2025 GOPS 全球运维大会暨研运数智化技术峰会·北京站：会是大模型的k8s吗-MCP协议原理和最佳实践

会是大模型的k8s吗——MCP协议原理和最佳实践X

O

P

S

风

向

标

汇报人王昕2025/05/27一、

MCP协议技术体系解析二、

MCP开发框架三、AIAgent协议比较四、AIAgent应用场景·目录·一、

MCP协议技术体系解析2025年应用涌现

022025年3月

，OpenAI宣布Agent

SDK支持MCP协议

，ChatGPT桌面应用及ResponsesAPI也即将支持该协议，

MCP生态进入规模化应用。截至2025年3月，

已有超1000个基于MCP协议构建的社区服务器和数千个集成MCP协议的应用。2024年首发

012024年11月25日，

Anthropic正式发布模型上下文协议（MCP）

，

为大语言模型与外部数据源和工具的集成提供了开源协议。ln协议发展历程与生态图谱

在OpenAI上下订

单好好的，在Claude上不行了？

在DeepSeek上查询股票信息没问题，换成豆包不行了？

FunctionCalling应该由谁来定义？大模型的应用开发

者吗？ln

为什么会出现MCP协议：

MxN问题M+N问题特点FunctionCallingMCP功能焦点LLM直接调用程序函数标准化工具的发现与执行调用方式本进程函数调用主机本地进程调用或远程REST调用输出格式LLM厂商自定义标准的JSON-RPC格式支持的控制参数函数的输入参数Prompt模板，函数参数支持的交互方式单次同步调用关联多次调用，

Request/Response和

SSE复杂度实现较简单相对来说构建复杂一些易扩展性有限扩展性更好灵活性对于复杂场景灵活性有限对于复杂场景有更好的灵活性互操作性有限针对不同的LLM和工具平台有更好的互操作性实现针对每个工具需要定制化的集成可以通过标准化的MCPServer结构集成谁控制实现LLM厂商（OpenAI,

Google,Claude,DeepSeek）服务提供商ln

MCP与Function

Calling对比

Hosts:大模型应用

Clients:应用里与Server

1:1的控制端

Servers：提供上下文，工具，提示给Clients

Transport：本地(Stdio)或远程（Streamable

HTTP）通信理解

Resources：起到上下文作用的数据数据、文件、图片、视频、处理结果

…

Tools：可供客户端发现和动态交互的功能

Prompts：规约化用户与LLM交互模式的提示模板

Sampling：让Servers从大模型获取答复

Notification：从Servers发向Clients的消息

Message

Format:JSON-RPC2.0ln

MCP协议的主要构成ln

MCP的设计理念在不同的服务和应用之间，构建一致的

、可预期的交互接口。保证不同的交互干系人都理解API的结构和能力。创建能够表示复杂关系和工作流机制的接口。创建能够动态适用于多种使用场景的接口

。02干系人协作04理解上下文06自适应接口在写实现Code之前

，

先

定

义好API协议。创建理解数据和交互过程的上下文的API。05机制建模01协议优先03标准化特点KubernetesMCP目标场景系统的运维操作：升级/回退/自动伸缩智能化的业务工作流操作管理对象管理应用的容器/Pod管理应用Tool管理框架K8s运维平台MCP管理者K8s上的各种ControllerLLM智能能力的来源Controller代码机制LLM的智能能力面API的设计K8sAPI

ServerMCPServer能力描述能力扩展机制CRD配合Operator各种MCPServer的注册目标用户系统运维工程师应用开发/运维工程师ln

支持MCP的服务发展很快，类似Kubernetes生态Kubernetes系统与MCP系统都具有优秀的扩展能力二、

MCP开发框架定义Agent的参数定义工具的调用工具的实现代码列举可用工具ln

官方MCP

SDK——Python

SDK定义Agent的工具定义输出参数工具的实际实现ln

官方MCP

TypeScript

SDK——适合于Node.js应用开发ln

LangChain框架——通过LangChain

MCP

Adapters适配通过LangChain

MCPAdapters将MCP的Tool转换成LangChain的Tool给LangChainAgent使用ln,

SpringAI的Java

MCPSDK——适合于JavaSpring

Boot应用开发定义Tool工具的实际实现使用FastMCP框架定义Tool:获取天气定义Tool:加法启动Serverln

Agent实现示例——服务器端实现查询天气和加法计算通过wttr获取天气服务创建Agent客户端连接对应的LLM大模型询问Agent关于天气的问题询问Agent关于加法的问题询问Agent关于加法的问题ln

Agent实现示例——客户端实现使用天气查询工具使用加法工具未使用工具使用天气查询工具未使用工具ln

启动Agent应用询问问题FastMCP框架：使用最简单的框架定义Agent的参数定义工具的调用定义资源定义提示ln

官方MCP

SDK——融合了FastMCP

1.0的Python

SDKFastMCP框架：使用最简单的框架定义Agent的参数定义工具的调用定义资源定义提示ln

官方MCP

Python

SDK——融合了FastMCP

1.0的Python

SDKln

FastMCP框架——FastMCP2.0框架再进一步演化支持更多功能框架开发语言特点适用场景MCP官方原

生Python

SDKPython能力全面，应用使用较复杂需要实现自己的MCP

Python

SDK或者较复杂的MCP应用MCP官方TypeScriptSDKTypeScript/

JavaScriptTypeScript应用开发，基本吸收了类似

Python

FastMCP的设计理念适合Node.js应用实现LangChainMCPAdapterPython将MCP的AgentTool转化为LangChainAgent的Tool已经采用了LangChain的框架，需要用LangChain实现Agent能力SpringAIMCPJava在Sprint

Boot框架中实现MCPAgent用Java实现MCPServer和

ClientMCP官方FastMCPPython融合了FastMCP

1.0，应用使用比较简单适合多数Python应用实现FastMCP

2.0Python迭代支持最新的MCP协议能力验证FastMCP机制对最新

MCP能力的支持ln

比较不同的MCP开发框架Fast:我希望用最少的代码Simple:我希望例子一看就懂Pythonic:我希望Python玩家容易上手Complete:我希望对MCP支撑完整环境设置30分钟vs5分钟代码行数60行vs150行测试工具内置vs自建ln

简单快捷的MCP开发框架——FastMCP三、AIAgent协议比较A2A是一种开放协议，A2A是一种开放协议，

旨在实现不同智能体之间的直接互通与协作。A2A协议由谷歌推出，

旨在让AIAgent能够跨云、跨平台、跨组织边界进行协作，实现高效通信和安全数据交换。ln

什么是A2A（Agent-2-Agent）协议AgentCardA2A通过基于能力的AgentCard实现点对点的任务外包，促进企业级工作流。AgentCard标准化使得不同智能体能够清晰展示自身能力，方便其他智能体发现和协作。例如在企业招聘流程中，不同环节的Agent可通过A2A协议基于智能体卡进行任务分配与协同。Agent

Discovery为了让AI代理通过Agent2Agent(A2A）协议进行协作，它们首先需要相互发现并了解对方所提供的能力。A2A通过AgentCard标准化了代理自我描述的格式。lnA2A协议中的关键概念ln

A2A协议中能力Card的示例WeatherAgent的Card定义AirbnbAgent的Card定义ln

A2A协议的能力代理通信协议（ACP）是一项具有开放治理的开放标准，用于实现代理之间的互操作性。它定义了一个标准化的

RESTfulAPI，支持同步、异步和流式交互。在ACP中，代理被视为交换多模态消息的服务，该协议对它们的内部实现保持无关，仅要求提供最低限度的规范以确保兼容性。ln

ACP（Agent

Communication

Protocol）协议的示例架构u去中心化

(Decentralization):智能体拥有独立身份，不依赖于中心化平台，促进开放生态系统。采用了去中心化身份标识符（DecentralizedIdentifiers,

DID）是ANP智能体身份的基础。u互操作性

(Interoperability):不同开发者和公司创建的智能体可以无缝协作，打破数据孤岛。u利用现有Web基础设施(Leveraging

ExistingWebInfrastructure):基于现有Web技术构建，无需新建底层设施，快速部署和采用。u

AI原生与自主性

(AI-Native&Autonomy):专为AI智能体设计的通信协议，支持智能体自主决策和互动。ln

ANP（AgentNetworkProtocol）协议核心特性ANP协议的特点ANP协议Agent描述的内容Agent描述包含的内容：u基本信息（名称、描述、创建者等）u身份验证方法u提供的服务和产品u支持的交互接口u能力描述。ln

ANP协议的Agent描述Agent协议协议特点协议优势主要应用场景ModelContext

Protocol

(MCP)-支持资源（Resources）、提示（Prompts）、工具（Tools）及采样（Sampling）-附加实用工具：配置、进度跟踪、

取消、错误报告、日志等-标准化

LLM与外部数据源/工具的交互，简化集成-跨平台兼容，多语言SDK支

持-减少重复开发，清晰分离数据访问与计算-一致的能力发现机制是连接AI模型与工具/资源的桥梁，采用客户端-服务器架构，适合单个模型访问多种工具和资源，如访问搜索引擎、调用计算器等。AgenttoAgent

(A2A)-点对点多Agent协作协议-基于

HTTP/SSE/JSON

RPC等现

有标准-能力发现：通过“AgentCard”

广告式描述-跨供应商互操作，统一企业内

Agent协调-支持长任务、实时状态更新与反馈-安全认证与授权与OpenAPI保持一致-支持文本、音频、视频等多种模态侧重多Agent之间的协调发现，发布和发现不同Agent的能力，适合于多Agent之间的协调协

作共同完成复杂的任务。AgentCommunication

Protocol

(ACP)-基于REST协议-利用已有的企业级认证和安全管理-

适合应用在已有的企业环境

中-

考虑较多的企业业内的集成

和安全认证授权的能力适合于已经有比较重的企业内应用协作环境，并且需要快速实现Agent系统利用企业已有

的服务。Agent

Network

Protocol

(ANP)-基于已有的去中心化身份协议DID

构建Agent身份-完备的分层协议设计-去中心化(Decentralization)-互操作性

(Interoperability)-基于现有Web技术构建，无需新建底层设施，快速部署和采用-体现AIAgent的自主性适合于没有三方Agent发现服务的环境中，实现多Agent的能力发现。ln

比较不同的Agent协议从竞争到协作多种AI智能体协议起初存在竞争关系，未来可能会走向分层协作，各自专注细分领域，实现优势互补。MCP已经得到广泛的支持MCP协议已经得到已有Software/SaaS工具的广泛支持，

但是MCP协议目前只支持Tooling的调用，未来是否能融合其他协议的能力有待观察。

MCP

Server实现要走向微服务化。A2A也得到了非常大的认可A2A未来是跟MCP互补并存，还是被吸收入MCP有待观察，但其主要能力一定会被传承。ACP和ANP给行业以很好的启发ACP和ANP都介绍了非常好的能力，但是协议设计比较学术化，支持的厂商不是特别多，期望未来其优秀能力能被吸收。lnAgent协议发展的展望四、AIAgent应用场景↓高容量↓复杂的决策错误成本低↓人机交互高容量

/交互次数

/高重复率

/数据点多。

例如，检查数十万张发票的账单问题、客户支持工单分类、路由。原因：

将代理

AI应用于低工作负载问题通常没有经济意义用例应涉及复杂的决策，而无法设计简单的决策树。例如，

涉及多个经济指标的金融风险评估，

原因：

如果存在确定性算法，则应提前尝试，因为它可能更便宜。需要高水平的人工交互，包括对多个信息、文档或系统的阅读、考虑和推理。工作通常是平凡和重复的。原因：

低人机交互问题可能具有可通过

RPA实现的算法解决方案完全自主代理系统的良好候选者包括提交错误成本不太高的流程。

原因：如果错误会导致重大的不良后果，则必须设置人机协同和其他风险护栏，从而使代理解决方案的开发和维护成本更高。ln

如何评估Agentic

AI场景的价值什么是

AgenticAI

的良好用例候选者？↓•

协助员工预订商务旅行•与Tripadvisor

、

Outlook

和

SharePoint

集成•通过Teams

聊天或电子邮件预订•使用OCR

收集收据•自动提交和跟踪费用报告•为新员工提供个性化的入职助手•使用基于

SharePoint

的

HR

数据的

LLM•提供相关培训材料•安排入职培训并设置软件帐户•监控任务完成情况并确保高效入职•通过引用历史记录和产品手册来诊断

问题•

提供量身定制的解决方案或通过自动

化工作流程进行升级•创建工单并安排后续行动•更新CRM

记录，增强未来支持•来自数据湖和数据仓库的分析数据•以自然语言响应用户请求•生成见解、可视化并通过Teams

或

电子邮件发送•

自动化数据处理，以便实时、轻松地

做出决策ln

主要的跨行业Agentic

AI应用案例旅行预订和费用管理个性化的客户支持数据分析和报告员工入职•支持医学研究工作流程并提高运营效

率•

自动化临床作的数据输入和检索