内容
# MCP 在实践中的应用：通过多服务器编排实现跨领域知识发现
首项关于多服务器 [模型上下文协议（MCP）](https://modelcontextprotocol.io/) 编排的实证研究，包含 7 个模型的跨领域综合基准测试。
## 什么是 MCP？
**模型上下文协议（MCP）** 是 Anthropic 于 2024 年末发布的开放标准，允许大型语言模型（LLM）代理通过 JSON-RPC 发现和调用外部工具。可以将其视为 AI 的 USB-C 接口：任何 MCP 服务器都暴露出可供任何 LLM 代理使用的工具，而无需考虑语言或平台。截至 2026 年 3 月，已有 106 个官方服务器集成（GitHub、Postgres、Slack、Docker 等）和 50 多篇研究该协议的学术论文。
本文探讨了 **同时连接多个 MCP 服务器以执行跨领域任务会发生什么？**
## 主要发现
- **17 次真实 MCP 工具调用**，跨越 6 台服务器，失败率为 0%，9 个跨领域洞察
- **7 个 LLM 基准测试**（GPT-5.4、DeepSeek R1、Mistral Large 3、Llama 4 Maverick、Gemini 2.5 Flash、Claude Sonnet 4.5、Claude Haiku 4.5）在相同的 MCP 收集数据上进行
- **所有 7 个模型都独立识别出相同的差距**：多服务器 MCP 工作流的组合模式未被记录
- **提出了 5 种组合模式**：顺序流水线、并行扇出、交叉验证、迭代细化、领域桥接
## 基准测试结果
| 模型 | 延迟 | Tokens | 知识图谱实体 | 知识图谱关系 |
|---|---|---|---|---|
| GPT-5.4 | 54.7秒 | 2,352 | **14** | **15** |
| DeepSeek R1 | 33.9秒 | 4,296 | 6 | 4 |
| Mistral Large 3 | 6.5秒 | 1,857 | 9 | 8 |
| Llama 4 Maverick | **3.0秒** | 1,374 | 3 | 3 |
| Gemini 2.5 Flash | 15.6秒 | 4,592 | 12 | 11 |
| Claude Sonnet 4.5 | 21.3秒 | 2,411 | 13 | 11 |
| Claude Haiku 4.5 | 9.3秒 | 2,136 | 8 | 6 |
## 组合模式
1. **顺序流水线** -- 服务器 A 的输出作为服务器 B 的查询输入
2. **并行扇出** -- 同时向多个服务器发送相同的查询
3. **交叉验证** -- 验证不同服务器上的发现结果
4. **迭代细化** -- 跨服务器上下文引导查询细化
5. **领域桥接** -- 综合来自无关领域的洞察
## 使用的 MCP 服务器
所有服务器均为开源，不需要 API 密钥：
```bash
uvx arxiv-mcp-server # 学术预印本
npx @cyanheads/pubmed-mcp-server # 生物医学文献
npx @modelcontextprotocol/server-memory # 知识图谱
npx firecrawl-mcp # 网络搜索与抓取
npx @upstash/context7-mcp # 图书馆文档
npx @modelcontextprotocol/server-filesystem # 文件操作
```
## 复现
### 运行 7 模型基准测试
```bash
# 设置您的 API 密钥
export AZURE_API_KEY="your-azure-key"
export GEMINI_API_KEY="your-gemini-key"
# Claude 模型需要配置 AWS Bedrock
python benchmark.py
```
### 论文
论文以 `paper.pdf` 的形式存放在此仓库中。
- Zenodo: [10.5281/zenodo.18917784](https://doi.org/10.5281/zenodo.18917784)
- SSRN: 摘要 ID 6374760
## 引用
```bibtex
@article{dogan2026mcp,
title={MCP 在实践中的应用：通过多服务器编排实现跨领域知识发现},
author={Dogan, Arif},
journal={Zenodo},
doi={10.5281/zenodo.18917784},
year={2026}
}
```
## 许可证
MIT
