Skip to main content
模型上下文协议 (MCP) 提供了一种标准化方式，允许服务器通过客户端请求语言模型的采样（“补全”或“生成”）。此流程允许客户端保持对模型访问、选择和权限的控制，同时使服务器能够利用 AI 能力——无需服务器 API 密钥。服务器可以请求文本、音频或基于图像的交互，并可选择在其提示中包含来自 MCP 服务器的上下文。

​
用户交互模型

MCP 中的采样允许服务器实现代理行为，通过使 LLM 调用能够 嵌套 发生在其他 MCP 服务器功能内部。 实现可以自由地通过任何适合其需求的接口模式来暴露采样——协议本身不强制任何特定的用户交互模型。
为了信任、安全和安保，应该始终有人类在环中，并拥有拒绝采样请求的能力。应用程序 应该：
  • 提供易于直观审查采样请求的 UI
  • 允许用户在发送前查看和编辑提示
  • 在交付前展示生成的响应以供审查

​
能力

支持采样的客户端 必须 在 初始化 期间声明 sampling 能力： 
{
  "capabilities": {
    "sampling": {}
  }
}

​
协议消息

​
创建消息

要请求语言模型生成，服务器发送一个 sampling/createMessage 请求： 请求： 
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "sampling/createMessage",
  "params": {
    "messages": [
      {
        "role": "user",
        "content": {
          "type": "text",
          "text": "What is the capital of France?"
        }
      }
    ],
    "modelPreferences": {
      "hints": [
        {
          "name": "claude-3-sonnet"
        }
      ],
      "intelligencePriority": 0.8,
      "speedPriority": 0.5
    },
    "systemPrompt": "You are a helpful assistant.",
    "maxTokens": 100
  }
}
响应： 
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "role": "assistant",
    "content": {
      "type": "text",
      "text": "The capital of France is Paris."
    },
    "model": "claude-3-sonnet-20240307",
    "stopReason": "endTurn"
  }
}

​
消息流程

​
数据类型

​
消息

采样消息可以包含：

​
文本内容

{
  "type": "text",
  "text": "The message content"
}

​
图像内容

{
  "type": "image",
  "data": "base64-encoded-image-data",
  "mimeType": "image/jpeg"
}

​
音频内容

{
  "type": "audio",
  "data": "base64-encoded-audio-data",
  "mimeType": "audio/wav"
}

​
模型偏好

MCP 中的模型选择需要仔细抽象，因为服务器和客户端可能使用具有不同模型产品的不同 AI 提供商。服务器不能简单地按名称请求特定模型，因为客户端可能无法访问该确切模型，或者可能更喜欢使用不同提供商的等效模型。 为了解决这个问题，MCP 实现了一个偏好系统，结合了抽象能力优先级和可选模型提示：

​
能力优先级

服务器通过三个归一化的优先级值 (0-1) 表达其需求：
  • costPriority：最小化成本有多重要？较高的值偏好更便宜的模型。
  • speedPriority：低延迟有多重要？较高的值偏好更快的模型。
  • intelligencePriority：高级能力有多重要？较高的值偏好能力更强的模型。

​
模型提示

虽然优先级有助于根据特征选择模型，但 hints 允许服务器建议特定模型或模型系列：
  • 提示被视为子字符串，可以灵活匹配模型名称
  • 多个提示按偏好顺序评估
  • 客户端 可以 将提示映射到不同提供商的等效模型
  • 提示是建议性的——客户端进行最终模型选择
例如： 
{
  "hints": [
    { "name": "claude-3-sonnet" }, // 偏好 Sonnet 类别模型
    { "name": "claude" } // 回退到任何 Claude 模型
  ],
  "costPriority": 0.3, // 成本不太重要
  "speedPriority": 0.8, // 速度非常重要
  "intelligencePriority": 0.5 // 中等能力需求
}
客户端处理这些偏好以从其可用选项中选择合适的模型。例如，如果客户端无法访问 Claude 模型但有 Gemini，它可能会基于相似的能力将 sonnet 提示映射到 gemini-1.5-pro。

​
错误处理

客户端 应该 为常见失败情况返回错误： 错误示例： 
{
  "jsonrpc": "2.0",
  "id": 1,
  "error": {
    "code": -1,
    "message": "User rejected sampling request"
  }
}

​
安全考量

  1. 客户端 应该 实现用户审批控制
  2. 双方 应该 验证消息内容
  3. 客户端 应该 尊重模型偏好提示
  4. 客户端 应该 实现速率限制
  5. 双方 必须 妥善处理敏感数据