规范

Model Context Protocol (MCP) 是一种开放协议，支持 LLM 应用与外部数据源和工具无缝集成。无论你是在构建 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方式，将 LLM 连接到它们所需的上下文。 本规范基于 schema.ts 中的 TypeScript schema，定义权威的协议要求。 如需实现指南和示例，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” 在且仅在以全大写形式出现时，应按 BCP 14 [RFC2119] [RFC8174] 中的说明解释，如此处所示。

​

概览

MCP 为应用提供一种标准化方式，用于：

• 与语言模型共享上下文信息
• 向 AI 系统公开工具和能力
• 构建可组合的集成与工作流

该协议使用 JSON-RPC 2.0 消息在以下实体之间建立通信：

• Host：发起连接的 LLM 应用
• 客户端：Host 应用内的连接器
• 服务器：提供上下文和能力的服务

MCP 从 Language Server Protocol 中汲取了一些灵感。LSP 标准化了如何在整个开发工具生态中添加对编程语言的支持。类似地，MCP 标准化了如何将额外上下文和工具集成到 AI 应用生态中。

​

关键细节

​

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

服务器向客户端提供以下任意功能：

• 资源：供用户或 AI 模型使用的上下文和数据
• 提示：面向用户的模板化消息和工作流
• 工具：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：由服务器发起的代理式行为和递归 LLM 交互
• 根目录：由服务器发起、用于查询可操作 URI 或文件系统边界的请求
• 引出：由服务器发起、向用户请求更多信息的请求

​

其他实用机制

• 配置
• 进度跟踪
• 取消
• 错误报告
• 日志记录

​

安全与信任保障

Model Context Protocol 通过任意数据访问和代码执行路径启用强大的能力。这种能力也带来了重要的安全与信任考量，所有实现者都必须谨慎处理。

​

关键原则

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，用于审查和授权活动
2. 数据隐私
   • Host 在向服务器公开用户数据前必须获得用户明确同意
   • 未经用户同意，Host 不得将资源数据传输到其他位置
   • 应使用适当的访问控制保护用户数据
3. 工具安全
   • 工具代表任意代码执行，必须以适当的谨慎态度对待。
     • 特别是，除非来自受信任服务器，否则工具行为描述（例如 annotations）应视为不可信。
   • Host 在调用任何工具前必须获得用户明确同意
   • 用户在授权使用工具前应理解每个工具的作用
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
     • 实际将发送的提示
     • 服务器可见的结果
   • 协议有意限制服务器对提示的可见性

​

实现指南

虽然 MCP 本身无法在协议层强制执行这些安全原则，但实现者 SHOULD：

1. 在应用中构建稳健的同意与授权流程
2. 提供清晰的安全影响说明文档
3. 实现适当的访问控制和数据保护
4. 在集成中遵循安全最佳实践
5. 在功能设计中考虑隐私影响

​

了解更多

探索各协议组件的详细规范：