规范

模型上下文协议（MCP）是一种开放协议，用于 实现 LLM 应用与外部数据源和工具之间的无缝集成。无论你是在构建 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方式，将 LLM 与它们所需的上下文连接起来。 本规范基于 TypeScript 模式中的 schema.ts，定义了权威的协议要求。 有关实现指南和示例，请访问 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 BCP 14 [RFC2119] [RFC8174] 中的描述进行理解，且仅当它们 以全大写形式出现时，如此处所示。

​

概述

MCP 为应用程序提供了一种标准化方式，用于：

• 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 2.0 消息来建立 以下各方之间的通信：

• Hosts：发起连接的 LLM 应用程序
• Clients：宿主应用程序中的连接器
• Servers：提供上下文和能力的服务

MCP 从 Language Server Protocol 中汲取了一些灵感，该协议 标准化了如何在整个开发工具生态系统中为编程语言添加支持。 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 消息格式
• 无状态、自包含的请求
• 按请求进行能力协商

​

功能

服务器可向客户端提供以下任一功能：

• 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

客户端可向服务器提供以下功能：

• 引导：服务器发起的请求，用于向用户获取更多信息

​

其他实用功能

• 配置
• 进度跟踪
• 取消
• 错误报告

​

扩展

除核心协议外，MCP 还定义了可选的扩展， 用于添加模块化、专用或实验性功能。扩展始终是可选加入的，并且需要客户端和服务器双方的明确支持， 在初始化期间进行协商。值得注意的扩展包括：

• 任务：对长时间运行操作的异步执行，支持轮询、执行中的输入以及持久句柄
• MCP 上的 Skills：用于代理工作流的丰富、结构化指令，可通过 MCP 发现和消费
• MCP 应用：在对话中以内联方式呈现的交互式 UI 元素（图表、表单、视频播放器）

​

安全与信任及安全性

模型上下文协议通过任意数据访问和代码执行路径提供强大的能力。伴随这种能力而来的是重要的安全与信任考量，所有实现者都必须谨慎应对。

​

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执行哪些操作的控制权
   • 实现者应提供清晰的界面，用于审查和授权活动
2. 数据隐私
   • 主机在向服务器暴露用户数据之前必须获得用户明确同意
   • 未经用户同意，主机不得将资源数据传输到其他地方
   • 应使用适当的访问控制来保护用户数据
3. 工具安全
   • 工具代表任意代码执行，必须以适当的谨慎态度对待。
     • 尤其是，诸如注释之类的工具行为描述应被视为不可信，除非它们来自受信任的服务器。
   • 主机在调用任何工具之前必须获得用户明确同意
   • 用户在授权使用每个工具之前，应了解其具体作用

​

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 应当：

1. 在其应用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措施
4. 在集成中遵循安全最佳实践
5. 在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：