规范

​

概述

• 与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

• 主机：发起连接的 LLM 应用程序
• 客户端：主机应用程序内的连接器
• 服务器：提供上下文和能力的服务

​

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：服务器发起的代理行为和递归 LLM 交互
• 根目录：服务器发起的关于操作范围内的 uri 或文件系统边界的查询
• 信息请求：服务器发起的向用户请求额外信息

​

附加实用程序

• 配置
• 进度跟踪
• 取消
• 错误报告
• 日志记录

​

安全性与信任及安全

​

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
   • 主机在将用户数据暴露给服务器之前必须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（如注释）应被视为不可信，除非来自受信任的服务器。
   • 主机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
     • 服务器可以看到什么结果
   • 该协议 intentionally 限制服务器对提示词的可见性

​

实施指南

1. 在其应用程序中构建健壮的同意和授权流程
2. 提供清晰的安全影响文档
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