规范（最新）
Model Context Protocol (MCP) 是一个开放协议，它使 LLM 应用程序与外部数据源和工具之间的无缝集成成为可能。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 与它们所需的上下文连接起来。
本规范定义了基于 schema.ts 中的 TypeScript 架构的权威协议要求。
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，且仅当它们以大写字母出现时，如本文所示。
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 消息在以下组件之间建立通信：
- 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 Language Server Protocol 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
- 有状态的连接
- 服务器和客户端的能力协商
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：为用户提供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：服务器启动的代理行为和递归 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
安全与信任 & 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功能。伴随着这种能力，所有实现者都必须仔细解决重要的安全和信任问题。
关键原则
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数据和执行操作的控制权
- 实现者应提供清晰的 UI 以供用户审查和授权活动
数据隐私
- 主机在将用户数据暴露给服务器之前必须获得用户的明确同意
- 主机不得在未经用户同意的情况下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
工具安全
- 工具代表任意代码执行，必须谨慎对待
- 主机在调用任何工具之前必须获得用户的明确同意
- 用户应在授权使用之前了解每个工具的功能
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
- 实际发送的提示
- 服务器可以看到的结果
- 协议有意限制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：
- 在应用程序中构建强大的同意和授权流程
- 提供清晰的安全影响文档
- 实施适当的访问控制和数据保护
- 在集成中遵循安全最佳实践
- 在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：