MCP就像一套标准说明书，让LLM应用（比如Claude桌面版和Windsurf）能用统一方式连接各种工具。现在工具爆炸式增长，有统一连接标准当然比给N个应用开发M种连接方式强多了。
而检索增强生成（RAG），顾名思义就是给LLM加个检索系统，像给老师配了个图书管理员，能随时找最新资料防止AI瞎编（毕竟LLM的知识是有截止日期的）。
这么说吧，RAG（通过检索引擎）和MCP（通过工具连接）都能给LLM输送重要信息（也叫上下文），让AI回答更准、决策更聪明（对智能体系统尤其重要）。
某种程度上，RAG本身也能看作工具，所以完全可以在RAG服务上搭建MCP服务器。不过要提醒：RAG的检索环节优化起来特别费劲，我搞过信息检索系统，深知搭建高效RAG有多难（这话题改天单独聊）。
简言之，MCP不是取代RAG，而是像长上下文LLM、大推理模型这些创新一样与之互补。我还特别看好"智能体化RAG"的构想——用工具帮RAG系统填补知识漏洞，或者在回应前更周密地推理信息。
MCP能高效调用工具和功能（比如提示模板和采样），让智能体系统、工具、客户端/服务器之间产生更精妙的交互。随着更多开发者公司采用，这种协同效应会越来越强。等MCP成熟后，说不定还能帮我们发现新的智能体架构设计模式。在这个AI狂奔的时代，千万别小看技术标准化的力量。
总之MCP才刚起步，而RAG系统（及其各种变体）已在医疗金融等知识密集型领域大显身手。这个领域日新月异，对新理念最好先动手实验再下结论。我们成立这个学院，就是为了帮大家探讨领域内最前沿的想法。