Model Context Protocol (MCP) 通信过程详解

1. MCP 简介

Model Context Protocol (MCP) 是一种开放标准，用于在 AI 应用程序和外部系统之间建立安全的双向连接。它允许 AI 应用（如 Claude 或 ChatGPT）连接到数据源（如本地文件、数据库）、工具（如搜索引擎、计算器）和工作流（如专用提示），使它们能够访问关键信息并执行任务。

可以把 MCP 理解为 AI 应用的"USB-C 接口"，就像 USB-C 为电子设备提供标准化连接方式一样，MCP 为 AI 应用提供了一种标准化的方式来连接外部系统。

2. MCP 架构

MCP 采用客户端-服务器架构，其中：

MCP Host：AI 应用程序，协调和管理一个或多个 MCP 客户端
MCP Client：维护与 MCP 服务器连接的组件，并从 MCP 服务器获取上下文供 MCP Host 使用
MCP Server：提供上下文给 MCP 客户端的程序

MCP 架构包含两个层次：

数据层：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、核心原语（如工具、资源、提示）等
传输层：定义客户端和服务器之间数据交换的通信机制和通道，包括传输特定的连接建立、消息帧和授权

3. MCP 通信流程

MCP 通信遵循严格的生命周期管理，确保正确的功能协商和状态管理。整个通信过程分为三个阶段：

3.1 初始化阶段

初始化阶段是客户端和服务器之间的第一次交互，主要完成协议版本协商和功能能力交换。

sequenceDiagram participant C as MCP Client (AI应用) participant S as MCP Server C->>S: initialize 请求 Note right of C: 包含协议版本、<br/>客户端功能和支持的实现信息 S->>C: initialize 响应 Note left of S: 返回协议版本、<br/>服务器功能和支持的实现信息 C->>S: initialized 通知 Note right of C: 表示客户端已准备好开始正常操作

初始化过程详细步骤：

客户端发送 initialize 请求，包含协议版本、客户端功能和支持的实现信息
服务器响应 initialize 请求，返回协议版本、服务器功能和支持的实现信息
客户端发送 initialized 通知，表示已准备好开始正常操作

3.2 操作阶段

在操作阶段，客户端和服务器根据协商的功能进行消息交换。

MCP 定义了三种核心原语，服务器可以暴露这些原语供客户端使用：

工具 (Tools)：AI 应用可以调用的可执行函数（如文件操作、API 调用、数据库查询）
资源 (Resources)：为 AI 应用提供上下文信息的数据源（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重用模板（如系统提示、少量示例）

sequenceDiagram participant C as MCP Client (AI应用) participant S as MCP Server note over C,S: 工具发现和调用流程 C->>S: tools/list 请求 S->>C: 工具列表响应 C->>S: tools/call 请求 Note right of C: 调用具体工具，<br/>传递参数 S->>C: 工具调用结果 note over C,S: 资源访问流程 C->>S: resources/list 请求 S->>C: 资源列表响应 C->>S: resources/read 请求 Note right of C: 读取具体资源内容 S->>C: 资源内容响应 note over C,S: 提示使用流程 C->>S: prompts/list 请求 S->>C: 提示列表响应 C->>S: prompts/get 请求 Note right of C: 获取具体提示内容 S->>C: 提示内容响应

3.3 关闭阶段

关闭阶段是一方（通常是客户端）正常终止协议连接的过程。

对于不同的传输机制，关闭方式有所不同：

Stdio 传输：通过关闭输入/输出流来关闭连接
HTTP 传输：通过关闭相关 HTTP 连接来关闭连接

4. MCP 核心原语详解

4.1 工具 (Tools) 原语

工具是 AI 应用可以调用的可执行函数，允许模型与外部系统交互。工具通常用于执行操作，如文件操作、API 调用或数据库查询。

示例：

{
  "name": "get_weather",
  "title": "Weather Information Provider",
  "description": "Get current weather information for a location",
  "inputSchema": {
    "type": "object",
    "properties": {
      "location": {
        "type": "string",
        "description": "City name or zip code"
      }
    },
    "required": ["location"]
  }
}

当 AI 模型需要获取天气信息时，它可以调用这个工具，传入位置参数，服务器会执行相应的操作并返回结果。

4.2 资源 (Resources) 原语

资源是为 AI 应用提供上下文信息的数据源。它们通常是只读的数据，可以是文件内容、数据库记录或 API 响应。资源通过 URI 进行唯一标识，客户端可以列出和读取这些资源。

示例：

{
  "uri": "file:///project/src/main.py",
  "name": "main.py",
  "title": "Python Application Main File",
  "description": "Primary application entry point",
  "mimeType": "text/x-python"
}

当 AI 模型需要了解项目代码结构时，它可以请求读取这些资源，获取文件内容作为上下文信息。

资源的特点：

通过 URI 唯一标识
可以是文本或二进制数据
支持 MIME 类型标识
可以包含元数据（如最后修改时间、重要性等）

4.3 提示 (Prompts) 原语

提示是可重用的模板，有助于构建与语言模型的交互。它们通常由用户主动选择使用，可以是系统提示、少量示例或其他预定义的对话模板。

示例：

{
  "name": "code_review",
  "title": "Request Code Review",
  "description": "Asks the LLM to analyze code quality and suggest improvements",
  "arguments": [
    {
      "name": "code",
      "description": "The code to review",
      "required": true
    }
  ]
}

当用户想要对代码进行审查时，可以选择这个提示模板，传入需要审查的代码，系统会生成一个结构化的请求发送给 AI 模型。

提示的特点：

由用户主动选择使用
可以包含参数占位符
支持多种内容类型（文本、图像、音频等）
可以嵌入资源内容

5. 传输机制

MCP 支持两种标准传输机制：

5.1 Stdio 传输

在 Stdio 传输中：

客户端将 MCP 服务器作为子进程启动
服务器从标准输入 (stdin) 读取 JSON-RPC 消息，并向标准输出 (stdout) 发送消息
消息通过换行符分隔，且不能包含嵌入的换行符

5.2 Streamable HTTP 传输

在 Streamable HTTP 传输中：

服务器作为独立进程运行，可以处理多个客户端连接
使用 HTTP POST 和 GET 请求进行通信
服务器可以使用服务器发送事件 (SSE) 来流式传输多个服务器消息

sequenceDiagram participant C as MCP Client participant S as MCP Server note over C,S: 建立 SSE 连接 C->>S: GET /sse (建立SSE连接) S->>C: SSE 连接建立，返回消息端点 note over C,S: 客户端发送请求 C->>S: POST /messages (JSON-RPC请求) S->>C: 202 Accepted note over S: 服务器通过SSE<br/>发送响应或通知 S->>C: SSE message 事件

6. 工具调用示例

工具调用是 MCP 中最重要的功能之一，允许 AI 模型与外部系统交互：

sequenceDiagram participant M as AI 模型 (LLM) participant C as MCP Client participant S as MCP Server M->>C: 请求调用天气查询工具 C->>S: tools/list (发现可用工具) S->>C: 返回工具列表 C->>S: tools/call (调用具体工具) Note right of C: 参数: {location: "北京"} S->>S: 调用外部API获取天气信息 S->>C: 返回天气信息 C->>M: 将天气信息传递给AI模型

7. 安全考虑

MCP 实现需要考虑以下安全问题：

服务器必须：
- 验证所有工具输入
- 实现适当的访问控制
- 限制工具调用频率
- 清理工具输出
客户端应该：
- 在敏感操作上提示用户确认
- 在调用服务器前向用户显示工具输入，避免恶意或意外的数据泄露
- 验证工具结果后再传递给 LLM
- 实现工具调用超时机制
- 记录工具使用情况用于审计

8. 错误处理

MCP 使用两种错误报告机制：

协议错误：标准 JSON-RPC 错误，用于处理未知工具、无效参数、服务器错误等问题
工具执行错误：在工具结果中使用 isError: true 标记，用于报告 API 失败、无效输入数据、业务逻辑错误等

9. 总结

MCP 通过标准化的协议为 AI 应用提供了一种强大的机制来访问外部系统和工具。其基于 JSON-RPC 的通信机制、严格的生命周期管理以及对多种传输方式的支持，使得 AI 应用可以安全、可靠地与各种外部资源进行交互。通过工具、资源和提示三种核心原语，MCP 为构建功能丰富的 AI 应用提供了坚实的基础。

工具、资源和提示这三种原语各有不同的用途和特点：

工具：由 AI 模型主动调用，用于执行操作
资源：由应用主动提供，作为上下文信息
提示：由用户主动选择，用于引导对话流程

这种设计使得 MCP 能够支持各种不同的使用场景，从简单的工具调用到复杂的上下文管理和对话流程控制。

posted @ 2025-09-22 20:19 JMCui 阅读(122) 评论(0) 收藏举报

刷新页面返回顶部

JMCui