规范

模型上下文协议（Model Context Protocol，简称 MCP）是一个开放协议，用于实现 LLM 应用与外部数据源和工具之间的无缝集成。无论您正在构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化的方式来连接 LLM 及其所需的上下文。

本规范基于 schema.ts 中的 TypeScript schema 定义了权威的协议要求。

有关实施指南和示例，请访问 modelcontextprotocol.io。

本文档中的关键词 “MUST”、“MUST NOT”、“REQUIRED”、“SHALL”、“SHALL NOT”、“SHOULD”、“SHOULD NOT”、“RECOMMENDED”、“NOT RECOMMENDED”、“MAY” 和 “OPTIONAL” 应按照 BCP 14 [RFC2119] [RFC8174] 中的描述进行解释，且仅当它们以全部大写形式出现时才适用，如此处所示。

概述

MCP 为应用程序提供了一种标准化的方式来：

• 与语言模型共享上下文信息
• 向 AI 系统暴露工具和能力
• 构建可组合的集成和工作流

该协议使用 JSON-RPC 2.0 消息在以下各方之间建立通信：

• 主机（Hosts）：发起连接的 LLM 应用程序
• 客户端（Clients）：主机应用程序中的连接器
• 服务器（Servers）：提供上下文和能力的服务

MCP 从语言服务器协议中获得了一些灵感，后者标准化了如何在整个开发生态系统的工具中添加对编程语言的支持。类似地，MCP 标准化了如何将额外的上下文和工具集成到 AI 应用程序的生态系统中。

核心细节

基础协议

• JSON-RPC 消息格式
• 有状态连接
• 服务器和客户端能力协商

功能特性

服务器可以向客户端提供以下任何功能：

• 资源（Resources）：供用户或 AI 模型使用的上下文和数据
• 提示（Prompts）：面向用户的模板化消息和工作流
• 工具（Tools）：供 AI 模型执行的函数

客户端可以向服务器提供以下功能：

• 采样（Sampling）：服务器发起的代理行为和递归 LLM 交互
• 根（Roots）：服务器发起的对 URI 或文件系统边界的查询，以确定操作范围
• 信息获取（Elicitation）：服务器发起的从用户处获取额外信息的请求

附加工具

• 配置
• 进度跟踪
• 取消操作
• 错误报告
• 日志记录

安全与信任

模型上下文协议通过任意数据访问和代码执行路径实现了强大的功能。伴随着这种强大能力，所有实现者都必须仔细解决重要的安全和信任问题。

核心原则

1. 用户同意与控制

   • 用户必须明确同意并理解所有数据访问和操作
   • 用户必须保留对共享哪些数据以及执行哪些操作的控制权
   • 实现者应提供清晰的 UI 来审查和授权活动

2. 数据隐私

   • 主机必须在向服务器暴露用户数据之前获得明确的用户同意
   • 主机不得在未经用户同意的情况下将资源数据传输到其他地方
   • 用户数据应通过适当的访问控制进行保护

3. 工具安全

   • 工具代表任意代码执行，必须给予适当的谨慎对待。
     • 特别是，工具行为的描述（如注释）应被视为不受信任的，除非来自可信服务器。
   • 主机必须在调用任何工具之前获得明确的用户同意
   • 用户应在授权使用之前了解每个工具的作用

4. LLM 采样控制

   • 用户必须明确批准任何 LLM 采样请求
   • 用户应控制：
     • 是否进行采样
     • 将发送的实际提示内容
     • 服务器可以看到什么结果
   • 该协议有意限制服务器对提示的可见性

实施指南

虽然 MCP 本身无法在协议层面强制执行这些安全原则，但实现者应该：

1. 在其应用程序中构建健全的同意和授权流程
2. 提供有关安全影响的清晰文档
3. 实施适当的访问控制和数据保护
4. 在其集成中遵循安全最佳实践
5. 在其功能设计中考虑隐私影响

了解更多

探索每个协议组件的详细规范：