Skip to main content
MCP 服务器是通过标准化的协议接口向 AI 应用暴露特定能力的程序。 常见的例子包括:用于文档访问的文件系统服务器、用于数据查询的数据库服务器、用于代码管理的 GitHub 服务器、用于团队沟通的 Slack 服务器,以及用于日程安排的日历服务器。

核心服务器特性

服务器通过三个构建块提供功能: 我们将用一个假想的场景来演示这些特性各自的作用,并展示它们如何协同工作。

工具(Tools)

工具使 AI 模型能够执行操作。每个工具定义一个具有类型化输入和输出的特定操作。模型根据上下文请求执行工具。

工具的工作方式

工具是 LLM 可以调用的、由 schema 定义的接口。MCP 使用 JSON Schema 进行校验。每个工具执行单一操作,具有明确定义的输入和输出。工具在执行前可能需要用户同意,从而帮助确保用户对模型所采取的操作保持控制。 协议操作: 工具定义示例:

示例:旅行预订

工具使 AI 应用能够代表用户执行操作。在一个旅行规划场景中,AI 应用可能会使用多个工具来帮助预订一次假期: 航班搜索
查询多家航空公司并返回结构化的航班选项。 日历占位
在用户的日历中标记出行日期。 邮件通知
向同事发送一封自动的外出(Out of Office)消息。

用户交互模型

工具由模型控制,这意味着 AI 模型可以自动发现并调用它们。然而,MCP 通过若干机制强调人工监督。 为了信任与安全,应用可以通过多种机制实现用户控制,例如:
  • 在 UI 中显示可用的工具,使用户能够定义某个工具是否应在特定交互中可用
  • 针对单次工具执行的批准对话框
  • 用于预先批准某些安全操作的权限设置
  • 展示所有工具执行及其结果的活动日志

资源(Resources)

资源提供对信息的结构化访问,AI 应用可以检索这些信息并将其作为上下文提供给模型。

资源的工作方式

资源暴露来自文件、API、数据库或任何其他来源的数据,供 AI 理解上下文之需。应用可以直接访问这些信息并决定如何使用——无论是选取相关部分、用嵌入(embeddings)进行搜索,还是将其全部传递给模型。 每个资源都有一个唯一的 URI(例如 file:///path/to/document.md),并声明其 MIME 类型以便进行恰当的内容处理。 资源支持两种发现模式:
  • 直接资源(Direct Resources) —— 指向特定数据的固定 URI。示例:calendar://events/2024 —— 返回 2024 年的日历可用情况
  • 资源模板(Resource Templates) —— 带参数的动态 URI,用于灵活查询。示例:
    • travel://activities/{city}/{category} —— 按城市和类别返回活动
    • travel://activities/barcelona/museums —— 返回巴塞罗那的所有博物馆
资源模板包含诸如标题、描述和预期 MIME 类型等元数据,使其可被发现并具有自描述性。 协议操作:

示例:获取旅行规划上下文

继续以旅行规划为例,资源为 AI 应用提供对相关信息的访问:
  • 日历数据calendar://events/2024)—— 检查用户的可用时间
  • 旅行文档file:///Documents/Travel/passport.pdf)—— 访问重要文档
  • 以往行程trips://history/barcelona-2023)—— 参考过去的行程和偏好
AI 应用检索这些资源并决定如何处理它们,无论是使用嵌入或关键词搜索选取数据子集,还是将原始数据直接传递给模型。 在本例中,它向模型提供日历数据、天气信息和旅行偏好,使模型能够检查可用时间、查询天气规律并参考过去的旅行偏好。 资源模板示例:
这些模板支持灵活的查询。对于天气数据,用户可以访问任意城市/日期组合的预报。对于航班,他们可以搜索任意两个机场之间的航线。当用户输入 “NYC” 作为 origin(出发)机场,并开始输入 “Bar” 作为 destination(到达)机场时,系统可以建议 “Barcelona (BCN)” 或 “Barbados (BGI)“。

参数补全

动态资源支持参数补全。例如:
  • weather://forecast/{city} 输入 “Par” 可能会建议 “Paris” 或 “Park City”
  • flights://search/{airport} 输入 “JFK” 可能会建议 “JFK - John F. Kennedy International”
系统帮助发现有效值,而无需了解确切的格式。

用户交互模型

资源由应用驱动,使应用在如何检索、处理和呈现可用上下文方面具有灵活性。常见的交互模式包括:
  • 树形或列表视图,以熟悉的类似文件夹的结构浏览资源
  • 用于查找特定资源的搜索和过滤界面
  • 基于启发式规则或 AI 选择的自动上下文纳入或智能建议
  • 用于纳入单个或多个资源的手动或批量选择界面
应用可以通过任何适合自身需求的界面模式来实现资源发现。协议并不强制规定特定的 UI 模式,从而允许:带预览功能的资源选择器、基于当前对话上下文的智能建议、用于纳入多个资源的批量选择,或者与现有文件浏览器和数据浏览器的集成。

提示(Prompts)

提示提供可复用的模板。它们允许 MCP 服务器作者为某个领域提供参数化的提示,或展示如何最好地使用该 MCP 服务器。

提示的工作方式

提示是定义预期输入和交互模式的结构化模板。它们由用户控制,需要显式调用而非自动触发。提示可以是上下文感知的,引用可用的资源和工具以创建全面的工作流。与资源类似,提示支持参数补全,以帮助用户发现有效的参数值。 协议操作:

示例:精简的工作流

提示为常见任务提供结构化模板。在旅行规划的场景中: “Plan a vacation” 提示:
相比无结构的自然语言输入,提示系统支持:
  1. 选择 “Plan a vacation” 模板
  2. 结构化输入:Barcelona、7 days、$3000、[“beaches”, “architecture”, “food”]
  3. 基于模板的一致工作流执行

用户交互模型

提示由用户控制,需要显式调用。协议给予实现者自由,去设计在其应用中感觉自然的界面。关键原则包括:
  • 易于发现可用的提示
  • 对每个提示所做之事的清晰描述
  • 带校验的自然参数输入
  • 对提示底层模板的透明展示
应用通常通过多种 UI 模式暴露提示,例如:
  • 斜杠命令(输入 ”/” 查看可用的提示,如 /plan-vacation)
  • 用于可搜索访问的命令面板
  • 为常用提示设置的专用 UI 按钮
  • 建议相关提示的上下文菜单

将服务器组合到一起

当多个服务器协同工作、通过统一的接口组合各自的专门能力时,MCP 的真正威力才得以显现。

示例:多服务器旅行规划

设想一个个性化的 AI 旅行规划应用,它连接了三个服务器:
  • 旅行服务器(Travel Server) —— 处理航班、酒店和行程
  • 天气服务器(Weather Server) —— 提供气候数据和预报
  • 日历/邮件服务器(Calendar/Email Server) —— 管理日程和通信

完整流程

  1. 用户带参数调用一个提示:
  2. 用户选择要纳入的资源:
    • calendar://my-calendar/June-2024(来自日历服务器)
    • travel://preferences/europe(来自旅行服务器)
    • travel://past-trips/Spain-2023(来自旅行服务器)
  3. AI 使用工具处理请求: AI 首先读取所有选定的资源以收集上下文——从日历中识别可用日期,从旅行偏好中了解偏好的航空公司和酒店类型,并从以往行程中发现之前喜欢的地点。 利用这些上下文,AI 随后执行由 AI 应用提供的提示。在我们的示例中,AI 应用将所连接的 MCP 天气服务器的天气工具暴露给模型。由于天气会影响出行计划,AI 在解释该提示时选择调用 checkWeather() 结果,AI 执行一系列工具:
    • searchFlights() —— 查询从 NYC 到 Barcelona 的航班
    • checkWeather() —— 检索出行日期的气候预报
    随后 AI 使用这些信息来创建预订并进行后续步骤,在必要处请求用户批准:
    • bookHotel() —— 查找指定预算内的酒店
    • createCalendarEvent() —— 将此行程添加到用户的日历
    • sendEmail() —— 发送包含行程详情的确认信息
结果: 通过多个 MCP 服务器,用户调研并预订了一次量身贴合其日程的巴塞罗那之旅。“Plan a Vacation” 提示引导 AI 跨不同服务器将资源(日历可用情况和旅行历史)与工具(搜索航班、预订酒店、更新日历)结合起来——收集上下文并执行预订。一项原本可能耗时数小时的任务,使用 MCP 在几分钟内就完成了。