规范

ℹ️
协议修订: 2024-11-05

Model Context Protocol (MCP) 是一个开放协议，能够在 LLM 应用程序和外部数据源及工具之间实现无缝集成。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来连接 LLM 与所需的上下文。

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

有关实施指南和示例，请访问 model-context-protocol.mintlify.app。

本文件中的关键字 “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，仅当它们以全大写形式出现时，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 系统公开工具和功能
  • 构建可组合的集成和工作流

该协议使用 JSON-RPC 2.0 消息在以下各方之间建立通信：

  • Hosts: 发起连接的 LLM 应用程序
  • Clients: 主机应用程序中的连接器
  • Servers: 提供上下文和功能的服务

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添加编程语言支持。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

服务器向客户端提供以下任何功能：

  • 资源: 上下文和数据，供用户或 AI 模型使用
  • 提示: 为用户提供的模板消息和工作流
  • 工具: 供 AI 模型执行的功能

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

其他实用工具

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

安全和信任与安全

Model Context Protocol 通过任意数据访问和代码执行路径提供强大的功能。随着这种能力的增强，所有实施者必须仔细解决重要的安全和信任问题。

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数据和采取行动的控制权
    • 实施者应提供清晰的用户界面，用于审查和授权活动

  2. 数据隐私

    • 主机必须在向服务器公开用户数据之前获得用户的明确同意
    • 主机不得在未经用户同意的情况下传输资源数据
    • 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，必须谨慎对待
    • 主机必须在调用任何工具之前获得用户的明确同意
    • 用户应在授权使用工具之前了解每个工具的功能

  4. LLM 采样控制

    • 用户必须明确批准任何 LLM 采样请求
    • 用户应控制：
      • 是否进行采样
      • 将发送的实际提示
      • 服务器可以看到的结果
    • 协议有意限制了服务器对提示的可见性

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，但实施者 应：

  1. 在其应用程序中构建健全的同意和授权流程
  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：

架构 基础协议 服务器功能 客户端功能 贡献