为何AI与工具之间还离不开“通用语言”？

点击蓝字

关注我们

《护理人员也能看懂的AI概念手册：一次理清底层逻辑》系列第六篇：模型上下文协议（Model Context Protocol，MCP）

上一篇提到，AI之所以逐步从“能对话”迈向“能办事”，关键不只是它的“思考能力”变强了，更在于它开始能够调用外部工具，像是慢慢拥有了“手和脚”。它不再只是依据眼前已有的信息来组织回答，而是能在需要时读取文件、获取资料、连接系统，把外部内容带回后继续推进任务。

那为什么还需要这样一层机制？因为一旦真正开始连接工具，混乱往往很快就会出现。不同工具、不同系统、不同平台，通常都有各自不同的接入方式、参数要求、返回格式和调用规范。今天这个工具这样传递，明天那个系统那样对接；这个返回的是结构化数据，那个给出的却是一段松散文本。短时间看，好像一个个接上也能运行；但只要工具越来越多，整个系统就会越来越像临时拼装起来的产物。每增加一项能力，都得重新做一次适配，后续不仅越来越沉重，也更容易出错。

如果换成护理场景中更好理解的例子，模型上下文协议有些像生物样本采集中的标准容器与标准标签体系。比如同样是采样，可能有血液样本、尿液样本、痰液样本，也可能有创面分泌物。如果每一种样本都随意找容器来装、随意写标签、随意采用交接方式，那么后续运输、接收、登记和检测都会变得十分混乱。前面采样的人也许表达得很清楚，但后面接收的人未必能准确识别；这个科室习惯这样填写，到了另一个环节又换成另一种格式，系统之间自然就难以顺畅衔接。

但要是医院事先制定了统一的采集容器、标签样式、送检要求和交接规范，情况就会完全不同。不论样本来自哪个科室、送往哪个检验流程，大家都能更快识别、更稳定接收、更顺利处理。你会发现，这样的标准化并没有改变“样本本身是什么”，也没有替代真正负责检测的设备，它真正起到的作用只是：让不同环节之间更容易准确对接。

模型上下文协议（MCP）对于大模型和工具来说，作用也大致如此。它不是拿来替代工具本身的，而是让不同工具在与大模型“沟通”时，尽可能遵循同一种规则。这样一来，当大模型去连接制度库、表格系统、文档工具和数据库接口时，就不必每次都重新适应一整套截然不同的表达方式。系统在后续扩展能力时，也无需反复重新搭建一套套新的接口逻辑。

这两者听上去有些相似，但实际上处理的是两个不同层次的问题。上一篇提到的工具，更像是在回答“AI能不能执行动作”；而这一篇所讲的模型上下文协议，回答的是“这些动作怎样接得更规范、更稳定、更便于扩展”。如果只有工具，而没有更统一的连接方式，那么系统起初也许可以运行，但往后很容易变成一堆零散功能的简单堆叠。反过来说，如果工具在接入时就遵循更标准的规则，那么未来AI无论要接更多资料库、连接更多系统，还是跨多个能力协同工作，整个过程都会顺畅得多。

这件事放到护理场景中，会显得格外有现实意义。因为未来真正应用到护理工作里的AI，几乎不可能只连接一种工具。它很可能需要同时接入多种能力：制度文档、培训资料、质量管理数据、护理记录、排班信息、表格系统以及知识库接口。如果这些内容彼此各说各话、各有各的接法，那么系统越复杂，后续就越难维护，也越难让AI稳定调用。相反，如果这些外部能力在一开始就尽量按照统一规则来组织，AI之后无论是查制度、读文档、调取记录，还是把结果衔接到下一步流程中，整体体验都会更稳定。

所以，若用一句话概括这一篇，那就是：工具让AI开始拥有了手脚，而模型上下文协议则让这些手脚接得更稳、更顺，也更方便持续扩展。

下一篇，我们继续往下拆解。因为讲到这里，自然又会引出一个更大的问题：有了脑子，有了手脚，也有了更统一的连接方式，那AI是否已经算是一个真正能干活的助手了？其实答案还没有走到这一步。

下一篇，我们来讲：AI究竟在什么时候，才算真正从“会用工具”走向主动“围绕目标把事情做成”。

(孙美平 杨磊）