三者一结合，LLM 就能从一个只会聊天的基础对话模型变成能干活的超级助手。

高阶用法举例：假设你有个 MCP 服务器接了个日志系统（Resources），配了个“查询数据库”的工具（Tools），再加个“生成故障报告”的模板（Prompts）。LLM 就能自动读日志、查数据库、写报告，一气呵成，比人工快得飞起。

显著优势的地方：因为 MCP 是标准协议，理论上任何支持 MCP 的 LLM（Claude、Gemini、ChatGPT）都能无缝对接，换模型就像换电池一样随便。

写到最后

• Resources：给 LLM 看的东西，喂数据。
• Tools：给 LLM 干活的家伙，执行任务。
• Prompts：给 LLM 的剧本，引导输出。

这仨概念是 MCP 的核心骨架，把 LLM 从“空谈家”变成“实干家”。你要是想搞开发，弄个 MCP 服务器，把自己的数据和功能暴露出去，LLM 就能为你干活，想怎么玩怎么玩。明白了吗？