架构概览

本概览介绍模型上下文协议（Model Context Protocol，MCP）的范围和核心概念，并提供一个示例来演示每个核心概念。由于 MCP SDK 抽象掉了许多关注点，大多数开发者可能会发现数据层协议一节最为有用。它讨论 MCP 服务器如何向 AI 应用提供上下文。有关具体的实现细节，请参阅你所用的特定语言 SDK 的文档。

范围

模型上下文协议包括以下项目：

MCP 规范：MCP 的规范，概述了客户端和服务器的实现要求。
MCP SDK：实现 MCP 的、面向不同编程语言的 SDK。
MCP 开发工具：用于开发 MCP 服务器和客户端的工具，包括 MCP Inspector
MCP 参考服务器实现：MCP 服务器的参考实现。

MCP 只专注于上下文交换的协议——它并不规定 AI 应用如何使用 LLM 或如何管理所提供的上下文。

MCP 的核心概念

参与方

MCP 遵循客户端-服务器架构，其中 MCP 宿主——一个 AI 应用，如 Claude Code 或 Claude Desktop——与一个或多个 MCP 服务器建立连接。MCP 宿主通过为每个 MCP 服务器创建一个 MCP 客户端来实现这一点。每个 MCP 客户端与其对应的 MCP 服务器维持一个专用连接。使用 STDIO 传输的本地 MCP 服务器通常服务于单个 MCP 客户端，而使用 Streamable HTTP 传输的远程 MCP 服务器通常服务于许多 MCP 客户端。 MCP 架构中的关键参与方是：

MCP 宿主（MCP Host）：协调和管理一个或多个 MCP 客户端的 AI 应用
MCP 客户端（MCP Client）：维持与一个 MCP 服务器的连接，并从该 MCP 服务器获取上下文供 MCP 宿主使用的组件
MCP 服务器（MCP Server）：向 MCP 客户端提供上下文的程序

例如：Visual Studio Code 充当 MCP 宿主。当 Visual Studio Code 与某个 MCP 服务器（例如 Sentry MCP 服务器）建立连接时，Visual Studio Code 运行时会实例化一个 MCP 客户端对象来维持与 Sentry MCP 服务器的连接。当 Visual Studio Code 随后连接到另一个 MCP 服务器（例如本地文件系统服务器）时，Visual Studio Code 运行时会再实例化一个 MCP 客户端对象来维持这个连接。请注意，MCP 服务器指的是提供上下文数据的程序，无论它在何处运行。MCP 服务器可以在本地或远程执行。例如，当 Claude Desktop 启动文件系统服务器时，由于它使用 STDIO 传输，该服务器在同一台机器上本地运行。这通常被称为“本地”MCP 服务器。官方的 Sentry MCP 服务器运行在 Sentry 平台上，并使用 Streamable HTTP 传输。这通常被称为“远程”MCP 服务器。

分层

MCP 由两层构成：

数据层（Data layer）：定义基于 JSON-RPC 的客户端-服务器通信协议，包括生命周期管理，以及诸如工具、资源、提示和通知等核心原语。
传输层（Transport layer）：定义使客户端与服务器之间能够进行数据交换的通信机制和信道，包括特定于传输的连接建立、消息分帧（message framing）和授权。

从概念上讲，数据层是内层，而传输层是外层。

数据层

数据层实现了一个基于 JSON-RPC 2.0 的交换协议，用于定义消息结构和语义。该层包括：

生命周期管理（Lifecycle management）：处理客户端与服务器之间的连接初始化、能力协商和连接终止
服务器特性（Server features）：使服务器能够向客户端提供、并从客户端接收核心功能，包括用于 AI 操作的工具、用于上下文数据的资源，以及用于交互模板的提示
客户端特性（Client features）：使服务器能够请求客户端从宿主 LLM 采样、向用户征询输入，以及向客户端记录消息
实用特性（Utility features）：支持额外的能力，如用于实时更新的通知和用于长时运行操作的进度跟踪

传输层

传输层管理客户端与服务器之间的通信信道和身份认证。它处理连接建立、消息分帧，以及 MCP 参与方之间的安全通信。 MCP 支持两种传输机制：

Stdio 传输：使用标准输入/输出流，在同一台机器上的本地进程之间进行直接的进程通信，提供最佳性能且没有网络开销。
Streamable HTTP 传输：使用 HTTP POST 发送客户端到服务器的消息，并可选地使用 Server-Sent Events 实现流式能力。这种传输支持远程服务器通信，并支持标准的 HTTP 身份认证方法，包括 bearer token、API 密钥和自定义 header。MCP 推荐使用 OAuth 来获取认证令牌。

传输层将通信细节从协议层中抽象出来，使得同一种 JSON-RPC 2.0 消息格式能够跨所有传输机制使用。

数据层协议

MCP 的一个核心部分是定义 MCP 客户端与 MCP 服务器之间的 schema 和语义。开发者可能会发现数据层——特别是原语集合——是 MCP 中最有意思的部分。它是 MCP 中定义开发者可以如何将上下文从 MCP 服务器共享到 MCP 客户端的部分。 MCP 使用 JSON-RPC 2.0 作为其底层的 RPC 协议。客户端和服务器彼此发送请求并相应地进行响应。当不需要响应时，可以使用通知。

生命周期管理

MCP 是一个需要生命周期管理的。生命周期管理的目的是协商客户端和服务器双方都支持的。详细信息可在规范中找到，示例展示了初始化序列。

原语

MCP 原语是 MCP 中最重要的概念。它们定义了客户端和服务器能够彼此提供什么。这些原语规定了可以与 AI 应用共享的上下文信息类型，以及可以执行的操作范围。 MCP 定义了三种服务器可以暴露的核心原语：

工具（Tools）：AI 应用可以调用以执行操作的可执行函数（例如文件操作、API 调用、数据库查询）
资源（Resources）：向 AI 应用提供上下文信息的数据源（例如文件内容、数据库记录、API 响应）
提示（Prompts）：帮助构建与语言模型交互的可复用模板（例如系统提示、少样本示例）

每种原语类型都有用于发现（*/list）、检索（*/get），以及在某些情况下用于执行（tools/call）的关联方法。 MCP 客户端将使用 */list 方法来发现可用的原语。例如，客户端可以首先列出所有可用的工具（tools/list），然后执行它们。这种设计使得列表可以是动态的。作为一个具体例子，设想一个提供数据库相关上下文的 MCP 服务器。它可以暴露用于查询数据库的工具、一个包含数据库 schema 的资源，以及一个包含与这些工具交互的少样本示例的提示。有关服务器原语的更多细节，参见服务器概念。 MCP 还定义了客户端可以暴露的原语。这些原语让 MCP 服务器作者能够构建更丰富的交互。

采样（Sampling）：允许服务器从客户端的 AI 应用请求语言模型补全。当服务器作者想要访问语言模型、但又希望保持模型无关、不在其 MCP 服务器中包含语言模型 SDK 时，这很有用。他们可以使用 sampling/createMessage 方法从客户端的 AI 应用请求语言模型补全。
征询（Elicitation）：允许服务器向用户请求额外信息。当服务器作者想要从用户处获取更多信息，或请求对某个操作进行确认时，这很有用。他们可以使用 elicitation/create 方法向用户请求额外信息。
日志（Logging）：使服务器能够向客户端发送日志消息，用于调试和监控目的。

有关客户端原语的更多细节，参见客户端概念。除了服务器和客户端原语之外，协议还提供了横切的实用原语，用于增强请求的执行方式：

任务（Tasks，实验性）：持久的执行包装器，为 MCP 请求启用延后的结果检索和状态跟踪（例如昂贵的计算、工作流自动化、批处理、多步操作）

通知

协议支持实时通知，以实现服务器与客户端之间的动态更新。例如，当服务器的可用工具发生变化时——例如新功能可用或现有工具被修改——服务器可以发送工具更新通知，将这些变化告知已连接的客户端。通知作为 JSON-RPC 2.0 通知消息发送（不期望响应），使 MCP 服务器能够向已连接的客户端提供实时更新。

示例

数据层

本节逐步演示一次 MCP 客户端-服务器交互，重点关注数据层协议。我们将使用 JSON-RPC 2.0 消息来演示生命周期序列、工具操作和通知。

初始化（生命周期管理）

MCP 以通过能力协商握手进行的生命周期管理开始。如生命周期管理一节所述，客户端发送一个 initialize 请求来建立连接并协商所支持的特性。

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2025-11-25",
    "capabilities": {
      "elicitation": {}
    },
    "clientInfo": {
      "name": "example-client",
      "version": "1.0.0"
    }
  }
}

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "protocolVersion": "2025-11-25",
    "capabilities": {
      "tools": {
        "listChanged": true
      },
      "resources": {}
    },
    "serverInfo": {
      "name": "example-server",
      "version": "1.0.0"
    }
  }
}

理解初始化交换

初始化过程是 MCP 生命周期管理的关键部分，服务于若干重要目的：

协议版本协商：protocolVersion 字段（例如 “2025-11-25”）确保客户端和服务器使用兼容的协议版本。这可防止不同版本尝试交互时可能出现的通信错误。如果协商不出双方兼容的版本，应终止连接。
能力发现：capabilities 对象允许各方声明它们支持哪些特性，包括它们能处理哪些原语（工具、资源、提示）以及是否支持诸如通知之类的特性。这通过避免不支持的操作实现了高效通信。
身份交换：clientInfo 和 serverInfo 对象提供用于调试和兼容性目的的标识与版本信息。

在此示例中，能力协商演示了 MCP 原语是如何声明的：客户端能力：

"elicitation": {} —— 客户端声明它可以处理用户交互请求（可以接收 elicitation/create 方法调用）

服务器能力：

"tools": {"listChanged": true} —— 服务器支持工具原语，并且可以在其工具列表变化时发送 tools/list_changed 通知
"resources": {} —— 服务器也支持资源原语（可以处理 resources/list 和 resources/read 方法）

初始化成功后，客户端发送一个通知以表明它已就绪：

Notification

{
  "jsonrpc": "2.0",
  "method": "notifications/initialized"
}

这在 AI 应用中如何工作

在初始化期间，AI 应用的 MCP 客户端管理器与所配置的服务器建立连接，并存储它们的能力以备后用。应用使用这些信息来确定哪些服务器可以提供特定类型的功能（工具、资源、提示）以及它们是否支持实时更新。

Pseudo-code for AI application initialization

# Pseudo Code
async with stdio_client(server_config) as (read, write):
    async with ClientSession(read, write) as session:
        init_response = await session.initialize()
        if init_response.capabilities.tools:
            app.register_mcp_server(session, supports_tools=True)
        app.set_server_ready(session)

工具发现（原语）

现在连接已建立，客户端可以通过发送一个 tools/list 请求来发现可用的工具。这个请求是 MCP 工具发现机制的基础——它允许客户端在尝试使用之前了解服务器上有哪些工具可用。

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/list"
}

{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "tools": [
      {
        "name": "calculator_arithmetic",
        "title": "Calculator",
        "description": "Perform mathematical calculations including basic arithmetic, trigonometric functions, and algebraic operations",
        "inputSchema": {
          "type": "object",
          "properties": {
            "expression": {
              "type": "string",
              "description": "Mathematical expression to evaluate (e.g., '2 + 3 * 4', 'sin(30)', 'sqrt(16)')"
            }
          },
          "required": ["expression"]
        }
      },
      {
        "name": "weather_current",
        "title": "Weather Information",
        "description": "Get current weather information for any location worldwide",
        "inputSchema": {
          "type": "object",
          "properties": {
            "location": {
              "type": "string",
              "description": "City name, address, or coordinates (latitude,longitude)"
            },
            "units": {
              "type": "string",
              "enum": ["metric", "imperial", "kelvin"],
              "description": "Temperature units to use in response",
              "default": "metric"
            }
          },
          "required": ["location"]
        }
      }
    ]
  }
}

理解工具发现请求

tools/list 请求很简单，不包含任何参数。

理解工具发现响应

响应包含一个 tools 数组，提供关于每个可用工具的全面元数据。这种基于数组的结构允许服务器同时暴露多个工具，同时在不同功能之间保持清晰的边界。响应中的每个工具对象包括若干关键字段：

name：工具在服务器命名空间内的唯一标识符。它作为工具执行的主键，应遵循清晰的命名模式（例如 calculator_arithmetic 而非仅仅 calculate）
title：工具的人类可读显示名称，客户端可以将其展示给用户
description：关于该工具做什么以及何时使用它的详细说明
inputSchema：一个定义预期输入参数的 JSON Schema，实现类型校验并就必需和可选参数提供清晰的文档

这在 AI 应用中如何工作

AI 应用从所有已连接的 MCP 服务器获取可用工具，并将它们合并成一个统一的工具注册表，供语言模型访问。这让 LLM 能够理解它可以执行哪些操作，并在对话过程中自动生成合适的工具调用。

Pseudo-code for AI application tool discovery

# Pseudo-code using MCP Python SDK patterns
available_tools = []
for session in app.mcp_server_sessions():
    tools_response = await session.list_tools()
    available_tools.extend(tools_response.tools)
conversation.register_available_tools(available_tools)

工具执行（原语）

现在客户端可以使用 tools/call 方法执行一个工具。这演示了 MCP 原语在实践中如何使用：在发现可用工具之后，客户端可以带着合适的参数调用它们。

理解工具执行请求

tools/call 请求遵循一种结构化格式，确保类型安全以及客户端与服务器之间清晰的通信。请注意，我们使用的是发现响应中正确的工具名（weather_current），而不是一个简化的名称：

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "weather_current",
    "arguments": {
      "location": "San Francisco",
      "units": "imperial"
    }
  }
}

{
  "jsonrpc": "2.0",
  "id": 3,
  "result": {
    "content": [
      {
        "type": "text",
        "text": "Current weather in San Francisco: 68°F, partly cloudy with light winds from the west at 8 mph. Humidity: 65%"
      }
    ]
  }
}

工具执行的关键要素

请求结构包括若干重要组成部分：

name：必须与发现响应中的工具名（weather_current）完全匹配。这确保服务器能够正确识别要执行哪个工具。
arguments：包含由工具的 inputSchema 定义的输入参数。在此示例中：
- location：“San Francisco”（必需参数）
- units：“imperial”（可选参数，若未指定则默认为 “metric”）
JSON-RPC 结构：使用标准的 JSON-RPC 2.0 格式，带有唯一的 id 用于请求-响应关联。

理解工具执行响应

响应演示了 MCP 灵活的内容系统：

content 数组：工具响应返回一个内容对象数组，允许丰富的、多格式的响应（文本、图像、资源等）
内容类型：每个内容对象都有一个 type 字段。在此示例中，"type": "text" 表示纯文本内容，但 MCP 支持面向不同用例的各种内容类型。
结构化输出：响应提供可操作的信息，AI 应用可以将其用作与语言模型交互的上下文。

这种执行模式允许 AI 应用动态地调用服务器功能，并接收可以整合进与语言模型对话中的结构化响应。

这在 AI 应用中如何工作

当语言模型在对话过程中决定使用某个工具时，AI 应用拦截该工具调用，将其路由到合适的 MCP 服务器，执行它，并将结果作为对话流的一部分返回给 LLM。这使得 LLM 能够访问实时数据并在外部世界中执行操作。

# Pseudo-code for AI application tool execution
async def handle_tool_call(conversation, tool_name, arguments):
    session = app.find_mcp_session_for_tool(tool_name)
    result = await session.call_tool(tool_name, arguments)
    conversation.add_tool_result(result.content)

实时更新（通知）

MCP 支持实时通知，使服务器能够在未被显式请求的情况下将变化告知客户端。这演示了通知系统，一个使 MCP 连接保持同步和响应性的关键特性。

理解工具列表变更通知

当服务器的可用工具发生变化时——例如新功能可用、现有工具被修改，或工具暂时不可用——服务器可以主动通知已连接的客户端：

Request

{
  "jsonrpc": "2.0",
  "method": "notifications/tools/list_changed"
}

MCP 通知的关键特性

无需响应：注意通知中没有 id 字段。这遵循 JSON-RPC 2.0 的通知语义，即不期望也不发送响应。
基于能力：此通知仅由在初始化期间（如步骤 1 所示）在其工具能力中声明了 "listChanged": true 的服务器发送。
事件驱动：服务器根据内部状态变化决定何时发送通知，使 MCP 连接具有动态性和响应性。

客户端对通知的响应

收到此通知后，客户端通常通过请求更新后的工具列表来做出反应。这创建了一个刷新循环，使客户端对可用工具的理解保持最新：

Request

{
  "jsonrpc": "2.0",
  "id": 4,
  "method": "tools/list"
}

为什么通知很重要

这个通知系统之所以至关重要，有若干原因：

动态环境：工具可能会根据服务器状态、外部依赖或用户权限而出现或消失
效率：客户端无需轮询变化；它们在更新发生时得到通知
一致性：确保客户端始终拥有关于可用服务器能力的准确信息
实时协作：使响应式 AI 应用能够适应不断变化的上下文

这种通知模式不仅限于工具，还扩展到其他 MCP 原语，实现客户端与服务器之间全面的实时同步。

这在 AI 应用中如何工作

当 AI 应用收到关于工具变化的通知时，它会立即刷新其工具注册表并更新 LLM 的可用能力。这确保正在进行的对话始终能够访问最新的工具集，并且 LLM 能够在新功能可用时动态适应它。

# Pseudo-code for AI application notification handling
async def handle_tools_changed_notification(session):
    tools_response = await session.list_tools()
    app.update_available_tools(session, tools_response.tools)
    if app.conversation.is_active():
        app.conversation.notify_llm_of_new_capabilities()

开始使用

关于 MCP

使用 MCP 开发

开发者工具

范围

MCP 的核心概念

参与方

分层

数据层

传输层

数据层协议

生命周期管理

原语

通知

示例

数据层

理解初始化交换

这在 AI 应用中如何工作

理解工具发现请求

理解工具发现响应

这在 AI 应用中如何工作

理解工具执行请求

工具执行的关键要素

理解工具执行响应

这在 AI 应用中如何工作

理解工具列表变更通知

MCP 通知的关键特性

客户端对通知的响应

为什么通知很重要

这在 AI 应用中如何工作

​范围

​MCP 的核心概念

​参与方

​分层

​数据层

​传输层

​数据层协议

​生命周期管理

​原语

​通知

​示例

​数据层

​理解初始化交换

​这在 AI 应用中如何工作

​理解工具发现请求

​理解工具发现响应

​这在 AI 应用中如何工作

​理解工具执行请求

​工具执行的关键要素

​理解工具执行响应

​这在 AI 应用中如何工作

​理解工具列表变更通知

​MCP 通知的关键特性

​客户端对通知的响应

​为什么通知很重要

​这在 AI 应用中如何工作

范围

MCP 的核心概念

参与方

分层

数据层

传输层

数据层协议

生命周期管理

原语

通知

示例

数据层

理解初始化交换

这在 AI 应用中如何工作

理解工具发现请求

理解工具发现响应

这在 AI 应用中如何工作

理解工具执行请求

工具执行的关键要素

理解工具执行响应

这在 AI 应用中如何工作

理解工具列表变更通知

MCP 通知的关键特性

客户端对通知的响应

为什么通知很重要

这在 AI 应用中如何工作