> ## Documentation Index
> Fetch the complete documentation index at: https://mcp.zhcndoc.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 规范

<div id="enable-section-numbers" />

[Model Context Protocol](https://modelcontextprotocol.io) (MCP) 是一个开放协议，
能够实现 LLM 应用程序与外部数据源及
工具之间的无缝集成。无论您是在构建 AI 驱动的 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 LLM 与其所需的上下文
连接起来。

本规范定义了权威的协议要求，基于
[schema.ts](https://github.com/modelcontextprotocol/specification/blob/main/schema/2025-06-18/schema.ts) 中的
TypeScript 模式。

有关实现指南和示例，请访问
[modelcontextprotocol.io](https://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](https://datatracker.ietf.org/doc/html/bcp14)
\[[RFC2119](https://datatracker.ietf.org/doc/html/rfc2119)]
\[[RFC8174](https://datatracker.ietf.org/doc/html/rfc8174)] 中的描述进行解释，当且仅当
它们像此处所示那样全部大写出现时。

## 概述

MCP 为应用程序提供了一种标准化的方式来：

* 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

该协议使用 [JSON-RPC](https://www.jsonrpc.org/) 2.0 消息来建立
以下各方之间的通信：

* **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

MCP 从
[Language Server Protocol](https://microsoft.github.io/language-server-protocol/) 获得了一些灵感，该协议
标准化了如何在整个开发工具生态系统中添加对编程语言的支持。类似地，MCP 标准化了如何将额外的上下文
和工具集成到 AI 应用程序生态系统中。

## 关键细节

### 基础协议

* [JSON-RPC](https://www.jsonrpc.org/) 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任何功能：

* **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

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 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

Model Context Protocol 通过任意数据访问
和代码执行路径实现了强大的功能。伴随着这种能力而来的是重要的安全和信任
考量，所有实现者都必须仔细解决。

### 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

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 **SHOULD**：

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

探索每个协议组件的详细规范：

<CardGroup cols={5}>
  <Card title="架构" icon="sitemap" href="/specification/2025-06-18/architecture" />

  <Card title="基础协议" icon="code" href="/specification/2025-06-18/basic" />

  <Card title="服务器功能" icon="server" href="/specification/2025-06-18/server" />

  <Card title="客户端功能" icon="user" href="/specification/2025-06-18/client" />

  <Card title="贡献" icon="pencil" href="/community/contributing" />
</CardGroup>