规范
规范

规范

模型上下文协议 (MCP) 是一个开放协议，它实现了 LLM 应用与外部数据源和工具之间的无缝集成。无论您正在构建 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来连接 LLM 所需的上下文。

本规范定义了权威的协议要求，基于 schema.ts 中的 TypeScript 架构。

有关实现指南和示例，请访问 modelcontextprotocol.io。

本文件中的关键词 “MUST”、“MUST NOT”、“REQUIRED”、“SHALL”、“SHALL NOT”、“SHOULD”、“SHOULD NOT”、“RECOMMENDED”、“NOT RECOMMENDED”、“MAY” 和 “OPTIONAL” 应按照 BCP 14 [RFC2119] [RFC8174] 中的描述进行解释，当且仅当它们 以全部大写字母出现时，如此处所示。

概述

MCP 提供了一种标准化的方式，使应用程序能够：

  • 与语言模型共享上下文信息
  • 向 AI 系统公开工具和能力
  • 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：

  • 主机：发起连接的 LLM 应用程序
  • 客户端：主机应用程序中的连接器
  • 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生态系统的工具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 应用程序的生态系统中。

关键细节

基础协议

  • JSON-RPC 消息格式
  • 有状态连接
  • 服务器和客户端功能协商

功能

服务器可以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：面向用户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

附加实用工具

  • 配置
  • 进度跟踪
  • 取消
  • 错误报告
  • 日志记录

安全性和信任与安全

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。伴随着这种强大的功能，所有实现者必须仔细解决重要的安全和信任考虑事项。

关键原则

  1. 用户同意和控制

    • 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行动的控制权
    • 实现者应提供清晰的 UI 来审查和授权活动

  2. 数据隐私

    • 主机在向服务器公开用户数据之前必须获得明确的用户同意
    • 主机在未经用户同意的情况下不得将资源数据传输到其他地方
    • 用户数据应通过适当的访问控制进行保护

  3. 工具安全

    • 工具代表任意代码执行，必须给予适当的谨慎对待。
      • 特别是，工具行为的描述（如注释）应被视为不受信任的，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
    • 用户应该能够控制：
      • 是否进行采样
      • 将发送的实际提示
      • 服务器可以看到什么结果
    • 协议有意限制了服务器对提示的可见性

实现指南

虽然 MCP 本身无法在协议级别强制执行这些安全原则，但实现者应该：

  1. 在其应用程序中构建强大的同意和授权流程
  2. 提供安全影响的有用文档
  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

了解更多信息

探索每个协议组件的详细规范：