[具身智能-353]：大模型如何提供服务？MCP Client如何调用大模型的服务？

在MCP架构中大模型LLM并不是一个被动等待调用的“函数库”而是一个拥有推理能力的“智能体”。因此MCP Client 调用大模型的方式不是简单的“调用服务”而是“发起一次决策请求”。这就像公司的总经理Client向董事会LLM提交议题等待董事会做出决策。下面我将分两部分为你拆解大模型如何对外提供服务以及 MCP Client 如何发起调用。 大模型如何提供服务大模型的服务化通常有两种形式对应着我们之前说的“远程顾问”和“驻场高管”。1. 云端API服务远程顾问这是最主流的方式。像阿里云百炼、OpenAI 等平台将大模型封装成了标准的 RESTful API。服务形式你通过HTTPS 请求发送数据平台返回模型的生成结果。核心接口通常是一个/chat/completions或类似的接口接收消息历史和配置参数返回生成的文本或工具调用指令。优势无需维护硬件模型能力最强按需付费。2. 本地推理服务驻场高管如果你使用Ollama、vLLM等工具在本地部署模型模型会在你的机器上启动一个本地 Web 服务。服务形式模型在本地如localhost:11434监听端口提供与云端类似的 API 接口。核心接口同样提供聊天、补全等接口但数据完全在本地流转。优势数据隐私性极高无网络延迟一次投入硬件成本。无论哪种形式大模型提供的核心服务都是接收文本和工具定义输出文本或结构化指令。 MCP Client 如何调用大模型MCP Client 调用大模型的过程就是构建上下文、发送请求、处理决策的循环。Client 需要告诉模型“你是谁”、“你有什么工具”、“用户想要什么”。调用流程拆解准备“通讯录”工具定义Client 首先从 MCP Server 那里获取所有可用工具的列表tools/list并将其转换成模型能理解的格式通常是 JSON Schema。构建“议题”消息组装Client 将用户的请求、系统预设的角色如“你是一个乐于助人的助手”以及上一步准备好的“工具通讯录”打包成一个完整的消息列表。提交“董事会”发起API请求Client 调用大模型的 API如client.chat.completions.create(...)将组装好的消息和工具列表发送过去。等待“决策”解析响应模型会返回一个响应。这个响应有两种可能直接回答模型认为不需要工具直接生成文本回答。工具调用模型认为需要工具协助返回一个结构化的调用指令例如{name: search, arguments: {query: ...}}。 代码示例总经理如何请示董事会下面是一个基于 Python 和 OpenAI 兼容接口的简化示例展示 MCP Client 如何调用大模型。pythonimport os from openai import OpenAI # 1. 初始化 Client (总经理准备好去请示董事会) # 这里以阿里云百炼为例它也兼容 OpenAI 的接口规范 client OpenAI( api_keyos.getenv(DASHSCOPE_API_KEY), # 董事会的门禁卡 base_urlhttps://dashscope-intl.aliyuncs.com/compatible-mode/v1 # 董事会的办公室地址 ) # 2. 准备“工具通讯录” (从 MCP Server 获取的能力) # 这相当于告诉董事会我们有“搜索”和“计算”两个部门 tools [ { type: function, function: { name: search_web, description: 搜索网络获取最新信息, parameters: { type: object, properties: { query: {type: string, description: 搜索关键词} }, required: [query] } } } ] # 3. 用户提出需求 (股东下达指令) user_message 今天北京的天气怎么样 # 4. 发起调用 (总经理向董事会提交议题) response client.chat.completions.create( modelqwen3.5-plus, # 指定哪位“董事长”来决策 messages[{role: user, content: user_message}], # 提交用户问题 toolstools # 附上“工具通讯录”告诉它有能力可以调用 ) # 5. 处理决策 (总经理解读董事会的回复) result response.choices[0].message if result.content: # 情况A董事会直接回答了 print(f 模型直接回答: {result.content}) elif result.tool_calls: # 情况B董事会决定调用工具 tool_call result.tool_calls[0] print(f️ 模型决策调用工具 {tool_call.function.name}) print(f 调用参数: {tool_call.function.arguments}) # 接下来Client 就会去执行这个工具调用并把结果再反馈给模型 总结MCP Client 调用大模型本质上是一次带有“外挂大脑”的对话请求。大模型提供服务通过标准的 API 接口提供推理和决策能力。Client 调用模型通过构建包含“工具定义”的上下文让模型知道自己可以“调兵遣将”从而做出更复杂的决策。这个过程就是让“董事会LLM”在了解公司全部资源(执行工具)的情况下为用户的问题制定最佳行动方案并给出执行的结果。