Skip to main content
协议版本: 2025-03-26
模型上下文协议（MCP）提供了一种标准化的方式，使服务器能够通过客户端请求LLM采样（“补全”或”生成”）。这种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。服务器可以请求基于文本、音频或图像的交互，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调用能够在其他MCP服务器功能内_嵌套_发生。 实现可以通过任何适合其需求的界面模式公开采样—协议本身不强制要求任何特定的用户交互模型。
为了信任、安全和保障，应该始终有一个人在循环中，能够拒绝采样请求。应用程序应该：
  • 提供使审核采样请求变得简单直观的用户界面
  • 允许用户在发送前查看和编辑提示
  • 在传递前呈现生成的响应以供审核

​
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sampling/createMessage请求： 请求： 
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "sampling/createMessage",
  "params": {
    "messages": [
      {
        "role": "user",
        "content": {
          "type": "text",
          "text": "法国的首都是什么？"
        }
      }
    ],
    "modelPreferences": {
      "hints": [
        {
          "name": "claude-3-sonnet"
        }
      ],
      "intelligencePriority": 0.8,
      "speedPriority": 0.5
    },
    "systemPrompt": "你是一个有帮助的助手。",
    "maxTokens": 100
  }
}
响应： 
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "role": "assistant",
    "content": {
      "type": "text",
      "text": "法国的首都是巴黎。"
    },
    "model": "claude-3-sonnet-20240307",
    "stopReason": "endTurn"
  }
}

​
消息流

​
数据类型

​
消息

采样消息可以包含：

​
文本内容

{
  "type": "text",
  "text": "消息内容"
}

​
图像内容

{
  "type": "image",
  "data": "base64编码的图像数据",
  "mimeType": "image/jpeg"
}

​
音频内容

{
  "type": "audio",
  "data": "base64编码的音频数据",
  "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不同的AI提供商，具有不同的模型产品。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，或者可能更倾向于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的模型提示：

​
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：降低成本有多重要？较高的值倾向于更便宜的模型。
  • speedPriority：低延迟有多重要？较高的值倾向于更快的模型。
  • intelligencePriority：高级能力有多重要？较高的值倾向于更强大的模型。

​
模型提示

虽然优先级有助于基于特性选择模型，但hints允许服务器建议特定的模型或模型系列：
  • 提示被视为可以灵活匹配模型名称的子字符串
  • 多个提示按优先顺序评估
  • 客户端可以将提示映射到来自不同提供商的等效模型
  • 提示是建议性的—客户端做出最终的模型选择
例如： 
{
  "hints": [
    { "name": "claude-3-sonnet" }, // 优先选择Sonnet级别的模型
    { "name": "claude" } // 退而求其次使用任何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适当的模型。例如，如果客户端无法访问Claude模型但有Gemini，它可能会基于类似的能力将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": "用户拒绝了采样请求"
  }
}

​
安全考虑

  1. 客户端应该实施用户批准控制
  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. 客户端应该实施速率限制
  5. 双方必须适当处理敏感数据