规范

模型上下文协议 (MCP) 是一个开放协议， 能够实现 LLM 应用与外部数据源及 工具的无缝集成。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 与他们所需的上下文 连接起来。 本规范定义了权威的协议要求，基于 TypeScript 架构，位于 schema.ts。 如需实施指南和示例，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”当且仅当它们像此处所示全部大写时，应按照 BCP 14 [RFC2119] [RFC8174] 中的描述进行解释。

​

概述

MCP 为应用提供了一种标准化的方式，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：

• 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：提供上下文和能力的服务

MCP 从 语言服务器协议 中获得了一些灵感，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
• 每个请求的能力协商

​

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：

• Elicitation：服务器发起的向用户请求补充信息的请求

​

附加实用功能

• 配置
• 进度跟踪
• 取消
• 错误报告

​

扩展

除了核心协议之外，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。扩展始终是可选择启用的，并且需要客户端和服务器双方在初始化期间 明确支持并协商。值得注意的扩展包括：

• Tasks: 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
• Skills over MCP: 为 agent 工作流提供丰富、结构化的 指令，通过 MCP 被发现和使用
• MCP Apps: 在对话中以内联方式渲染的交互式 UI 元素（图表、表单、 视频播放器）

​

安全与信任

模型上下文协议通过任意数据访问 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什么数据以及采取什么行动的控制权
   • 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
   • 未经用户同意，宿主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

​

实施指南

虽然 MCP 本身无法在协议级别强制执行这些安全原则， 实现者 应该：

1. 在其应用中构建稳健的同意和授权流程
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：