架构概览

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2025-06-18",
    "capabilities": {
      "elicitation": {}
    },
    "clientInfo": {
      "name": "example-client",
      "version": "1.0.0"
    }
  }
}

​

理解初始化交换

1. 协议版本协商：protocolVersion 字段（例如 “2025-06-18”）确保客户端和服务器使用兼容的协议版本。这防止了不同版本尝试交互时可能发生的通信错误。如果未协商出相互兼容的版本，则应终止连接。
2. 能力发现：capabilities 对象允许各方声明他们支持的功能，包括他们可以处理哪些 原语（工具、资源、提示）以及他们是否支持 通知 等功能。这通过避免不支持的操作来实现高效通信。
3. 身份交换：clientInfo 和 serverInfo 对象提供用于调试和兼容性的标识和版本信息。

• "elicitation": {} - 客户端声明它可以处理用户交互请求（可以接收 elicitation/create 方法调用）

• "tools": {"listChanged": true} - 服务器支持工具原语，并且可以在其工具列表更改时发送 tools/list_changed 通知
• "resources": {} - 服务器还支持资源原语（可以处理 resources/list 和 resources/read 方法）

{
  "jsonrpc": "2.0",
  "method": "notifications/initialized"
}

​

这在 AI 应用中如何工作

# 伪代码
async with stdio_client(server_config) as (read, write):
    async with ClientSession(read, write) as session:
        init_response = await session.initialize()
        if init_response.capabilities.tools:
            app.register_mcp_server(session, supports_tools=True)
        app.set_server_ready(session)

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/list"
}

​

理解工具发现请求

​

理解工具发现响应

• name：服务器命名空间内工具的唯一标识符。这作为工具执行的主键，应遵循清晰的命名模式（例如 calculator_arithmetic 而不仅仅是 calculate）
• title：客户端可以向用户显示的工具的人类可读显示名称
• description：关于工具做什么以及何时使用的详细说明
• inputSchema：定义预期输入参数的 JSON Schema，启用类型验证并提供有关必需和可选参数的清晰文档

​

这在 AI 应用中如何工作

# 使用 MCP Python SDK 模式的伪代码
available_tools = []
for session in app.mcp_server_sessions():
    tools_response = await session.list_tools()
    available_tools.extend(tools_response.tools)
conversation.register_available_tools(available_tools)

​

理解工具执行请求

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "weather_current",
    "arguments": {
      "location": "San Francisco",
      "units": "imperial"
    }
  }
}

​

工具执行的关键要素

1. name：必须与发现响应中的工具名称完全匹配（weather_current）。这确保服务器可以正确识别要执行哪个工具。
2. arguments：包含由工具的 inputSchema 定义的输入参数。在此示例中：
   • location: “San Francisco”（必需参数）
   • units: “imperial”（可选参数，如果未指定则默认为 “metric”）
3. JSON-RPC 结构：使用标准的 JSON-RPC 2.0 格式，带有唯一的 id 用于请求 - 响应关联。

​

理解工具执行响应

1. content 数组：工具响应返回内容对象数组，允许丰富的多格式响应（文本、图像、资源等）
2. 内容类型：每个内容对象都有一个 type 字段。在此示例中，"type": "text" 表示纯文本内容，但 MCP 支持各种用例的各种内容类型。
3. 结构化输出：响应提供可操作的信息，AI 应用可将其用作语言模型交互的上下文。

​

这在 AI 应用中如何工作

# AI 应用工具执行的伪代码
async def handle_tool_call(conversation, tool_name, arguments):
    session = app.find_mcp_session_for_tool(tool_name)
    result = await session.call_tool(tool_name, arguments)
    conversation.add_tool_result(result.content)

​

理解工具列表变更通知

{
  "jsonrpc": "2.0",
  "method": "notifications/tools/list_changed"
}

​

MCP 通知的关键特性

1. 无需响应：注意通知中没有 id 字段。这遵循 JSON-RPC 2.0 通知语义，其中不期望或发送响应。
2. 基于能力：此通知仅由在初始化期间在其工具能力中声明 "listChanged": true 的服务器发送（如步骤 1 所示）。
3. 事件驱动：服务器根据内部状态变化决定何时发送通知，使 MCP 连接具有动态性和响应性。

​

客户端对通知的响应

{
  "jsonrpc": "2.0",
  "id": 4,
  "method": "tools/list"
}

​

为什么通知很重要

1. 动态环境：工具可能会根据服务器状态、外部依赖或用户权限而出现或消失
2. 效率：客户端无需轮询更改；它们在更新发生时收到通知
3. 一致性：确保客户端始终拥有有关可用服务器能力的准确信息
4. 实时协作：启用可适应变化上下文的响应式 AI 应用

​

这在 AI 应用中如何工作

# AI 应用通知处理的伪代码
async def handle_tools_changed_notification(session):
    tools_response = await session.list_tools()
    app.update_available_tools(session, tools_response.tools)
    if app.conversation.is_active():
        app.conversation.notify_llm_of_new_capabilities()