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，包括能力与版本发现，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：

发现（Discovery）：让客户端通过 server/discover 请求查询服务器所支持的协议版本、能力和身份标识
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）：使服务器能够向用户征询输入。自协议版本 2026-07-28 起，采样已弃用。
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。

无状态与发现

MCP 是一个。每个请求都在其 _meta 字段中携带协议版本和与该请求相关的，因此服务器可以独立处理每个请求。客户端也应当在同一字段中标识自己，除非被配置为不这样做。服务器通过强制性的 server/discover 请求公布其所支持的版本和能力，客户端可以在任何其他请求之前发送该请求。详细信息可在规范中找到，示例展示了每个请求的元数据和发现序列。

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。

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。服务器使用 elicitation/create 方法请求用户输入。

征询请求通过多轮往返请求（Multi Round-Trip Requests）模式投递，该模式在征询概述中有说明。 已弃用：以下客户端原语自协议版本 2026-07-28 起已弃用。

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。服务器使用 sampling/createMessage 方法请求补全，该方法同样通过多轮往返请求模式投递。新的实现应直接与 LLM 提供方的 API 集成。
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。新的实现应记录到 stderr（stdio 传输）或使用 OpenTelemetry。

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，协议还支持在核心协议之上构建的可选扩展。例如，Tasks 扩展让服务器能够为长时运行的请求返回一个持久句柄，以便客户端稍后轮询状态并检索结果。

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）。变更通知是选择加入（opt-in）的：客户端打开一个长期存在的 subscriptions/listen 流，指明它想接收的通知类型，服务器则在该流上投递匹配的通知。

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 消息来演示发现、工具操作和通知。

发现

如无状态与发现一节所述，每个 MCP 请求都在其 _meta 字段中携带协议版本和客户端能力，客户端也应当在其中包含自己的身份标识。想要在发出其他请求之前了解服务器支持什么的客户端，会发送一个 server/discover 请求，每个服务器都必须实现它。发现响应通常是可缓存的，这意味着它可以被复用，从而不必为每个请求都执行一遍发现流程。

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "server/discover",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28",
      "io.modelcontextprotocol/clientInfo": {
        "name": "example-client",
        "version": "1.0.0"
      },
      "io.modelcontextprotocol/clientCapabilities": {
        "elicitation": {}
      }
    }
  }
}

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "resultType": "complete",
    "supportedVersions": ["2026-07-28"],
    "capabilities": {
      "tools": {
        "listChanged": true
      },
      "resources": {}
    },
    "_meta": {
      "io.modelcontextprotocol/serverInfo": {
        "name": "example-server",
        "version": "1.0.0"
      }
    },
    "ttlMs": 3600000,
    "cacheScope": "public"
  }
}

理解发现交换

_meta 字段和发现响应共同服务于以下几个目的：

协议版本选择：io.modelcontextprotocol/protocolVersion 字段声明客户端在本次请求上所使用的版本，而响应中的 supportedVersions 列出服务器接受的版本。如果服务器不支持所请求的版本，它会以一个列出其所支持版本的 UnsupportedProtocolVersionError 拒绝该请求，客户端随后使用双方都支持的版本重试。
能力发现：客户端在每个请求中通过 io.modelcontextprotocol/clientCapabilities 声明其能力，而服务器从 server/discover 返回它自己的 capabilities 对象。这告诉双方对方能处理哪些原语（工具、资源、提示），以及变更通知是否可用，从而不会尝试不受支持的操作。
身份交换：请求 _meta 中的 io.modelcontextprotocol/clientInfo 字段和结果 _meta 中的 io.modelcontextprotocol/serverInfo 字段，提供用于调试和兼容性目的的标识与版本信息。

在本示例中，该交换演示了 MCP 能力是如何声明的：客户端能力：

"elicitation": {} —— 客户端声明当服务器请求时，它可以从用户处收集额外输入

服务器能力：

"tools": {"listChanged": true} —— 服务器支持工具原语，并且能够在 subscriptions/listen 中兑现 toolsListChanged 过滤器。请求该过滤器的客户端会在工具列表变化时收到 notifications/tools/list_changed。
"resources": {} —— 服务器还支持资源原语（可以处理 resources/list 和 resources/read 方法）

调用 server/discover 是可选的。由于每个请求都携带相同的 _meta 字段，客户端完全可以直接发送任意请求，并在收到版本错误时进行处理。发现是一种在单个请求中获取服务器身份、能力和所支持版本的便捷方式。

这在 AI 应用中如何运作

AI 应用的 MCP 客户端管理器连接到已配置的服务器，并存储它们发现的能力以供后续使用。应用使用这些信息来确定哪些服务器能够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。在 Python SDK 中，发现在客户端连接时发生。随后其结果可在客户端对象上获取。

AI 应用发现的伪代码

# 伪代码
async with Client(stdio_client(server_config)) as client:
    if client.server_capabilities.tools:
        app.register_mcp_server(client, supports_tools=True)
    app.set_server_ready(client)

工具发现（原语）

客户端可以通过发送 tools/list 请求来发现可用的工具。此请求是 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",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28",
      "io.modelcontextprotocol/clientInfo": {
        "name": "example-client",
        "version": "1.0.0"
      },
      "io.modelcontextprotocol/clientCapabilities": {
        "elicitation": {}
      }
    }
  }
}

{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "resultType": "complete",
    "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"]
        }
      }
    ],
    "ttlMs": 300000,
    "cacheScope": "public"
  }
}

理解工具发现请求

tools/list 请求除了伴随每个 MCP 请求的标准 _meta 字段之外不需要任何参数。它还接受一个可选的 cursor 参数用于分页，上面的示例省略了它。

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都包含几个关键字段：

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，并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：对工具的作用以及何时使用它的详细说明
inputSchema：一个 JSON Schema，定义预期的输入参数，从而支持类型校验并对必需参数和可选参数提供清晰的文档

结果被标记为 "resultType": "complete" 并携带两个缓存字段。ttlMs 是以毫秒为单位的新鲜度提示，因此这个工具列表可以缓存五分钟。cacheScope 指示谁可以复用该响应。规范的缓存实用工具定义了完整的规则。

这在 AI 应用中如何运作

AI 应用从所有已连接的 MCP 服务器获取可用工具，并将它们合并到一个统一的工具注册表中，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相应的工具调用。

AI 应用工具发现的伪代码

# 使用 MCP Python SDK 模式的伪代码
available_tools = []
for client in app.mcp_clients():
    tools_response = await client.list_tools()
    available_tools.extend(tools_response.tools)
conversation.register_available_tools(available_tools)

联合许多服务器的客户端可以使用渐进式工具发现，而不是预先加载每一个工具。

工具执行（原语）

客户端现在可以使用 tools/call 方法执行一个工具。这演示了 MCP 原语在实践中如何被使用：在发现可用工具之后，客户端可以用适当的参数调用它们。

理解工具执行请求

tools/call 请求遵循一种结构化的格式，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称（weather_current），而不是简化后的名称：

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "weather_current",
    "arguments": {
      "location": "San Francisco",
      "units": "imperial"
    },
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28",
      "io.modelcontextprotocol/clientInfo": {
        "name": "example-client",
        "version": "1.0.0"
      },
      "io.modelcontextprotocol/clientCapabilities": {
        "elicitation": {}
      }
    }
  }
}

{
  "jsonrpc": "2.0",
  "id": 3,
  "result": {
    "resultType": "complete",
    "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

请求结构包含几个重要组成部分：

name：必须与发现响应中的工具名称（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 所定义的输入参数。在本示例中：
- location：“San Francisco”（必需参数）
- units：“imperial”（可选参数，若未指定则默认为 “metric”）
_meta：携带标准的每请求字段：每个 MCP 请求都必须包含的协议版本和客户端能力，外加客户端的身份标识（除非被配置为不包含，否则客户端应当包含它）。
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。在本示例中，"type": "text" 表示纯文本内容，但 MCP 为不同用例支持各种内容类型。
结构化输出：响应提供了可操作的信息，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 应用动态调用服务器功能，并接收可集成到与语言模型对话中的结构化响应。

这在 AI 应用中如何运作

当语言模型在对话过程中决定使用某个工具时，AI 应用会拦截该工具调用，将其路由到相应的 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 LLM 能够访问实时数据并在外部世界中执行操作。

# AI 应用工具执行的伪代码
async def handle_tool_call(conversation, tool_name, arguments):
    client = app.find_mcp_client_for_tool(tool_name)
    result = await client.call_tool(tool_name, arguments)
    conversation.add_tool_result(result.content)

实时更新（通知）

MCP 支持实时通知，使服务器无需被轮询即可将变化告知客户端。这演示了通知系统——一个使客户端保持同步和响应的关键特性。

订阅变更

变更通知是选择加入的。要接收它们，客户端通过发送一个带有 notifications 过滤器（指明它想要的事件类型）的 subscriptions/listen 请求，打开一个长期存在的通知流。这里客户端请求工具列表变更：

监听请求

{
  "jsonrpc": "2.0",
  "id": 4,
  "method": "subscriptions/listen",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28",
      "io.modelcontextprotocol/clientInfo": {
        "name": "example-client",
        "version": "1.0.0"
      },
      "io.modelcontextprotocol/clientCapabilities": {
        "elicitation": {}
      }
    },
    "notifications": {
      "toolsListChanged": true
    }
  }
}

每个客户端请求都在 _meta 中携带 io.modelcontextprotocol/protocolVersion 和 io.modelcontextprotocol/clientCapabilities 字段，通常还携带 io.modelcontextprotocol/clientInfo，因此服务器无需依赖连接状态即可识别客户端。服务器以 notifications/subscriptions/acknowledged 确认该订阅，这是第一条在 _meta 中携带该订阅 ID 的消息（在此之前服务器不会为该订阅发送任何其他通知）。它的 notifications 字段反映了服务器同意兑现的、所请求过滤器的子集，不受支持的通知类型将被省略：

确认

{
  "jsonrpc": "2.0",
  "method": "notifications/subscriptions/acknowledged",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/subscriptionId": 4
    },
    "notifications": {
      "toolsListChanged": true
    }
  }
}

理解工具列表变更通知

在确认之后，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），服务器会在该流上投递一条通知：

通知

{
  "jsonrpc": "2.0",
  "method": "notifications/tools/list_changed",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/subscriptionId": 4
    }
  }
}

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。
基于选择加入：此通知仅发送给在其 subscriptions/listen 过滤器中请求了 "toolsListChanged": true 的客户端，并且它仅可从在其工具能力中声明了 "listChanged": true 的服务器获得（如步骤 1 所示）。
订阅 ID 标记：流上的每条通知都在 _meta 中携带 io.modelcontextprotocol/subscriptionId。其值是打开该流的 subscriptions/listen 请求的 JSON-RPC ID（本示例中为 4），因此客户端可以将每条通知与产生它的订阅关联起来。
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。
尽力而为（Best Effort）：无法保证每条通知都会被发送或接收，尤其是在传输重连的情况下。客户端还应依赖轮询来保持结果的新鲜度。

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：

请求

{
  "jsonrpc": "2.0",
  "id": 5,
  "method": "tools/list",
  "params": {
    "_meta": {
      "io.modelcontextprotocol/protocolVersion": "2026-07-28",
      "io.modelcontextprotocol/clientInfo": {
        "name": "example-client",
        "version": "1.0.0"
      },
      "io.modelcontextprotocol/clientCapabilities": {
        "elicitation": {}
      }
    }
  }
}

通知为何重要

这个通知系统之所以至关重要，有以下几个原因：

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：客户端无需轮询变更；当更新发生时它们会被通知
一致性：确保客户端始终掌握关于可用服务器能力的准确信息
实时协作：使 AI 应用能够响应式地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，从而实现客户端与服务器之间全面的实时同步。

这在 AI 应用中如何运作

AI 应用为其所关心的变更保持一个通知流处于打开状态。当一条通知到达时，它会立即刷新其工具注册表并更新 LLM 的可用能力。这确保了正在进行的对话始终能够访问最新的工具集，并且 LLM 可以在新功能可用时动态适应。

# AI 应用通知处理的伪代码
async def follow_tool_changes(client):
    async with client.listen(tools_list_changed=True) as sub:
        async for _event in sub:
            tools_response = await client.list_tools()
            app.update_available_tools(client, 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

无状态与发现

原语

通知

示例

数据层

理解发现交换

这在 AI 应用中如何运作

理解工具发现请求

理解工具发现响应

这在 AI 应用中如何运作

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 应用中如何运作

订阅变更

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

通知为何重要

这在 AI 应用中如何运作

​范围

​MCP 的核心概念

​参与方

​分层

​数据层

​传输层

​数据层协议

​无状态与发现

​原语

​通知

​示例

​数据层

​理解发现交换

​这在 AI 应用中如何运作

​理解工具发现请求

​理解工具发现响应

​这在 AI 应用中如何运作

​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 应用中如何运作

​订阅变更

​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

​通知为何重要

​这在 AI 应用中如何运作

范围

MCP 的核心概念

参与方

分层

数据层

传输层

数据层协议

无状态与发现

原语

通知

示例

数据层

理解发现交换

这在 AI 应用中如何运作

理解工具发现请求

理解工具发现响应

这在 AI 应用中如何运作

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 应用中如何运作

订阅变更

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

通知为何重要

这在 AI 应用中如何运作