跳转到主要内容

​
MCP 核心概念

​
1.1 MCP解决什么问题

每个AI应用都需要连接外部系统。没有MCP之前，每个AI应用都要为每个外部系统写一套定制集成代码。N个AI应用 x M个外部系统 = N x M个集成。 MCP把这变成了N+M：每个AI应用实现一个MCP Client，每个外部系统实现一个MCP Server。通过标准协议通信，任意组合。 这一设计直接借鉴了微软的Language Server Protocol (LSP)。LSP解决了”每个编辑器 x 每种语言”的集成爆炸问题，MCP用同样的思路解决”每个AI应用 x 每个外部系统”的问题。 协议版本: 2025-11-25 规范地址: modelcontextprotocol.io 规范仓库: github.com/modelcontextprotocol/specification

​
1.2 三个参与方

​
MCP Host（宿主）

AI应用本身。负责管理一个或多个MCP Client。 例子: Claude Desktop、VS Code (Copilot)、ChatGPT、Cursor Host的职责：
  • 启动和管理MCP Client连接
  • 将MCP Server暴露的能力（工具、资源）提供给AI模型
  • 处理用户交互
  • 执行安全策略（如工具调用需用户确认）

​
MCP Client（客户端）

Host内部为每个Server连接创建的组件。每个Client与一个MCP Server保持1:1的专用连接。 你通常不需要直接开发Client — Host会自动创建和管理。 Client还可以向Server暴露自己的能力（Sampling、Roots、Elicitation），让Server能够反向请求LLM推理或用户输入。

​
MCP Server（服务器）

提供工具、数据和提示词的程序。这是大多数开发者需要构建的部分。 例子:
  • 文件系统Server: 让AI读写本地文件
  • 数据库Server: 让AI查询数据库
  • Sentry Server: 让AI查看错误日志
  • 你的商务Server: 让AI搜索商品、查询订单

​
架构图

┌─────────────────────────────────────────┐
│           MCP Host (AI应用)              │
│                                         │
│  ┌──────────┐  ┌──────────┐            │
│  │ Client 1 │  │ Client 2 │  ...       │
│  └─────┬────┘  └─────┬────┘            │
└────────┼─────────────┼──────────────────┘
         │ 1:1         │ 1:1
    ┌────┴────┐   ┌────┴────┐
    │Server A │   │Server B │
    │(本地)   │   │(远程)   │
    │stdio    │   │HTTP     │
    └─────────┘   └─────────┘
一个Host可以连接多个Server。每个Client-Server对维持独立的有状态连接。本地Server通过stdio通信，远程Server通过Streamable HTTP通信。

​
1.3 协议生命周期

MCP是有状态协议，连接有三个阶段：初始化、操作、关闭。

​
阶段一：初始化（Initialization）

Client发送 initialize 请求，双方协商协议版本和支持的能力。 
// Client → Server: initialize请求
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2025-11-25",
    "capabilities": {
      "sampling": {},
      "elicitation": {},
      "roots": { "listChanged": true }
    },
    "clientInfo": { "name": "my-app", "version": "1.0.0" }
  }
}

// Server → Client: initialize响应
{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "protocolVersion": "2025-11-25",
    "capabilities": {
      "tools": { "listChanged": true },
      "resources": { "subscribe": true, "listChanged": true },
      "prompts": { "listChanged": true }
    },
    "serverInfo": { "name": "my-server", "version": "1.0.0" }
  }
}

// Client → Server: initialized通知（确认初始化完成）
{
  "jsonrpc": "2.0",
  "method": "notifications/initialized"
}
能力协商的关键:
  • Client声明自己支持什么（如 sampling LLM推理、elicitation 用户交互、roots 文件系统边界）
  • Server声明自己提供什么（如 tools 工具、resources 资源、prompts 提示词）
  • 双方只使用对方声明支持的能力
  • 协议版本必须双方一致，否则初始化失败
超时机制: 初始化阶段有超时限制。如果Server未在规定时间内响应，Client应断开连接。

​
阶段二：操作（Operation）

初始化完成后，进入正常操作阶段。Client可以发现和调用Server的能力： 
// Client → Server: 发现工具
{ "jsonrpc": "2.0", "id": 2, "method": "tools/list" }

// Server → Client: 工具列表
{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "tools": [
      {
        "name": "search_products",
        "title": "商品搜索",
        "description": "搜索商品目录",
        "inputSchema": {
          "type": "object",
          "properties": {
            "query": { "type": "string", "description": "搜索关键词" }
          },
          "required": ["query"]
        }
      }
    ]
  }
}
工具执行: AI模型决定使用某个工具时，通过Client调用： 
// Client → Server: 调用工具
{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "search_products",
    "arguments": { "query": "跑步鞋" }
  }
}

// Server → Client: 工具结果
{
  "jsonrpc": "2.0",
  "id": 3,
  "result": {
    "content": [
      { "type": "text", "text": "[{\"name\": \"Nike Air Max\", \"price\": 899}]" }
    ]
  }
}
通知机制: Server可以主动通知Client工具列表变化（需在初始化时声明 listChanged: true）： 
// Server → Client (通知，无id，不期望响应)
{ "jsonrpc": "2.0", "method": "notifications/tools/list_changed" }
Client收到后会重新请求 tools/list 获取最新列表。

​
阶段三：关闭（Shutdown）

连接可以由任意一方发起关闭。关闭后所有未完成的请求应被取消，资源应被清理。

​
1.4 全部Primitive总览

MCP的Primitive分为Server端和Client端两类：

​
Server端 Primitive（Server向Client提供）

Primitive控制方发现方法执行方法用途
Tools模型控制tools/listtools/call可执行函数（查数据库、调API等）
Resources应用控制resources/listresources/read数据源（文件、记录、API响应）
Prompts用户控制prompts/listprompts/get可复用的交互模板
控制方的含义:
  • 模型控制（Tools）: AI模型自主决定何时调用哪个工具
  • 应用控制（Resources）: Host应用决定何时读取哪些资源提供给模型
  • 用户控制（Prompts）: 用户主动选择使用哪个提示词模板

​
Client端 Primitive（Client向Server提供）

Primitive方法用途
Samplingsampling/createMessageServer请求Host的LLM完成推理。支持模型偏好设置：hints（模型提示）、costPriority / speedPriority / intelligencePriority（优先级权衡）
Rootsroots/listServer查询Client的文件系统边界。返回 file:// URI列表，告知Server可以访问哪些目录
Elicitationelicitation/requestServer请求Client向用户询问信息。适用于需要用户确认或补充输入的场景

​
内容类型

工具返回结果、资源数据等均使用统一的内容类型系统：
类型说明示例
text纯文本JSON数据、说明文字
image图片Base64编码或URI引用
audio音频语音数据（Base64编码）
resource_link资源链接引用一个MCP资源URI
embedded_resource嵌入式资源内联的资源数据
所有内容类型均支持 annotations 元数据字段，用于标注受众、优先级等信息。

​
1.5 实验性特性

​
Tasks（任务）

Tasks是实验性功能，为持久执行的操作提供包装。当工具调用的结果无法立即返回（如异步处理、长时间运算）时，可通过Task机制实现延迟交付。

​
1.6 MCP不做什么

MCP专注于上下文交换，不涉及：
  • AI模型如何处理上下文（那是AI应用的事）
  • AI模型的选择和配置
  • 用户界面设计
  • 业务逻辑和工作流编排
MCP只负责：AI应用与外部系统之间的标准化通信。
下一章: 数据层协议 — JSON-RPC 2.0消息格式和能力协商详解