规范

Model Context Protocol (MCP) 是一个开放协议， 可实现 LLM 应用与外部数据源及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 与其 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 schema.ts 中的 TypeScript schema。

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" 应按照 BCP 14 [RFC2119] [RFC8174] 中的描述进行解释， 当且仅当它们如此处所示以全大写形式出现时。

概述

MCP 为应用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
• 构建可组合的集成与工作流

该协议使用 JSON-RPC 2.0 消息在以下各方之间建立通信：

• 宿主（Hosts）：发起连接的 LLM 应用
• 客户端（Clients）：宿主应用内的连接器
• 服务端（Servers）：提供上下文和能力的服务

MCP 从 Language Server Protocol 中 获得了一些灵感，后者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
• 逐请求的能力协商

特性

服务端向客户端提供以下任意特性：

• 资源（Resources）：供用户或 AI 模型使用的上下文和数据
• 提示模板（Prompts）：供用户使用的模板化消息和工作流
• 工具（Tools）：供 AI 模型执行的函数

客户端可向服务端提供以下特性：

• 征询（Elicitation）：服务端发起的、向用户请求额外信息的请求

附加工具

• 配置
• 进度跟踪
• 取消
• 错误报告

扩展

除核心协议之外，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。扩展始终为选择性启用， 并且需要客户端和服务端双方的显式支持，在初始化期间进行协商。值得注意的扩展包括：

• 任务（Tasks）：长时间运行操作的异步执行， 支持轮询、中途输入和持久句柄
• Skills over MCP：为智能体工作流提供的 丰富、结构化指令，通过 MCP 发现和消费
• MCP Apps：在对话中内联渲染的交互式 UI 元素 （图表、表单、视频播放器）

安全与信任及安全

Model Context Protocol 通过任意数据访问和代码执行路径实现了强大的能力。 伴随这种能力而来的是重要的安全和信任考量，所有实现者都必须认真应对。

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采取哪些操作的控制权
   • 实现者应提供清晰的 UI，用于审查和授权各项活动

2. 数据隐私

   • 宿主在向服务端暴露用户数据之前，必须获得用户的明确同意
   • 未经用户同意，宿主不得将资源数据传输到其他地方
   • 用户数据应通过适当的访问控制加以保护

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，对工具行为的描述（如注解）应被视为不可信， 除非来自可信的服务端。
   • 宿主在调用任何工具之前，必须获得用户的明确同意
   • 用户在授权使用某个工具之前，应了解该工具的作用

实现指南

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 SHOULD（应）：

1. 在其应用中构建稳健的同意和授权流程
2. 提供关于安全影响的清晰文档
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：

⊞架构

{ }基础协议

•服务端特性

•客户端特性

•贡献