规范

Model Context Protocol (MCP) 是一项开放协议， 使 LLM 应用能够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 与其所需的上下文连接起来。 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” 只有在像这里一样以全大写形式出现时，才应按照 BCP 14 [RFC2119] [RFC8174] 中的说明解释。

​

概览

MCP 为应用提供标准化方式，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：

• 宿主：发起连接的 LLM 应用
• 客户端：宿主应用中的连接器
• 服务器：提供上下文和能力的服务

MCP 从 Language Server Protocol 获得了一些灵感；后者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
• 无状态、自包含的请求
• 按请求进行能力协商

​

特性

服务器向客户端提供以下任意特性：

• 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特性：

• 引出：由服务器发起、向用户请求额外信息的请求

​

附加工具

• 配置
• 进度跟踪
• 取消
• 错误报告

​

扩展

除核心协议外，MCP 还定义了可选的扩展，用于添加模块化、 专门化或实验性功能。扩展始终是选择加入的，并且需要客户端和服务器双方明确支持， 在初始化期间协商。值得注意的扩展包括：

• 任务：长时间运行操作的异步执行，支持轮询、 执行中的输入以及持久句柄
• 基于 MCP 的技能：面向智能体工作流的丰富、 结构化指令，通过 MCP 发现和使用
• MCP 应用：在对话中内联渲染的交互式 UI 元素（图表、 表单、视频播放器）

​

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能力。伴随这些能力而来的， 是所有实现者都必须谨慎处理的重要安全与信任考量。

​

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
   • 实现者应该提供清晰的 UI，用于审查和授权活动
2. 数据隐私
   • 宿主在向服务器暴露用户数据之前必须获得用户的明确同意
   • 未经用户同意，宿主不得将资源数据传输到其他地方
   • 用户数据应该受到适当访问控制的保护
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，除非来自可信服务器，否则工具行为描述（例如注解）应被视为不可信。
   • 宿主在调用任何工具之前必须获得用户的明确同意
   • 用户在授权使用工具之前应该理解每个工具的作用

​

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. 在其应用中构建稳健的同意与授权流程
2. 提供关于安全影响的清晰文档
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

浏览各协议组件的详细规范：