自动补全

模型上下文协议（MCP）为服务器提供了一种标准化的方式，为提示和资源 URI 提供参数自动补全建议。这使得用户在输入参数值时能够获得类似 IDE 的丰富上下文建议体验。

​

用户交互模型

MCP 中的自动补全旨在支持类似 IDE 代码补全的交互式用户体验。

例如，应用程序可以在用户输入时通过下拉菜单或弹出窗口显示补全建议，并支持过滤和选择可用选项。

然而，实现可以自由选择适合其需求的任何界面模式来暴露自动补全——协议本身不强制要求特定的用户交互模型。

​

协议消息

​

请求补全

要获取补全建议，客户端发送 completion/complete 请求，通过引用类型指定正在补全的内容：

请求：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "completion/complete",
  "params": {
    "ref": {
      "type": "ref/prompt",
      "name": "code_review"
    },
    "argument": {
      "name": "language",
      "value": "py"
    }
  }
}

响应：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "completion": {
      "values": ["python", "pytorch", "pyside"],
      "total": 10,
      "hasMore": true
    }
  }
}

​

引用类型

协议支持两种补全引用类型：

​

补全结果

服务器返回按相关性排序的补全值数组，包含：

• 每响应最多 100 项
• 可选的可用匹配总数
• 指示是否存在额外结果的布尔值

​

消息流程

​

数据类型

​

补全请求

• ref：PromptReference 或 ResourceReference
• argument：包含以下内容的对象：
  • name：参数名称
  • value：当前值

​

补全结果

• completion：包含以下内容的对象：
  • values：建议数组（最多 100 项）
  • total：可选的匹配总数
  • hasMore：额外结果标志

​

实现注意事项

1. 服务器 应该：

   • 按相关性排序返回建议
   • 在适当情况下实现模糊匹配
   • 对补全请求进行速率限制
   • 验证所有输入

2. 客户端 应该：

   • 防抖快速补全请求
   • 在适当情况下缓存补全结果
   • 优雅处理缺失或部分结果

​

安全

实现 必须：

• 验证所有补全输入
• 实施适当的速率限制
• 控制对敏感建议的访问
• 防止基于补全的信息泄露