下一代 AI Agent 的基石：深入浅出 MCP 协议与低代码实践

引言

前面讲了很多AI的相关知识，尤其是在讲AI对话单元格的时候，我们设置了多个函数调用（查询，分析审核状态，添加数据），很多的朋友可能在想，如果我想做很多的意图识别，那是不是我要做很多的函数?答案是肯定的。那这不是很麻烦吗？有没有批量设置工具和函数的方案？

另外，我们之前调用钉钉接口的时候，可能发现钉钉有非常多的接口，我们要用的时候不是要对接非常的多的接口，而且这些工作多少有点无聊，都是http请求，就是改个参数和URL地址就行了，有没有啥办法可以让我们非常方便的对接所有接口，然后用户想要任何事的时候，让AI自己判断调用哪个接口？同理，高德地图，百度搜素，飞书.....等等是不是都可以这样操作?

其实你想到的问题，AI行业的大佬都早已想到，MCP就是来帮大家解决这些问题的。

MCP = Model Context Protocol（模型上下文协议） ，是 Anthropic 在 2024 年提出的一种协议，主要解决AI **模型和外部工具/**数据源/系统之间的标准化交互问题。

那我来帮你整理一下AI MCP 能力的好处，分几个层次：

AI MCP 能力的好处

1. 对企业/产品的价值

• 统一标准：不同大模型（Claude、GPT、Gemini...）调用外部工具时都能遵循 MCP 协议，避免重复对接。
• 降低集成成本：只需对接一次 MCP，就能无缝接入多个外部系统（数据库、ERP、搜索引擎、API 服务）。
• 灵活扩展：企业新增工具/系统时，只需实现 MCP 接口，不用改动已有 AI 应用。
• 可控合规：通过 MCP，可以控制 AI 能调用哪些工具、访问哪些数据，提升安全性与合规性。

2. 对技术实现的价值

• 上下文统一管理：模型调用外部工具时，MCP 负责管理上下文信息，让模型理解调用背景，不必重复提示。
• 跨系统互操作：AI 能够同时调用数据库、第三方 API、本地知识库等多来源信息，并融合结果。
• 开发者友好：协议本身轻量化，类似"AI 的插件标准"，大大降低了二次开发成本。
• 多模型兼容：不同厂商模型只要支持 MCP，就能无缝互换或协同工作。

3. 对最终用户的好处

• 更准确的结果：因为 AI 能直接调用权威的数据源，不再"凭空编造"。
• 更强的能力边界：用户的问题不必局限于模型本身的知识库，而是延伸到外部系统。
• 更自然的体验：对用户而言，就像和一个"懂你所有系统"的超级助理对话。

为了方便学习，我就不给大家看代码，我们直接看看如何在低代码中通过可视化的配置完成MCP的使用，并且通过一个小例子一起感受一下MCP魅力。

配置并使用MCP

比如我们想做一个潜客运营AI助手，当客户跟我们的潜客运营专员使用微信沟通的时候，运用专员可以通过AI助手自动完成给CRM中增加潜客信息，然后再给内部的钉钉对应的负责人/组发送一个的消息提醒。

1.配置AI大模型

因为我们是让AI自己判断调用那个MCP工具，所以AI大模型的配置是必不可少的，这点我这里不再赘述前面有详细介绍过

2. 配置MCP工具

配置钉钉MCP工具

我们只需要根据钉钉开发平台的文档，使用自己的钉钉appID等信息配置完成钉钉的MCP

在活字格这类低代码开发平台中配置完成以后，点击测试我们就能使用所有钉钉提供的98个工具

配置活字格应用的MCP工具

当然其实我们企业中可能有非常多的系统，比如CRM，ERP，MES等，活字格也可以将这些系统的API接口变成MCP服务，为第三方调用，配置方式也非常简单

3.设置AI对话单元格使用MCP功能

然后我们只需要在AI对话单元格的配置中，使用这几个MCP工具

效果展示

接下来就是见证奇迹的时刻

当潜客运营专员和客户沟通完成以后，可以直接将聊天记录复制，并粘贴到AI助手中

AI会自动分析，给CRM中增加一个潜客，对应的小销售负责人认领这个潜客，同时，如果销售负责人没有打开CRM,AI 也会自动给他的钉钉发送消息提醒

通过这个视频看一下效果

AI优化后

引言：从"重复造轮子"到"标准化插拔"

在构建企业级 AI 应用时，我们常常面临一个共性挑战：如何让大模型与外部系统和工具进行高效、可靠的交互？

回想之前的开发过程：为了实现一个"查询订单状态"的意图，我们需要编写一个专用的函数；为了调用钉钉的十几个不同接口，我们不得不反复编写相似的 HTTP 请求代码。这不仅繁琐、重复，还使得整个系统变得臃肿且难以维护。

本质上，我们希望 AI 能成为一个真正的"助手"，它能自主决定在何时、调用何系统、执行何操作。这个愿景所面临的瓶颈，并非模型的能力，而是连接的标准化。

幸运的是，行业已经意识到了这一点。Anthropic 提出的 Model Context Protocol 正是为了破解这一难题而生的协议标准。本文将深入探讨 MCP 的核心价值，并展示如何在低代码平台上，通过可视化配置快速集成 MCP 工具，赋予 AI 应用强大的外部系统操作能力。

一、深入理解 MCP：AI 与外部世界的"通用翻译官"

MCP 本质上是一套开放协议，它定义了大模型与外部工具、数据源之间进行交互的"通用语言"。你可以将其理解为 "AI 世界的 USB 标准"。

• 对于工具提供方：只需按照 MCP 协议"包装"自己的功能，将其暴露为标准的 tools 或 resources。
• 对于模型方：只需学会 MCP 这一种"语言"，就能调用所有符合该协议的工具，无需为每个工具单独学习。
• 对于应用开发者：扮演"连接器"的角色，将所需的 MCP 工具引入到应用中，供模型调用。

MCP 带来的三层核心价值

1. 对企业与产品：解耦与标准化
   1. 打破模型绑定：应用不再深度绑定某个特定模型。无论是 Claude、GPT 还是未来其他支持 MCP 的模型，都能无缝使用你配置的工具集。
   2. 降低集成成本：一次性将某个系统（如钉钉、Salesforce）封装为 MCP 服务，即可在所有 AI 项目中复用，避免了"一个项目，一套接口"的重复开发。
   3. 提升安全与管控：在协议层，你可以精确控制 AI 可以访问哪些工具和数据，实现权限隔离与审计，满足企业合规要求。
2. 对技术实现：上下文与互操作性
   1. 上下文管理：MCP Server 负责维护与工具交互的上下文（如用户会话、认证信息），模型无需在每次提示中携带冗余信息。
   2. 跨系统编排：AI 可以在一个对话流程中，自主调用多个不同来源的 MCP 工具（如先查数据库，再调用钉钉发消息），实现复杂的业务自动化。
   3. 开发者友好：协议轻量、文档清晰，极大地降低了为内部系统创建 AI 适配器的门槛。
3. 对最终用户体验：无缝与智能
   1. 结果可信：AI 的回答基于真实、实时的系统数据，杜绝了"幻觉"在关键业务场景的出现。
   2. 能力无界：用户感觉像是在与一个精通公司所有业务的"专家"对话，可以直接用自然语言指挥后端系统。
   3. 流程自动化：将多个手动操作步骤压缩为一句简单的指令，极大提升工作效率。

二、技术实践：在低代码平台中配置与使用 MCP

下面，我们以潜客运营 AI 助手为例，演示如何在一个典型的低代码平台（活字格）中集成 MCP 工具。请注意，以下步骤阐述的是一种通用的实现模式和逻辑，具有普适的参考意义。

场景目标：当潜客运营专员与客户在微信沟通后，AI 助手能自动：

1. 在 CRM 系统中创建潜客记录。
2. 向钉钉群组发送消息，提醒销售负责人跟进。

步骤 1：配置 AI 大模型基础

任何需要自主决策的 AI 应用，都需要一个强大的大脑。首先在低代码平台的后台配置你所选用的大模型。这一步的核心是提供 API Key 和基础参数，确保平台能与模型服务正常通信。

步骤 2：集成与配置 MCP 工具（核心环节）

这是实现能力扩展的关键。低代码平台通常提供连接 MCP Server 的通用模块。

• 集成钉钉 MCP 工具

  • 原理：钉钉官方或社区可能已经提供了标准的 MCP Server。你只需要在低代码平台的 MCP 配置模块中，填入该 Server 的地址以及你的应用凭证。

  • 效果：配置成功后，平台将能识别出钉钉 MCP Server 所暴露的所有工具（如发送群消息、创建待办、审批流程等）。你无需关心每个工具的具体 API 实现，只需知道它们的名称和参数。

  • 技术要点：这体现了 MCP 的"一次配置，处处可用"价值。你将整个钉钉的能力作为一个"工具包"引入了。
• 将内部系统封装为 MCP 工具

  • 原理：对于自研的 CRM、ERP 等系统，低代码平台可以将其API "包装" 成一个符合 MCP 协议的 Server。

  • 操作：在平台中，你可能只需要通过可视化界面，配置某个内部 API 的端点、方法、请求头和参数结构。平台底层会自动完成 MCP 协议的封装。

  • 技术要点：这展示了 MCP 协议的包容性。即使是私有、传统的系统，也可以通过简单的适配，接入现代化的 AI 生态中。

步骤 3：在 AI 对话中调用 MCP 工具

在低代码平台设计器的前端页面中，放置一个 AI 对话单元格 或类似组件。其关键配置在于：

• 工具授权：在组件属性中，勾选上一步已配置好的 MCP 工具（如"CRM系统"和"钉钉"）。

至此，一个具备外部系统操作能力的 AI 助手就配置完成了。

三、效果演示：体验"一句话驱动多系统"的魔力

现在，潜客运营专员只需要将微信聊天记录复制并粘贴到 AI 助手的对话框中：

用户输入：

"刚刚和'某某公司'的王总沟通，他们对我们的产品 A 很感兴趣，希望安排一次演示。联系方式是 138xxxxxxx，预算在 50 万左右。"

AI 助手的自动处理流程：

1. 意图识别：AI 理解到需要"创建潜客"和"发送提醒"。
2. 工具调用：
   1. 自主调用 CRM MCP 工具，传入公司名、联系人、需求、预算等信息，在数据库中创建一条完整的潜客记录。
   2. 随后，调用 钉钉 MCP 工具，选择"销售攻坚"群，发送一条消息："新增高意向潜客：某某公司，王总，对产品A有演示需求，预算50万，请相关同事及时跟进！"
3. 回复用户：AI 向运营专员回复："已成功在 CRM 中为王总创建了潜客记录，并已在钉钉群中通知销售团队跟进。"

整个过程中，专员无需在不同应用间切换、复制粘贴，一切都在一个界面中由 AI 自动完成。

结论与展望

通过 MCP 协议，我们成功地为企业 AI 应用构建了一套可扩展的"神经末梢"系统。本次实践证明了：

• 低代码平台是实践 MCP 的理想载体：它通过可视化配置，极大地降低了使用 MCP 协议的技术门槛，让应用开发者能聚焦业务逻辑而非协议细节。
• MCP 是构建下一代 AI Agent 的基石：当 AI 能够可靠、安全地调用成千上万个工具时，真正自主化、智能化的业务 Agent 才成为可能。

未来，随着支持 MCP 的模型和工具越来越多，一个充满活力的生态系统将加速形成。对于开发者和企业而言，现在开始拥抱并实践 MCP，无疑是在为未来的 AI 原生应用积累至关重要的先发优势。

扩展链接

敏捷构建企业级应用及AI智能体