首页 / AI 通识课 / L3 AI 流程设计者 / MCP：让 AI 查完再答
L3-2 · 约 60 分钟

MCP：让 AI 查完再答

驱动问题：“AI 回答总是没有出处，我怎么敢信？”
学完带走：至少 2 个配置好的 MCP 服务（百小应 + Web Search）；一个核心认知转变：从"AI 说什么你就信什么"到"AI 查完给你看出处，你自己判断"

一个你一定遇到过的问题

你让 AI 帮你综述一下 GLP-1 受体激动剂的心血管保护作用，它给你洋洋洒洒写了两页，列了 6 篇参考文献，看起来像模像样。

你抽了其中一篇去 PubMed 查——查无此文。

不是 DOI 错了，是这篇文章从来就没存在过。作者名字、期刊名称、发表年份，全是 AI "编"的。

这就是 L1-2 讲过的幻觉问题。但在 L1 的时候我们只是"知道了这个风险"，现在到了 L3，是时候解决它了。

为什么 AI 给不了出处？

要理解这个问题，得回到 AI 的工作原理。

AI 的知识是"冻住"的

L1-2 讲过，大模型是通过大量文本训练出来的"语言预测机器"。训练完成之后，它的知识就定格在训练数据的截止日期了。

这意味着：

  • 2024 年 12 月训练完成的模型，不知道 2025 年 1 月发布的新指南
  • 它"知道"的文献，不是因为它有一个文献数据库可以查，而是因为训练数据里包含了相关文本的片段
  • 它在回答时不是"去查"文献，而是在"回忆"训练数据中出现过的文字模式

"回忆"和"查"有什么区别

这个区别对医生来说很好理解：

"回忆"（通用 AI 的工作方式） "查"（你日常的工作方式）
类比 闭卷考试 开卷考试
知识来源 以前学过/看过的内容 当场翻书、查 UpToDate、查 PubMed
信息时效性 可能过时 查到的就是最新的
准确性 可能记错、记混、甚至"脑补" 有原文可以核对
出处 通常说不出具体来源 可以标注页码、DOI、指南版本

你作为医生，做临床决策时不会仅凭记忆——你会翻指南、查 UpToDate、搜 PubMed。MCP 就是让 AI 也能这样做。

「回忆」与「查」：闭卷与开卷
模型默认像在闭卷里「回忆」；MCP 让 AI 也能像你我一样先查证再回答

MCP 是什么

一句话解释

MCP（Model Context Protocol，模型上下文协议）是一套让 AI 调用外部工具和数据源的标准接口。

不用记这个英文名。你只需要知道：配了 MCP 之后，AI 回答问题的时候可以先去查专业数据库，查完再答。

用你熟悉的概念理解

在医院里，不同科室的信息系统需要互通：LIS（检验系统）的结果要能在 HIS（医院信息系统）里看到，PACS（影像系统）的图要能调出来。为了让这些系统"说同一种语言"，有一套标准协议叫 HL7。

MCP 做的事情类似——它是 AI 世界的"HL7"：

医院信息化 AI 生态
HL7 协议 MCP 协议
让 HIS 能调 LIS 的检验结果 让 AI 能调 PubMed 的文献数据
让不同厂商的系统互通 让不同的 AI 工具都能接入同一套外部服务

在 MCP 出现之前，如果你想让 AI 工具能查文献，每个工具得跟文献数据库单独对接一次

用 HL7 理解 MCP
都是「标准接口」：让不同系统/工具能用同一套方式互通能力
——就像以前每家医院的 HIS 和 LIS 都要单独开发接口一样。有了 MCP，一个"文献检索服务"写一次，所有支持 MCP 的 AI 工具都能用。

三个核心概念

MCP 的世界里只有三个角色，记住它们的关系就够了：

你提问 → AI 客户端（MCP Client）接收
    → AI 判断"这个问题我需要查资料"
    → 通过 MCP 协议调用 MCP Server 的工具（Tool）
    → 工具返回检索结果
    → AI 基于结果组织回答
    → 你收到带出处的回答
MCP 三角色：Client、Server、Tool
你用的 AI 工具是 Client；后台服务是 Server；具体能力是 Tool
角色 是什么 例子
MCP Client 你用的 AI 工具 Cherry Studio、Cursor、Trae、扣子（Coze）
MCP Server 提供某种能力的后台服务 百小应（循证检索）、PubMed MCP、Web Search MCP
Tool 服务里的具体功能 文献检索、药物查询、指南检索

你不需要理解背后的技术实现——就像你不需要知道 HL7 的报文格式也能在 HIS 里查检验结果一样。你只需要知道：选一个 Client，接上一个 Server，就能用。

效果对比：有 MCP vs 没有 MCP

有 MCP 与无 MCP 的效果差异（示意）
同一提示词：是否接入可查证的来源，回答可信度会差很多

光讲概念没用，看效果。

下面是同一个提示词，分别用通用 AI（不配 MCP）和配了百小应 MCP 后的回答对比。我们挑三个最典型的场景：

场景一：文献综述

提示词：请帮我综述 GLP-1 受体激动剂的心血管保护作用，列出关键临床试验和参考文献。

不配 MCP 配了百小应 MCP
回答质量 内容专业，按临床试验逐个介绍 额外给出作用机制表格 + CVOT 试验汇总对比表
参考文献 6 篇经典文献，有作者和期刊名，但没有原文链接 8 篇文献，含中英文来源，每篇附可点击的原文链接
最大差距 文献看起来真，但你得自己去 PubMed 逐篇搜索核实 点击链接直接跳转原文验证，30 秒内完成核实

场景二：复杂病例用药

提示词：72 岁男性，高血压 155/95mmHg，2 型糖尿病 HbA1c 8.2%，CKD 3b 期 eGFR 38，目前用药：氨氯地平 5mg qd、二甲双胍 500mg bid。请基于最新临床指南给出用药调整建议。

不配 MCP 配了百小应 MCP
回答质量 分科给出建议，提到了"ADA 指南" 同样分科建议，但每条建议带编号引用标注 [1][2]...
出处标注 提到指南名称，但没有具体文献信息 每条引用含期刊、年份、原文链接，可直接验证
临床可操作性 建议合理但偏泛 给出具体剂量范围、监测计划和随访时间

场景三：药物相互作用

提示词：华法林与阿莫西林同时使用，是否存在临床显著的药物相互作用？

不配 MCP 配了百小应 MCP
机制分析 详细（4 种机制），质量不错 同样详细，额外给出具体的 INR 监测阈值和处理方案
参考文献 引用 ACC 指南、Stockley's，但没有链接 5 篇文献均为 RCT 或病例研究，附可点击的原文链接
你能不能直接用 需要自己去核实引用是否真实 点击链接即可验证，敢用

对比总结

看完三个场景，差距不在"回答好不好"——通用 AI 的回答质量其实也不差。差距在"能不能验证"：

通用 AI 配了 MCP 的 AI
回答质量 7-8 分 8-9 分
引用可验证性 ❌ 提到指南名但查不到具体文献 ✅ 每条引用可点击跳转原文
你敢不敢直接用 得先自己核实一遍 核实成本极低，30 秒搞定

一句话总结：通用 AI 给你"看起来对的答案"，MCP 给你"可以验证的答案"。在医疗场景下，这个区别决定了你敢不敢用。

💡 想看五个场景的完整对比（含截图），可以参考配套教程：《医疗从业者 MCP 实战教程》

动手配置：5 分钟搞定

选工具

工具 适合谁 特点
Cherry Studio 零基础新手（推荐） 图形界面，点击配置
Cursor / Trae 有一定技术基础的用户 AI 编程 IDE，功能更强
扣子（Coze） 想搭建智能体的用户 可视化搭建，自带模型额度

新手从 Cherry Studio 开始就好，最简单。

用 Cherry Studio 配置百小应 MCP

第 1 步：下载安装 Cherry Studio

前往 cherry-ai.com 下载对应系统版本，安装后打开。

第 2 步：配置大模型

进入 设置 → 模型服务 → 选一个模型服务商（如百川、火山引擎）→ 填入你的 API 密钥。

API 密钥是模型厂商给你的一串字符，类似于"通行证"。大多数国产模型对新用户有免费额度，直接去官网申请即可。

然后在聊天界面，选择一个带扳手图标 🔧 的模型。这很重要——只有带扳手的模型才支持调用外部工具，没有扳手图标的不行。

第 3 步：添加百小应 MCP

进入 设置 → MCP 服务器 → 点击添加，填写：

  • 名称：百小应 MCP（随便起，自己能认出来就行）
  • 类型：选择"服务器发送事件 (sse)"
  • URL：https://baixiaoying-mcp-server.baichuan-ai.com/sse
  • 请求头：Authorization=Bearer 你的密钥

密钥从百小应官网获取。保存后看到状态变为绿色，就配好了。

第 4 步：测试

回到聊天界面，点击输入框下方的扳手图标 🔧，选择"手动"模式，勾选百小应 MCP。

然后输入一个你工作中的真实问题试试，比如：

华法林与阿莫西林同时使用，是否存在临床显著的药物相互作用？请给出具体机制和参考文献。使用百小应 mcp

你会看到 AI 先显示"正在调用工具…"，然后返回带出处的结构化回答。这就是 MCP 在工作。

配置第二个 MCP：Web Search

一个 AI 工具可以同时连接多个 MCP 服务。推荐再加一个 Web Search MCP（让 AI 能搜索网页信息），这样它既能查专业文献，也能搜最新资讯。

在 MCP 服务器中再添加一个服务即可。具体的 URL 和配置参数，可以在 mcp.so 上搜索 "web search" 找到。

配好两个之后，AI 会根据你的问题自动判断该调哪个——问文献的时候调百小应，问最新消息的时候调 Web Search。你不需要手动切换。

💡 更详细的配置步骤和截图，参见配套教程《医疗从业者 MCP 实战教程》中的"动手环节"章节。

MCP 的局限性

MCP 很好用，但不是万能的。用之前要清楚它的边界：

1. MCP 返回的信息不等于"绝对正确"

MCP 让 AI "查了再答"，但： - 数据源本身可能有错误或过时（虽然概率比 AI 瞎编低得多） - AI 在整合检索结果时仍可能误读或曲解原文 - 你的专业审核仍然不可省略

2. MCP 不能访问你医院的内网系统

目前主流的 MCP 服务都是公网服务——它能查 PubMed、查指南数据库，但查不了你医院的 HIS、LIS、PACS。医院内网数据的对接需要信息科参与和单独技术方案，通识课不展开；若你后续学习更高阶课程，可能会再专门讲这一块。

3. 数据隐私仍然适用

L1-4 讲过的脱敏原则在使用 MCP 时同样适用。你的提问会被发送到 MCP Server 进行检索——所以不要在提问中包含患者的真实姓名、身份证号等可识别信息。

4. 不同 MCP 服务的质量差异很大

百小应接入的是权威医学数据库，可信度高。但 MCP 生态里也有很多质量参差不齐的服务。选择 MCP 服务时，关注它背后的数据源是什么。

从"凭记忆答"到"查完再答"

在 L3-1 我们把提示词"固化"成了 Skill，解决了效率问题。

这一节我们用 MCP 解决了可信度问题——AI 的回答从"凭记忆猜"变成了"查完再答"，从"你得自己去核实"变成了"给你原文链接自己点"。

但还有一个问题没解决：MCP 能让 AI 查公共数据库，可是你们科室自己的指南、规范、操作手册怎么办？ 这些东西不在任何公开数据库里，MCP 查不到。

这就是下一节要解决的问题——知识库（RAG）。

动手试一试

  1. 配置 MCP：在 Cherry Studio（或你习惯的工具）上配好百小应 MCP，确认能正常调用
  2. 对比测试：选一个你工作中常遇到的问题，分别在有 MCP 和没有 MCP 的情况下问一遍，对比回答质量和引用可验证性
  3. 加第二个 MCP：尝试再配一个 Web Search MCP，体验多工具协作
  4. 验证引用：拿到 MCP 回答后，点开引用链接验证 1-2 篇——确认引用是真实的，同时建立"即使有 MCP 也要抽查"的习惯

本节小结

概念 一句话
AI 的知识"冻结" 训练完成后知识定格，无法获取新信息、无法查数据库
MCP 让 AI 调用外部工具的标准接口——查完再答，不是瞎编
MCP 三角色 Client（你用的工具）→ Server（提供能力的服务）→ Tool（具体功能）
MCP vs 通用 AI 通用 AI 给"看起来对的答案"，MCP 给"可以验证的答案"
MCP 的局限 不是万能的——返回信息仍需审核、不能访问内网、要注意脱敏

本节带走：

  • 至少 2 个配置好的 MCP 服务（百小应 + Web Search）
  • 一个核心认知转变：从"AI 说什么你就信什么"到"AI 查完给你看出处，你自己判断"。 这不只是一个工具配置的变化，是你和 AI 协作方式的根本升级
  • L3-1 解决了效率（Skill），L3-2 解决了可信度（MCP），下一节解决定制化（你自己的资料）
← 自定义指令与 Skill：让 AI 记住你是谁知识库：让 AI 用你的资料回答 →