Skip to main content
协议修订版本: 草案
模型上下文协议(MCP)为服务器通过客户端向语言模型请求大语言模型(LLM)采样(“补全”或“生成”)提供了一种标准化方式。这种流程允许客户端控制模型访问、选择和权限,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界面模式来暴露采样功能——协议本身不规定任何特定的用户交互模型。
出于信任与安全及安全性的考虑,必须始终有能够拒绝采样请求的人类参与。应用
  • 提供易于审查采样请求的用户界面
  • 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

能力

支持采样的客户端必须初始化期间声明sampling能力:

协议消息

创建消息

要请求语言模型生成内容,服务器发送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:

文本内容

图像内容

音频内容

模型偏好

在MCP中,模型选择需要仔细抽象,因为服务器和客户端可能使用具有不同模型提供的不同AI供应商。服务器不能简单地按名称请求特定模型,因为客户端可能无法访问该确切模型,或者可能更愿意使用其他供应商的等效模型。 为了解决这个问题,MCP实现了一个结合抽象能力优先级和可选模型提示的偏好系统:

能力优先级

服务器通过三个标准化优先级值(0-1)表达其需求:
  • costPriority:成本最小化有多重要?较高值倾向于更便宜的模型。
  • speedPriority:低延迟有多重要?较高值倾向于更快的模型。
  • intelligencePriority:高级功能有多重要?较高值倾向于更有能力的模型。

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评估
  • 客户端可以将提示映射到不同供应商的等效模型
  • 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适当的模型。例如,如果客户端无法访问Claude模型但有Gemini,则可能根据类似能力将sonnet提示映射到gemini-1.5-pro

错误处理

客户端为常见失败情况返回错误: 示例错误:

安全考虑

  1. 客户端实施用户审批控制
  2. 双方验证消息内容
  3. 客户端尊重模型偏好提示
  4. 客户端实施速率限制
  5. 双方必须妥善处理敏感数据