模型上下文协议（MCP）

模型上下文协议（MCP）允许外部人工智能应用访问 LDB 中明确授权的功能。由此，人工智能不仅能回答问题，还能获取最新信息、结构化录入数据，并执行预先定义的工作步骤。

统计分析功能用于向外部提供 LDB 数据，导入接口则可将新数据、任务或状态变更传回 LDB。

• 统一的人工智能连接方式： MCP 是开放标准，越来越多的人工智能应用提供支持，因此无需为每个人工智能模型单独开发接口。
• 读取与更新： 人工智能助手可通过已授权的统计分析获取信息，并通过预定义的导入接口将数据提交给 LDB。
• 精确授权： 您决定哪些统计分析和导入接口可通过 MCP 使用。人工智能不会获得对数据库的无限制访问。
• 按用户设置访问权限： MCP 登录与一名 LDB 用户关联。人工智能应用只能访问该用户获准使用的统计分析和导入接口。所有变更均记录在相应用户的审计追踪中，并标记为“MCP”。
• 可自动化的实验室流程： 人工智能代理可协助或自动执行重复查询和明确定义的工作步骤。
• 灵活选择模型： MCP 连接可配合多种兼容的人工智能应用和模型使用。

什么是 MCP？

模型上下文协议，简称 MCP，是用于连接人工智能应用与外部数据源及功能的开放标准。

简单来说，MCP 是人工智能与 LDB 之间的共同语言。人工智能可以识别有哪些已授权的工具、使用这些工具需要哪些信息，以及结果以何种结构返回。

在 LDB 中，可将统计分析作为只读 MCP 工具，将导入接口作为写入 MCP 工具。因此，人工智能通过明确定义的接口工作，而非直接、无限制地访问数据库。

MCP 本身不是人工智能模型。 它将 ChatGPT、Claude 等人工智能应用连接至您为此授权的 LDB 功能和数据。

示例：语音控制采样

饮用水采样时，必须在现场记录采样点、时间、温度、pH 值及其他观察结果。结合支持 MCP 的人工智能语音应用，可以免手动完成这些记录。

例如，采样人员可通过适当配置的 ChatGPT 语音模式口述数据：

“在厨房采样点创建饮用水样品。温度 12.4 度，pH 值 7.3。气味和外观均无异常。”

人工智能整理这些信息，并通过获准使用的 MCP 导入接口提交给 LDB。LDB 随即创建样品，并返回包含样品编号的状态消息。人工智能语音助手播报状态和样品编号，方便采样人员标记样品瓶。

采样后，人工智能助手还可执行其他工作步骤：

• 针对发现的不符合项或必要的复查创建任务
• 查询下次计划安排的信息
• 显示下一个采样点及预定检测范围
• 识别缺失信息并有针对性地追问
• 简要汇总已完成的采样工作

这样，采样人员可以专注于采样点，并腾出双手进行实际采样。

控制与安全

MCP 并不意味着外部人工智能会自动获得 LDB 全部数据的访问权。每项统计分析和每个导入接口都必须明确授权给对应用户，并允许用于 MCP。

对于敏感操作或写入操作，应让所使用的人工智能代理在执行前请求确认；这一要求可通过相应的 MCP 描述进行设置。