ai

1.MCP 服务器特性概述 #

协议修订版本: 2025-06-18

2.什么是 MCP 服务器？ #

MCP（Model Context Protocol）服务器是连接语言模型与外部世界的桥梁。它为语言模型提供了丰富的上下文信息，让AI能够更好地理解用户需求并执行相应操作。

3.核心构建模块 #

MCP 服务器通过三个基本构建模块为语言模型提供上下文：

3.1 提示词 (Prompts) #

定义: 预定义的模板或指导语言模型交互的指令

作用: 帮助用户快速启动特定的交互模式，提供标准化的操作入口

示例:

斜杠命令（如 /help、/search）
菜单选项
快捷操作按钮

3.2 资源 (Resources) #

定义: 为模型提供额外上下文的结构化数据或内容

作用: 让AI了解当前环境的信息，做出更准确的判断

示例:

文件内容
Git 历史记录
数据库信息
用户偏好设置

3.3 工具 (Tools) #

定义: 允许模型执行操作或检索信息的可执行函数

作用: 让AI能够主动执行操作，而不仅仅是回答问题

示例:

API POST 请求
文件写入操作
数据库查询
系统命令执行

4.控制层次结构 #

每个基本元素都有不同的控制级别，形成了清晰的分层架构：

元素类型	控制方	描述	典型示例
提示词	用户可控	用户选择触发的交互式模板	斜杠命令、菜单选项
资源	应用控制	客户端附加并管理的上下文数据	文件内容、Git历史记录
工具	模型控制	暴露给LLM以执行操作的函数	API POST请求、文件写入

4.1 控制层次说明 #

用户层控制 - 提示词
- 用户主动选择使用
- 提供标准化的交互入口
- 降低使用门槛
应用层控制 - 资源
- 由客户端应用管理
- 提供必要的上下文信息
- 确保数据安全和隐私
模型层控制 - 工具
- AI模型自主决定使用
- 执行具体的操作任务
- 实现真正的智能化交互

5.为什么这样设计？ #

5.1 安全性考虑 #

用户控制: 用户明确知道自己在做什么
应用管理: 敏感数据由应用控制，不直接暴露给AI
模型执行: AI只能执行预定义的安全操作

5.2 易用性提升 #

标准化: 提供统一的交互模式
上下文感知: AI能够理解当前环境
自动化: 减少重复性操作

5.3 灵活性平衡 #
可定制: 不同应用可以定制不同的提示词和资源
可扩展: 工具可以不断添加新功能
可组合: 三个层次可以灵活组合使用

6.实际应用场景 #

6.1 开发环境集成 #

用户: "/debug" 
→ 提示词触发调试模式
→ 资源提供当前代码和错误信息
→ 工具执行调试命令

6.2 文档助手 #

用户: "/search 数据库连接"
→ 提示词启动搜索模式
→ 资源提供项目文档和代码库
→ 工具执行搜索并返回结果

6.3 项目管理 #

用户: "/create-task 完成用户认证功能"
→ 提示词启动任务创建
→ 资源提供项目结构和需求文档
→ 工具创建任务卡片并分配

7.学习建议 #

从提示词开始: 先熟悉各种预定义的交互模式
理解资源管理: 了解如何为AI提供合适的上下文
掌握工具使用: 学习如何让AI执行具体操作
实践组合应用: 将三个层次结合起来解决实际问题