如何用AI写业务代码

我们知道，用AI写通用代码是非常容易且准确的，例如很容易让AI写一个冒泡排序或者时间格式处理工具函数，因为AI大模型训练的素材就来源于互联网上的通用知识和算法。但是，AI并没有通过我们的业务代码进行训练，所以按道理来讲，AI是写不出我们的业务代码的。那我们如何让AI变得也会写我们的业务代码呢，本文就是想解决这个问题。

如何让AI理解业务

要让AI写出业务代码，那就等价于需要让AI理解业务，就目前主流的方式，有以下四种：

1. function calling 函数调用

2. MCP 模型上下文协议（今天的主题）

3. RAG 检索增强生成

4. Fine-tuning 微调

什么是MCP

MCP全称是Model Context Protocol，翻译为模型上下文协议。MCP是一种以json格式的明文传输协议。

以一个城市温度查询服务的MCP为例，它的请求和返回格式例如下：

1
2
3
4
5
6
7
8
9
10
11
12

{
    "jsonrpc": "2.0",
    "id": "req_123", // 请求唯一标识
    "method": "execute_tool",
    "params": {
        "tool": "weather_query",
        "arguments": {
            "location": "北京",
            "unit": "celsius"
        }
    }
}

1
2
3
4
5
6
7
8
9
10
11
12
13

{
    "jsonrpc": "2.0",
    "id": "req_123", // 匹配请求ID
    "result": {
        "status": "success",
        "data": {
            "location": "北京",
            "temperature": 28,
            "unit": "celsius",
            "condition": "晴朗"
        }
    }
}

MCP服务有两种启动形式，第一种是stdio，以本地rpc的方式和大模型进行通信；第二种是http server，与大模型可以本地或者远程通信。

MCP本质上是规定了一个统一标准协议，让大模型可以方便的调用外部工具。说到这里，让笔者想起来以前一个很火的概念SOA（Service-Oriented Architecture），这么多年兜兜转转还是这些思路。

大模型与MCP的结合应用

有了MCP能力，我们就可以将业务里的工具以MCP的方式进行封装，供大模型使用。例如我们可以让大模型去调用我们的生成代码服务，并将生成的代码返回给大模型。这时候大模型拿到的代码就不是一个通用知识代码，而是一个符合我们业务领域知识的代码。由于MCP工具是确定性的，所以通过这种方式，我们可以减少大模型输出的幻觉问题，让大模型可以稳定高质量输出我们想要的业务代码。

例如，我们可以有以下一些MCP服务：

1. pb2ts：根据开发者输入的Protobuf协议文件，生成前端Typescript网络请求代码，并将相关代码自动上传到项目git仓库，更新本地仓库文件。开发者可以直接在IDE里使用最新的Typescript代码完成网络请求功能。

2. 拉起游戏：比如我们的项目需要拉起一个外部游戏或者App，那么我们可以让MCP返回固定的业务代码，通过某个SDK来进行外部拉起

3. 数据查询：我们的MCP还可以连接后台的数据库，进行相关的数据查询服务，将数据结果返回给大模型分析和使用

在这种情况下，AI大模型用作自然语言的语义理解和意图识别，然后判断调用哪些MCP服务来完成功能，这正是大模型的强项。而MCP的任务是按照标准协议提供项目特定的工具给大模型，使大模型的输出更加有确定性，减少大模型幻觉产生，并且能够理解我们的业务相关功能和代码。

pb2code MCP的功能和实现

笔者在项目里实现了一个pb2code服务，用户可以输入pb协议文件地址，生成业务特定的网络请求代码。具体的交互如下：

开发者只需要在AI聊天框里说：根据某个协议生成某个网络请求代码，就可以很方便完成相关代码的编写。MCP服务完成了以下事情：

1. 拿到大模型解析出来的pb文件网络地址和请求名两个参数

2. 调用项目内的研发平台服务，（1）生成ts代码（2）代码上传git（3）生成请求mock数据

3. 输出命令 git submodule update --remote 让大模型更新子仓库

4. 输出业务代码，让大模型将业务代码写入代码编辑区

这段网络请求代码是基于我们项目的网络框架编写的，如果让大模型基于通用知识去写，是无法写出这样的特定业务逻辑代码的。

各模块整体交互流程如下图：

思考与展望

基于MCP，我们可以提供更多的模块服务，辅助AI来编写业务代码。但是单就编写业务代码的场景，这本质上是一个文本检索功能，可能RAG也会是一个适合的方案。如果我们需要利用大模型调用某个外部工具，完成一个操作（例如跟git仓库交互），这种场景则用MCP更加适合。