由三維天地打造的Sunwaylink平臺已全面支持MCP,重塑了AI與外部世界的交互模式,拓展了AI的應用場景,從智能助手到自動化流程,從數據分析到創意生成,讓AI在復雜場景中展現出前所未有的靈活性和適應性,帶來更優質、便捷的體驗。

您是否遇到過這樣的場景?檢測報告數據在LIMS系統里,想讓AI分析卻要手動復制粘貼成表格。新出臺的GB31658標準,要花3天培訓檢測員才能更新到流程里。質譜儀的數據格式和AI模型“語言不通”,每次對接都要找工程師寫代碼。在實驗室檢驗檢測領域,這些“數據孤島”“知識滯后”“工具脫節”的問題,正在被一項新技術——MCP逐一破解。

       MCP:AI的“萬能接口”

MCP(ModelContextProtocol),中文全稱“模型上下文協議”,是一個開放協議,它標準化了應用程序向LLM提供上下文的方式,旨在實現大語言模型與外部數據源和工具的集成,用來在大模型和數據源之間建立安全雙向的連接。

設想一下,如果您擁有一臺能夠翻譯100種語言的設備,然而不同的設備、系統以及文檔卻各自擁有獨特的“方言”:

設備:色譜儀輸出CSV,顯微鏡存成TIFF,LIMS系統用SQL數據庫。

知識:藥典標準每年內更新,行業案例存在PDF里,檢測經驗記在Excel表或者數據庫中。

工具:低代碼平臺,報表工具,數據庫工具,excel表格,python算法。

MCP就如同為AI安裝了一個“萬能接口”,使其能夠:

聽懂所有“數據方言”:不管是設備數據、檢測報告,還是標準文檔,都能實時“翻譯”成AI能理解的格式。

實時更新知識庫:自動追蹤最新法規(比如2025年剛發布的《國家藥典2025》新方法),同步到AI模型里。

指揮所有工具干活:讓AI直接調用LIMS系統查歷史數據,遠程控制設備補測,自動生成符合CNAS要求的報告。

簡而言之,MCP將AI從“孤島式智能”轉變為能夠貫穿實驗室全流程的“超級大腦”。它使得各種需求能夠通過標準化接口與大型模型對接,實現“即插即用”。

       MCP:直擊實驗室痛點,重塑檢測流程場景1:藥品檢測報告“自主生成”

以前:檢測員要從LIMS導出數據→對照藥典手動計算合格限→復制到Word調格式→翻譯英文版本,過程麻煩易出錯。

現在:MCP方式:

數據貫通:直接連接LIMS系統和藥典數據庫,自動抓取檢測數據和對應標準。

智能計算:用內置算法按《中國藥典2025》通則計算RSD、回收率等指標。

工具協同:調用報告模板引擎,15分鐘生成帶公式、圖表、中英文對照的合規報告。

場景2:食品農殘檢測“動態合規”

以前:當2025年歐盟新增吡蟲啉殘留限量標準時:傳統方式:檢測負責人要人工下載標準→培訓檢測員→修改儀器參數→更新報告模板。

現在:MCP方式:

自動捕獲新規:實時監控歐盟官網,標準發布當天同步到AI模型。

智能適配流程:自動更新質譜儀的檢測方法參數,生成新的加標回收方案。

合規性自檢:每批檢測前自動校驗是否符合最新標準,避免不合規報告流出。

場景3:特種設備“未病先知”

以前:電梯檢測員以前靠經驗判斷鋼絲繩磨損。

現在:MCP讓AI學會“看門道”:

多源數據融合:連接電梯傳感器(振動、載荷數據)+歷史故障案例庫(PDF)+TSGT7001-2023標準。

動態建模分析:每天用最新數據訓練預測模型,提前3個月發現鋼絲繩疲勞趨勢。

智能工單生成:自動給維保團隊推送檢修方案,附帶GB/T31821標準依據。

       SunwayLink:MCP的“即插即用”加速器

SunwayLink平臺中的MCP核心組件包含Host、Client、Server,Host內置了Client的應用程序,可以是APP、Agent、Web應用、桌面應用等形態,Client是大模型與Server之間的橋梁,Server負責處理來自Client的請求、調用各種資源、返回相應的結果或數據,MCP工作流程如下:

可通過可視化方式快速搭建AI應用,就像搭積木一樣,在平臺上拖一拖“數據連接器”(連LIMS)、“知識更新器”(連藥典)、“工具調用模塊”(連設備API),快速搭出專屬檢測流程。

比如搭建“食品標簽合規檢查”流程:LIMS數據→MCP自動解析→對照GB7718-2011→標記致敏物質缺失→生成整改建議→同步到OA系統。

       MCP帶來的價值

降低數據協作成本

MCP通過標準化的協議和資源路徑,極大地簡化了不同系統之間的數據交互,將系統之間的復雜性抽象為統一的協議,讓用戶可以用自然語言與AI助手交流,由AI助手負責與數據或系統進行交互。

提升模型復用靈活性

MCP為AI模型提供了統一的上下文框架,使模型能夠適應不同的數據環境和業務場景,從而實現更智能的適配,在實際應用中,同一個AI助手可以通過MCP適配各類數據,而無需為每種數據源單獨訓練模型,這種靈活性不僅提高了模型的利用率,還減少了維護成本和實施時間。