Skip to main content
协议版本: 2025-03-26
模型上下文协议(MCP)为服务器通过客户端请求语言模型的采样(“补全”或“生成”)提供了一种标准化的方式。该流程允许客户端保持对模型访问、选择和权限的控制,同时使服务器能够利用AI能力——无需服务器API密钥。 服务器可以请求文本、音频或图像交互,并可选择性地在其提示中包含来自MCP服务器的上下文。

用户交互模型

MCP中的采样允许服务器实现代理行为,通过在其他MCP服务器功能内部嵌套LLM调用。 实现可以自由地通过任何适合其需求的接口模式暴露采样功能——协议本身不规定任何特定的用户交互模型。
出于信任与安全以及安全性的考虑,必须始终有能够拒绝采样请求的人参与其中。应用程序应该
  • 提供易于直观地审查采样请求的UI
  • 允许用户在发送前查看和编辑提示
  • 在交付前展示生成的响应以供审查

功能

支持采样的客户端必须初始化期间声明sampling功能:

协议消息

创建消息

要请求语言模型生成,服务器发送一个sampling/createMessage请求: 请求:
响应:

消息流程

数据类型

消息

采样消息可以包含以下内容:

文本内容

图像内容

音频内容

模型偏好

由于服务器和客户端可能使用不同AI提供商的不同模型,因此MCP中的模型选择需要仔细抽象。服务器不能简单地通过名称请求特定模型,因为客户端可能无法访问该模型,或者可能更倾向于使用其他提供商的等效模型。 为了解决这个问题,MCP实现了一个偏好系统,将抽象能力优先级与可选模型提示相结合:

能力优先级

服务器通过三个标准化的优先级值(0-1)表达其需求:
  • costPriority:成本最小化有多重要?更高的值表示更倾向于低成本模型。
  • speedPriority:低延迟有多重要?更高的值表示更倾向于高速模型。
  • intelligencePriority:高级功能有多重要?更高的值表示更倾向于功能强大的模型。

模型提示

虽然优先级有助于根据特征选择模型,但hints允许服务器建议特定模型或模型系列:
  • 提示被视为可以灵活匹配模型名称的子字符串
  • 多个提示按偏好顺序进行评估
  • 客户端可以将提示映射到不同提供商的等效模型
  • 提示是建议性的——客户端做出最终模型选择
例如:
客户端处理这些偏好以从其可用选项中选择合适的模型。例如,如果客户端无法访问Claude模型但有Gemini,它可以根据相似功能将sonnet提示映射到gemini-1.5-pro

错误处理

客户端应该为常见失败情况返回错误: 示例错误:

安全考虑

  1. 客户端应该实施用户批准控制
  2. 双方应该验证消息内容
  3. 客户端应该尊重模型偏好提示
  4. 客户端应该实施速率限制
  5. 双方必须妥善处理敏感数据