理解 MCP 服务器

MCP server 是通过标准化协议接口向 AI 应用暴露特定能力的程序。常见例子包括用于访问文档的文件系统服务器、用于查询数据的数据库服务器、用于代码管理的 GitHub 服务器、用于团队沟通的 Slack 服务器，以及用于日程安排的日历服务器。

核心服务器能力

服务器通过三个构建块提供功能：

能力	说明	示例	由谁控制
Tools	LLM 可以主动调用的函数，并根据用户请求决定何时使用。Tool 可以写入数据库、调用外部 API、修改文件或触发其他逻辑。	搜索航班发送消息创建日历事件	模型
Resources	被动数据源，为上下文提供只读信息访问，例如文件内容、数据库 schema 或 API 文档。	检索文档访问知识库读取日历	应用
Prompts	预构建的指令模板，用来告诉模型如何配合特定 tools 和 resources 工作。	规划假期总结会议起草邮件	用户

下面使用一个假设场景说明这些能力各自的作用，以及它们如何协同工作。

Tools

Tools 让 AI 模型能够执行动作。每个 tool 都定义一个具体操作，并带有类型化输入和输出。模型会根据上下文请求执行 tool。

Tools 如何工作

Tools 是由 schema 定义、可供 LLM 调用的接口。MCP 使用 JSON Schema 进行校验。每个 tool 执行一个单一操作，并具有清晰定义的输入和输出。Tool 执行前可能需要用户同意，这有助于确保用户仍然控制模型采取的动作。 协议操作：

方法	用途	返回值
`tools/list`	发现可用工具	带 schema 的工具定义数组
`tools/call`	执行特定工具	工具执行结果

工具定义示例：

{
  name: "searchFlights",
  description: "Search for available flights",
  inputSchema: {
    type: "object",
    properties: {
      origin: { type: "string", description: "Departure city" },
      destination: { type: "string", description: "Arrival city" },
      date: { type: "string", format: "date", description: "Travel date" }
    },
    required: ["origin", "destination", "date"]
  }
}

示例：旅行预订

Tools 让 AI 应用能够代表用户执行动作。在旅行规划场景中，AI 应用可能使用多个 tools 来帮助预订假期： 航班搜索

searchFlights(origin: "NYC", destination: "Barcelona", date: "2024-06-15")

查询多家航空公司并返回结构化航班选项。 日历占用

createCalendarEvent(title: "Barcelona Trip", startDate: "2024-06-15", endDate: "2024-06-22")

在用户日历中标记旅行日期。 邮件通知

sendEmail(to: "team@work.com", subject: "Out of Office", body: "...")

向同事发送自动外出通知。

用户交互模型

Tools 由模型控制，这意味着 AI 模型可以自动发现并调用它们。不过，MCP 通过多种机制强调人工监督。出于信任和安全考虑，应用可以通过多种机制实现用户控制，例如：

在 UI 中展示可用 tools，让用户定义某个 tool 是否应在特定交互中可用。
针对单次 tool 执行显示审批对话框。
针对某些安全操作设置预批准权限。
活动日志展示所有 tool 执行及其结果。

Resources

Resources 为信息提供结构化访问，AI 应用可以检索这些信息并作为上下文提供给模型。

Resources 如何工作

Resources 暴露来自文件、API、数据库或任何其他来源的数据，供 AI 理解上下文。应用可以直接访问这些信息，并决定如何使用它们，例如选择相关片段、使用 embeddings 搜索，或将全部数据传给模型。每个 resource 都有唯一 URI（例如 file:///path/to/document.md），并声明其 MIME type，以便进行适当的内容处理。 Resources 支持两种发现模式：

Direct Resources - 指向特定数据的固定 URI。示例：calendar://events/2024 - 返回 2024 年的日历可用性。
Resource Templates - 带参数的动态 URI，用于灵活查询。示例：
- travel://activities/{city}/{category} - 按城市和类别返回活动。
- travel://activities/barcelona/museums - 返回巴塞罗那的所有博物馆。

Resource Templates 包含 title、description 和预期 MIME type 等元数据，使其可发现且具备自描述性。 协议操作：

方法	用途	返回值
`resources/list`	列出可用 direct resources	resource 描述符数组
`resources/templates/list`	发现 resource templates	resource template 定义数组
`resources/read`	检索 resource 内容	带元数据的 resource 数据
`resources/subscribe`	监控 resource 变化	订阅确认

示例：获取旅行规划上下文

继续旅行规划示例，resources 为 AI 应用提供对相关信息的访问：

日历数据（calendar://events/2024）- 检查用户是否有空。
旅行文档（file:///Documents/Travel/passport.pdf）- 访问重要文档。
历史行程（trips://history/barcelona-2023）- 参考过去的旅行和偏好。

AI 应用会检索这些 resources，并决定如何处理它们：可以使用 embeddings 或关键词搜索选择部分数据，也可以将原始数据直接传给模型。在这个例子中，应用会向模型提供日历数据、天气信息和旅行偏好，使其能够检查可用日期、查询天气模式，并参考过去的旅行偏好。 Resource Template 示例：

{
  "uriTemplate": "weather://forecast/{city}/{date}",
  "name": "weather-forecast",
  "title": "Weather Forecast",
  "description": "Get weather forecast for any city and date",
  "mimeType": "application/json"
}

{
  "uriTemplate": "travel://flights/{origin}/{destination}",
  "name": "flight-search",
  "title": "Flight Search",
  "description": "Search available flights between cities",
  "mimeType": "application/json"
}

这些 templates 支持灵活查询。对于天气数据，用户可以访问任意城市/日期组合的预报。对于航班，用户可以搜索任意两个机场之间的路线。当用户把 origin 机场输入为 "NYC"，并开始在 destination 机场输入 "Bar" 时，系统可以建议 "Barcelona (BCN)" 或 "Barbados (BGI)"。

参数补全

动态 resources 支持参数补全。例如：

为 weather://forecast/{city} 输入 "Par" 时，可能建议 "Paris" 或 "Park City"。
为 flights://search/{airport} 输入 "JFK" 时，可能建议 "JFK - John F. Kennedy International"。

系统可以帮助发现有效值，而不要求用户知道精确格式。

用户交互模型

Resources 由应用驱动，因此应用在检索、处理和展示可用上下文时有很高灵活性。常见交互模式包括：

使用树形或列表视图，以类似文件夹的结构浏览 resources。
使用搜索和过滤界面查找特定 resources。
基于启发式规则或 AI 选择自动包含上下文，或提供智能建议。
使用手动或批量选择界面包含一个或多个 resources。

应用可以自由选择适合自身需求的界面模式来实现 resource 发现。协议不强制特定 UI 模式，因此可以实现带预览能力的 resource 选择器、基于当前对话上下文的智能建议、用于包含多个 resources 的批量选择，或与现有文件浏览器和数据浏览器集成。

Prompts

Prompts 提供可复用模板。它们允许 MCP server 作者为某个领域提供参数化 prompt，或展示如何最好地使用这个 MCP server。

Prompts 如何工作

Prompts 是结构化模板，用来定义预期输入和交互模式。它们由用户控制，需要显式调用，而不是自动触发。Prompts 可以感知上下文，引用可用 resources 和 tools 来创建完整工作流。与 resources 类似，prompts 支持参数补全，帮助用户发现有效参数值。 协议操作：

方法	用途	返回值
`prompts/list`	发现可用 prompts	prompt 描述符数组
`prompts/get`	检索 prompt 详情	带参数的完整 prompt 定义

示例：简化工作流

Prompts 为常见任务提供结构化模板。在旅行规划上下文中： “Plan a vacation” prompt：

{
  "name": "plan-vacation",
  "title": "Plan a vacation",
  "description": "Guide through vacation planning process",
  "arguments": [
    { "name": "destination", "type": "string", "required": true },
    { "name": "duration", "type": "number", "description": "days" },
    { "name": "budget", "type": "number", "required": false },
    { "name": "interests", "type": "array", "items": { "type": "string" } }
  ]
}

相比非结构化自然语言输入，prompt 系统支持：

选择 "Plan a vacation" 模板。
输入结构化参数：Barcelona、7 days、$3000、[“beaches”, “architecture”, “food”]。
基于模板一致地执行工作流。

用户交互模型

Prompts 由用户控制，需要显式调用。协议允许实现者自由设计适合自身应用的自然交互界面。关键原则包括：

易于发现可用 prompts。
清晰描述每个 prompt 做什么。
自然地输入参数，并进行校验。
透明展示 prompt 底层模板。

应用通常通过多种 UI 模式暴露 prompts，例如：

Slash commands（输入 "/" 查看 /plan-vacation 等可用 prompts）。
命令面板，支持搜索访问。
针对常用 prompts 的专用 UI 按钮。
根据上下文建议相关 prompts 的菜单。

组合多个服务器

当多个服务器通过统一接口协同工作、组合各自的专门能力时，MCP 的真正价值会体现出来。

示例：多服务器旅行规划

设想一个个性化 AI 旅行规划应用，它连接了三个服务器：

Travel Server - 处理航班、酒店和行程。
Weather Server - 提供气候数据和天气预报。
Calendar/Email Server - 管理日程和沟通。

完整流程

用户使用参数调用 prompt：

{
  "prompt": "plan-vacation",
  "arguments": {
    "destination": "Barcelona",
    "departure_date": "2024-06-15",
    "return_date": "2024-06-22",
    "budget": 3000,
    "travelers": 2
  }
}

用户选择要包含的 resources：
- calendar://my-calendar/June-2024 (from Calendar Server)
- travel://preferences/europe (from Travel Server)
- travel://past-trips/Spain-2023 (from Travel Server)
AI 使用 tools 处理请求： AI 首先读取所有已选择 resources 来收集上下文：从日历中识别可用日期，从旅行偏好中了解首选航空公司和酒店类型，并从历史旅行中发现用户过去喜欢的地点。利用这些上下文，AI 随后执行一系列 tools：
- searchFlights() - 查询从 NYC 到 Barcelona 的航班。
- checkWeather() - 检索旅行日期的天气预报。
然后 AI 使用这些信息创建预订并执行后续步骤，在必要时请求用户批准：
- bookHotel() - 查找指定预算内的酒店。
- createCalendarEvent() - 将行程添加到用户日历。
- sendEmail() - 发送包含行程详情的确认邮件。

结果： 通过多个 MCP server，用户完成了针对自己日程定制的巴塞罗那旅行调研和预订。“Plan a Vacation” prompt 指导 AI 跨不同服务器组合 Resources（日历可用性和旅行历史）与 Tools（搜索航班、预订酒店、更新日历），从而收集上下文并执行预订。原本可能需要数小时的任务，通过 MCP 在几分钟内完成。

开始使用

了解 MCP

使用 MCP 开发

开发者工具

示例

核心服务器能力

Tools

Tools 如何工作

示例：旅行预订

用户交互模型

Resources

Resources 如何工作

示例：获取旅行规划上下文

参数补全

用户交互模型

Prompts

Prompts 如何工作

示例：简化工作流

用户交互模型

组合多个服务器

示例：多服务器旅行规划

完整流程

​核心服务器能力

​Tools

​Tools 如何工作

​示例：旅行预订

​用户交互模型

​Resources

​Resources 如何工作

​示例：获取旅行规划上下文

​参数补全

​用户交互模型

​Prompts

​Prompts 如何工作

​示例：简化工作流

​用户交互模型

​组合多个服务器

​示例：多服务器旅行规划

​完整流程

核心服务器能力

Tools

Tools 如何工作

示例：旅行预订

用户交互模型

Resources

Resources 如何工作

示例：获取旅行规划上下文

参数补全

用户交互模型

Prompts

Prompts 如何工作

示例：简化工作流

用户交互模型

组合多个服务器

示例：多服务器旅行规划

完整流程