MCP（Model Context Protocol）模型上下文协议 理论篇3 - 核心元素

MCP官方文档在介绍完架构后，直接进入了各种定义的详细说明，这种方式对开发者并不友好。因此，在深入后续内容之前，我先简要梳理一下MCP协议在内容控制方面的核心思路：

协议主要将控制分为三个重点：application-controlled、user-controlled 和 model-controlled，分别对应 Resources、Prompts 和 Tools 三个基本核心元素（primitive）。此外，还定义了一个目前尚不支持的 Sampling 机制。

资源（Resources）

资源是模型上下文协议（MCP）中的核心组件，允许服务器向客户端暴露数据和内容，供大语言模型（LLM）交互时使用。资源设计为应用控制（application-controlled），即客户端应用决定何时以及如何使用这些资源。不同客户端对资源的使用方式可能不同，例如，Claude Desktop要求用户明确选择资源，而其他客户端可能基于启发式自动选择资源，甚至允许AI模型自行决定使用哪些资源。服务器开发者应准备好处理这些不同的交互模式。

提示模板（Prompts）

提示功能使服务器能够定义可重复使用的提示模板和流程，便于客户端向用户和LLM展示。提示设计为用户控制（user-controlled），即服务器将提示暴露给客户端，用户可以明确选择使用哪些提示，从而标准化和共享常见的LLM交互。

工具（Tools）

工具是MCP中的强大组件，允许服务器向客户端暴露可执行功能，使LLM能够与外部系统交互、执行计算或采取现实世界的行动。工具设计为模型控制（model-controlled），即服务器将工具暴露给客户端，AI模型可以自动调用这些工具。

采样（Sampling）

采样是MCP的一个功能，允许服务器通过客户端请求（这不就是倒反天罡么）LLM的完成结果，支持复杂的代理行为，同时保持安全性和隐私性。目前，即使是 Claude Desktop 客户端也尚不支持此功能。

评价

目前，MCP协议虽然定义得较为全面，但在实际应用中，tools的作用至关重要。用户可以通过编写高质量的prompt，灵活支持多个tools的混合调用，而不必完全依赖服务器提供的prompts。至于资源的定义，评判标准较为模糊。如果用户不希望LLM访问某些资源，直接不提供相关tool即可，无需等到LLM请求时再拒绝。唯一可能需要临时中止的场景是：当模型在调用过程中试图对资源进行错误操作。但这种做法会导致每次调用都需要用户手动确认，增加了不便。

综上所述，MCP的整体调用机制高度依赖于tools，其他定义更多是为了完善场景需求，而非针对Agent或function call的硬性要求。