深色模式
04 · 记忆与 MCP：让 Agent 记得住、接得上
学完你能说出：
- 短期记忆和长期记忆分别是什么、存在哪、怎么用。
- 上下文太长时的三种处理办法：截断、摘要、存到外部再检索。
- MCP 是什么，解决了什么问题（用「USB 接口」讲清楚）。
先看地图
前面讲了 Agent 怎么想、怎么做。这一篇解决两个「工程问题」：
- 记忆：任务一长，聊天记录塞不下了怎么办？下次对话还记得用户的偏好吗？
- 接入：工具越来越多，每接一个都要写一套代码，能不能统一？
本篇讲 4 个点：① 短期记忆 → ② 长期记忆 → ③ MCP 是什么 → ④ 为什么需要 MCP。
一句话本质
- 记忆 = 决定把哪些信息留在上下文里、哪些存到外面，需要时再取回来。
- MCP = AI 应用和外部工具之间的一套通用接口标准，接一次就能用。
生活类比
- 短期记忆像工作台：桌面就那么大（上下文窗口），只能放手头正在用的东西。
- 长期记忆像档案柜：东西多也放得下，但要用的时候得去翻（检索）。
- MCP 像 USB-C 接口：以前每个设备一种充电线，现在一个标准接口，什么设备都能插。
一步步看
1. 短期记忆：上下文里的对话历史
就是第 04 篇说的「每次把历史消息重新发一遍」。Agent 每走一步，Thought、Action、Observation 都会追加进去，很快就变长。
太长了怎么办？三种办法：
| 办法 | 怎么做 | 代价 |
|---|---|---|
| 截断 | 只保留最近 N 轮 | 早期信息直接丢了 |
| 摘要 | 用模型把旧的对话压缩成一段总结 | 细节会丢，还要额外调用模型 |
| 外存 + 检索 | 旧内容存进向量库，需要时按相关性取回 | 实现复杂，可能取不准 |
2. 长期记忆：跨对话保存
比如用户说过「我在准备 AI 应用岗的面试」，下次对话还应该记得。
写入：对话中出现值得记住的信息 → 提取成一条记忆 → 存进数据库（常配向量，方便检索）
读取：新对话开始 / 遇到相关问题 → 检索相关记忆 → 放进上下文这和 RAG 的思路几乎一样：把资料换成「关于用户的记忆」而已。
3. MCP：工具的统一接口
MCP（Model Context Protocol，模型上下文协议） 是 Anthropic 在 2024 年底发布的开放标准。
AI 应用（MCP 客户端） ←— 统一协议 —→ MCP 服务器 A：文件系统
MCP 服务器 B：GitHub
MCP 服务器 C：数据库- MCP 服务器：把某个外部能力包装成标准格式，对外提供：
- 工具（Tools）：可以调用的操作，比如「创建 issue」；
- 资源（Resources）：可以读取的数据，比如「某个文件的内容」；
- 提示模板（Prompts）：预先写好的常用提示。
- MCP 客户端：AI 应用里负责连接服务器的部分。连上后就能拿到工具列表，像上一篇那样交给模型调用。
为什么这么设计
为什么要区分短期记忆和长期记忆？
- 问题：上下文窗口有限、按 Token 计费；但有些信息（用户偏好、历史结论）需要长期保留。
- 方案：当前任务相关的放在上下文（短期），需要长期保留的存到外部数据库（长期），用时检索。
- 好处：上下文不会无限膨胀，重要信息也不会丢。
一句话答法
上下文窗口有限且昂贵，只能放当前需要的信息；长期信息存到外部、按需检索，兼顾容量和成本。
为什么需要 MCP？
- 问题：以前每个 AI 应用接每个工具都要单独写对接代码。M 个应用 × N 个工具 = M × N 套代码，重复劳动，还各不兼容。
- 方案：定一个统一协议。工具方写一次 MCP 服务器，所有支持 MCP 的应用都能用；应用方实现一次 MCP 客户端，就能接所有服务器。
- 好处：M × N 变成 M + N；工具可以复用，生态能共享。
一句话答法
MCP 统一了 AI 应用和外部工具之间的接口，把 M×N 的定制对接变成 M+N：工具写一次服务器，所有支持 MCP 的应用都能直接用。
MCP 和 Function Calling 是什么关系？
- Function Calling：模型层面的能力，指模型「按格式说出要调哪个工具」。
- MCP：应用和工具之间的连接标准，管的是「工具从哪来、怎么接进来、怎么执行」。
- 两者配合：MCP 把工具列表提供给应用 → 应用通过 Function Calling 交给模型 → 模型选择工具 → 应用再通过 MCP 去执行。
一句话答法
Function Calling 解决「模型怎么表达要调用工具」，MCP 解决「应用怎么以统一方式接入和执行外部工具」，两者是上下游关系，不是替代关系。
英文术语拆解
| 术语 | 拆开看 | 一句话意思 |
|---|---|---|
| Short-term Memory | short-term 短期 + memory 记忆 | 短期记忆：当前上下文里的对话历史 |
| Long-term Memory | long-term 长期 + memory | 长期记忆：存在外部、跨会话的信息 |
| Summarization | summary 摘要 + -ization 化 | 摘要：把长内容压缩成要点 |
| MCP | Model 模型 + Context 上下文 + Protocol 协议 | 模型上下文协议，AI 接外部工具的统一标准 |
| Client / Server | 客户端 / 服务器 | 发起连接的一方 / 提供能力的一方 |
| Resource | 资源 | MCP 里可读取的数据 |
| Protocol | 协议 | 双方约定好的通信规则 |
面试怎么问
Q：Agent 的记忆怎么设计？
短期记忆是当前上下文里的对话和执行记录，超长时用截断、摘要或滑动窗口处理；长期记忆把关键信息（用户偏好、历史结论）提取出来存进数据库，常用向量检索按需召回。还要考虑写入策略（什么值得记）和过期、更新。
Q：什么是 MCP？解决了什么问题？
MCP 是 Anthropic 提出的开放协议，标准化了 AI 应用与外部数据源、工具之间的连接，采用客户端-服务器架构，服务器可以暴露工具、资源和提示模板。它把每个应用对接每个工具的 M×N 问题变成 M+N，提高复用性和互操作性。
Q：MCP 和 Function Calling 的区别？
Function Calling 是模型生成结构化工具调用请求的能力；MCP 是应用与工具提供方之间的接入协议。MCP 负责发现和执行工具，Function Calling 负责让模型选择和调用工具，两者通常配合使用。
容易混的地方
- 模型本身不会「记住」你：所谓记忆，全是应用在外部存、在需要时再塞进上下文。
- MCP 不是一个模型，也不是某个产品：它是一份协议（规则），各家都可以实现。
- 接了 MCP 不代表安全：第三方 MCP 服务器能执行操作、能读数据，同样要做权限控制（见下一篇）。
和其他知识的连接
- ← 来自 ReAct 与规划：步骤多了，历史变长，才需要记忆管理。
- ← 来自 RAG 是什么：长期记忆的读取，本质就是一次 RAG 检索。
- ← 来自 工具调用：MCP 提供工具，Function Calling 使用工具。
- 类比 分层模型与一次请求的一生：网络靠统一协议让不同设备互通，MCP 靠统一协议让不同工具互通。
自测 3 问
Q1：对话历史太长时，有哪三种处理办法？各有什么代价？
点开看答案
① 截断：只保留最近几轮，早期信息丢失；② 摘要：压缩旧对话，丢细节、要多调一次模型；③ 外存 + 检索：存进向量库按需取回，实现复杂、可能取不准。
Q2：用「USB-C」类比解释 MCP 解决的问题。
点开看答案
以前每个设备一种充电线（每个应用接每个工具都要单独写代码，M×N 套）；USB-C 统一了接口（MCP 统一了协议），工具写一次服务器、应用实现一次客户端，就能互相接上（M+N）。
Q3：MCP 和 Function Calling 是什么关系？
点开看答案
上下游关系。MCP 负责把外部工具以统一方式接入应用并执行；Function Calling 负责让模型从工具列表里选择、并生成调用请求。应用通过 MCP 拿到工具 → 交给模型 → 模型发出调用请求 → 应用通过 MCP 执行。
✅ 验收清单
- 能用「工作台 / 档案柜」类比区分短期和长期记忆
- 能说出上下文过长的三种处理办法及代价
- 能说出长期记忆的写入和读取流程，并指出它和 RAG 的相似之处
- 能讲清 MCP 为什么能把 M×N 变成 M+N（问题 → 方案 → 好处）
- 能说清 MCP 和 Function Calling 的关系
下一步该懂什么
- Agent 能动手了，怎么防止它被诱导干坏事？怎么评估它做得好不好？→ 安全与评估