AIUnlimited
🌳

AI-Fundamenten

🌱
AI Seeds

Begin bij nul

🌿
AI Sprouts

Bouw een fundament

🌳
AI Branches

Pas toe in de praktijk

🏕️
AI Canopy

Ga de diepte in

🌲
AI Forest

Beheers AI

🔨

AI-Meesterschap

✏️
AI Sketch

Begin bij nul

🪨
AI Chisel

Bouw een fundament

⚒️
AI Craft

Pas toe in de praktijk

💎
AI Polish

Ga de diepte in

🏆
AI Masterpiece

Beheers AI

📘

AI Praktijk

📖
Open-source modellen begrijpen

Fundamenten en bronnen voor open-source modellen

🎯
Van probleem naar modeltaak

Bedrijfsproblemen omzetten in modeltaken

⚡
Uw eerste model uitvoeren

Zie uw eerste resultaten in 30 minuten

🔧
Fijntuning en evaluatie

Modellen fijntunen en prestaties evalueren

🚀
Applicatiesystemen

Bouw echte AI-toepassingen

🎨
Generatieve AI

Verken open-source AIGC-modellen

🤖
Agents

Leer Agent-frameworks en MCP-tools

📐
Aanvullende fundamenten

LLM-basis en evaluatie

🎓

Claude Academie

🤖
Claude 101

Learn AI basics with Claude

💻
Claude Code 101

Code with Claude as your pair programmer

🤝
Introduction to Claude Cowork

Collaborate with Claude on complex projects

⚙️
Claude Platform 101

Build apps with the Claude API

Lab

7 experimenten geladen
🧬Neuraal Netwerk Sandbox🤖AI of Mens?🥋Prompt Engineering Dojo🏁Algoritme-race🧠AI-triviant🏗️Systeemontwerp Canvas
🎯Proef-sollicitatieGa naar het lab→
🚀

Carrièreontwikkeling

🚀
Interview Startplatform

Start je reis

🌟
Gedragsinterview Meesterschap

Beheers soft skills

💻
Technische Interviews

Slaag voor de codeerronde

🤖
AI- & ML-interviews

ML-interview meesterschap

🏆
Aanbod & verder

Bemachtig het beste aanbod

Begin met leren
AIUnlimited

MIT-licentie.

沪ICP备18025655号-11

Leren

  • AI-basis
  • AI Praktijk
  • Claude Academie
  • Lab
  • Carrièreontwikkeling

Community

  • Over ons
  • FAQ

Ondersteuning

  • footer.terms
  • footer.privacy
  • footer.contact
AI & Engineering Opleidingen›🤖 Agents›Lessen›MCP: Connecting Models to Tools
🔌
Agents • Beginner⏱️ 25 min leestijd

MCP: Connecting Models to Tools

get_weather is de identificatie die wordt weergegeven nadat MS-Agent de Serververbindingnaam en de gereedschapsnaam combineert. area en target_date zijn niet vooraf gedefinieerde aanroepparameters, maar gestructureerde parameters die door Qwen3-4B worden gegenereerd op basis van "Hangzhou morgen". De bijbehorende registratieresultaten worden hieronder getoond.

illustratie

Verwerking van gereedschapsretour en eindantwoord

De weer-MCP ontvangt de parameters, analyseert "Hangzhou" als "Hangzhou, Zhejiang, China", converteert tomorrow naar 7 september 2026 volgens de lokale tijdzone en retourneert:

{
  "requested_area": "杭州",
  "resolved_area": "杭州,浙江,中国",
  "date": "2026-09-07",
  "timezone": "Asia/Shanghai",
  "weather_code": 51,
  "weather": "小毛毛雨",
  "temperature_max_c": 29.0,
  "temperature_min_c": 21.6,
  "precipitation_probability_max_percent": 31,
  "wind_speed_max_kmh": 13.0,
  "data_source": "Open-Meteo"
}

Qwen3-4B genereert vervolgens een natuurlijk taalantwoord op basis van deze resultaten, met vermelding van het werkelijk overeenkomende gebied, de datum, de weersomstandigheden, de maximale en minimale temperaturen, de neerslagkans en de maximale windsnelheid. Hiermee is de aanroepketen "vraag begrijpen — gereedschap selecteren — parameters genereren — gereedschap uitvoeren — resultaten verwerken" voltooid.

illustratie

Aanroep van de fetch-service op het MCP-plein

Na hosting en configuratie verbindt u eerst rechtstreeks met de service en controleert u de gereedschapslijst. Het volgende testvoorbeeld gebruikt de website https://example.com.

async def direct_fetch_check():
    async with streamable_http_client(MCP_SERVER_URL) as streams:
        read_stream, write_stream, _ = streams
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()
            tools = await session.list_tools()
            print("Gereedschappen geretourneerd door server:", [tool.name for tool in tools.tools])
            result = await session.call_tool(
                "fetch",
                arguments={
                    "url": "https://example.com",
                    "max_length": 1000,
                    "start_index": 0,
                    "raw": False,
                },
            )
            if result.isError:
                raise RuntimeError(str(result.content)
            for block in result.content:
                if getattr(block, "type", None) == "text":
                    print(block.text)

await direct_fetch_check()
Les 2 van 70% voltooid
←What is an Agent?

Discussie

Inloggen deelnemen aan de discussie

Bij daadwerkelijke uitvoering geeft de server het fetch-gereedschap vrij en retourneert fragmenten van webinhoud en links van de doelpagina. Dit bevestigt dat de ModelScope-hostingservice, de Streamable HTTP-verbinding en het web-scraping-gereedschap allemaal werken.

illustratie

Na het succesvolle directe aanroepen hergebruikt u de eerder geconfigureerde Qwen3-4B zodat het model het gereedschap autonoom selecteert.

MCP-machtigingsbeheer

Het machtigingsbeheer van MCP mag niet beperkt blijven tot "kan deze server worden verbonden of niet", maar moet drie vragen verduidelijken: welke bronnen kan de huidige gebruiker benaderen, welke gereedschappen kan het model aanroepen en welke impact elke aanroep zal hebben op externe systemen.

MCP-beveiligingsrisico's

MCP stelt het model niet alleen in staat om inhoud te genereren, maar ook om bestanden te lezen, databases te bevragen, netwerkservices aan te roepen en zelfs externe systemen te wijzigen. Daaroor zijn de beveiligingsrisico's complexer dan die van een gewoon chatmodel.

Geschikte scenarios voor MCP

MCP is beter geschikt voor scenarios waarin veel externe gereedschappen en gegevensbronnen aanwezig zijn, waar deze capaciteiten door verschillende modellen of Agents kunnen worden hergebruikt, en waar het model dynamisch moet beslissen welke gereedschappen moeten worden aangeroepen.

Alle experimentele gegevens en code van dit hoofdstuk zijn beschikbaar op:

https://modelscope.cn/gallery/liucong/fae5791c-a024-412f-97c3-5fb93fee708e