规范

模型上下文协议（MCP）是一个开放协议， 支持大语言模型（LLM）应用与外部数据源和工具的无缝集成。无论您是构建 AI 驱动的集成开发环境（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，将大语言模型与所需的上下文连接起来。

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

有关实现指南和示例，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”应按照 BCP 14 [RFC2119] [RFC8174] 的描述进行解释，且仅当它们以全大写形式出现时适用，如本文所示。

​

概述

MCP 为应用程序提供了一种标准化的方式，以便：

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

该协议使用 JSON-RPC 2.0 消息格式在以下组件之间建立通信：

• 主机：发起连接的大语言模型应用
• 客户端：主机应用内的连接器
• 服务器：提供上下文和功能的服务

MCP 受到 语言服务器协议 的启发，该协议标准化了在整个开发工具生态系统中添加编程语言支持的方式。类似地，MCP 标准化了如何将额外的上下文和工具集成到 AI 应用生态系统中。

​

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功能之一或全部：

• 资源：供用户或 AI 模型使用的上下文和数据
• 提示：为用户提供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：服务器发起的代理行为和递归大语言模型交互

​

附加工具

• 配置
• 进度跟踪
• 取消操作
• 错误报告
• 日志记录

​

安全与信任和安全

模型上下文协议通过任意数据访问和代码执行路径启用了强大的功能。这种强大的能力带来了重要的安全性和信任考虑，所有实现者必须认真对待。

​

核心原则

1. 用户同意和控制

   • 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数据和执行操作的控制权
   • 实现者应提供清晰的用户界面，用于审查和授权活动

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
   • 未经用户同意，主机不得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，必须谨慎对待。
     • 特别是，工具行为的描述（如注释）应视为不可信，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
   • 用户应在授权使用工具之前了解每个工具的功能

4. 大语言模型采样控制

   • 用户必须明确批准任何大语言模型采样请求
   • 用户应控制：
     • 是否进行采样
     • 将发送的实际提示
     • 服务器可以看到的结果
   • 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强大的同意和授权流程
2. 提供有关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. 在其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

探索每个协议组件的详细规范：