规范

​

概述

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

• 宿主：发起连接的 LLM 应用
• 客户端：宿主应用内的连接器
• 服务器：提供上下文和服务的服务

​

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

• 资源：供用户或 AI 模型使用的上下文和数据
• 提示词：供用户使用的模板化消息和工作流
• 工具：供 AI 模型执行的函数

• 采样：服务器发起的智能体行为和递归 LLM 交互

​

附加实用工具

• 配置
• 进度跟踪
• 取消
• 错误报告
• 日志记录

​

安全与信任及安全

​

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采取哪些操作的控制权
   • 实现者应提供清晰的 UI 用于审查和授权活动
2. 数据隐私
   • 宿主在向服务器暴露用户数据之前必须获得明确的用户同意
   • 宿主未经用户同意不得将资源数据传输到其他地方
   • 用户数据应受到适当的访问控制保护
3. 工具安全
   • 工具代表任意代码执行，必须予以适当的 谨慎对待。
     • 特别是，工具行为的描述（如注解）应被视为 不可信，除非来自受信任的服务器。
   • 宿主在调用任何工具之前必须获得明确的用户同意
   • 用户在授权使用工具之前应了解每个工具的作用
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：
     • 是否发生采样
     • 将发送的实际提示词
     • 服务器可以看到哪些结果
   • 协议有意限制服务器对提示词的可见性

​

实施指南

1. 在其应用中构建稳健的同意和授权流程
2. 提供有关安全影响的清晰文档
3. 实施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. 在其功能设计中考虑隐私影响

​

了解更多