虽然不少HR都已经开始运用AI,但大多数HR由于不是技术出身,因此对于AI往往是能知其然但不知其所以然,也就是不了解AI应用实现背后所需要的一些技术、原理以及相关术语。
HR如能了解一些AI原理和术语,就能更好地与技术专家进行进一步的交流与沟通,对于AI应用能逐步做到不仅知其然,还能知其所以然。
这就是我目前在尝试尽量用通俗的语言和示例来进行AI知识小科普的原因。
今天我来用HR能听得懂、尽量通俗的语言来解释:什么是模型上下文协议 MCP(Model Context Protocol)?
你可以把它想成是:
“AI和外部系统之间约定好的一套说话规则”,用来让AI记得前后文、角色、对话状态、流程位置等上下文信息。
用HR场景比喻一下:
想象你是一名HR,现在有个员工来问你:
“我下周能不能请3天假?”
你会不会立刻回答?不会!
你可能会先参考一下:
-
他的请假记录(看他还剩多少年假)
-
下周有没有公司重要活动?
-
他请假对业务影响如何,期间是否有人可以临时接手他的工作?
这些背景信息,对你回答问题非常重要。
同样,对AI来说也一样!
那“模型上下文协议”在AI系统里干嘛用?
当你搭建一个像“员工手册问答机器人”这样的系统时,AI模型自己并不知道是谁在提问、提到什么、是第几轮问答、该不该跳转系统查数据……
这时候,“模型上下文协议”(MCP)就派上用场啦:
它就像是:
?️ 一份 工作记录表 + 用户小档案 + 会话日志,在每一次问答之间帮AI保留这些信息:

举个《员工手册》知识问答的例子:
员工问:
“我想请年假,可以吗?”
没有MCP的AI可能回答:
“请年假可以通过OA系统申请。”
(这是泛泛而谈,没看上下文)
有MCP的AI会先查上下文协议,发现:
-
员工是“李小明”,在“市场部”
-
他年假总额10天,今年已休了8天,还剩2天
-
当前流程还没提交审批表
-
他刚才问过“假期审批的流程是什么?”
于是,AI会回复:
“你今年还有2天年假。如果你下周请3天假,需要先用掉剩余年假2天,剩下1天可以申请事假或调休,由主管审批。可在系统里提交申请,我可以引导你。”
✅ 这就体现了 MCP 的厉害之处!
总结一句话:
模型上下文协议(MCP) 就像给AI配了一本“员工小档案+对话记录”,让它能像一名真正的HR一样,理解背景、连贯对话、针对性回答。
如果你在做员工智能问答系统,想要让AI记住用户、跟踪对话、灵活跳转流程——那就一定要有一个模型上下文协议 MCP(Model Context Protocol)在背后撑着,才会变得 “聪明又可靠”。