采样
协议修订版本：2025-06-18
Model Context Protocol (MCP) 提供了一种标准化方式，让服务器可以通过客户端向语言模型请求 LLM 采样（"补全"或"生成"）。这种流程允许客户端保持对模型访问、选择和权限的控制，同时使服务器能够利用 AI 能力——无需服务器 API 密钥。服务器可以请求基于文本、音频或图像的交互，并可选择在其提示中包含来自 MCP 服务器的上下文。
1. 用户交互模型
MCP 中的采样允许服务器实现智能体行为，通过在其他 MCP 服务器功能内部启用 LLM 调用来实现嵌套。
实现可以自由地通过任何适合其需求的接口模式来公开采样——协议本身不强制任何特定的用户交互模型。
WARNING
出于信任、安全和防护考虑，应该始终有人工参与，并具有拒绝采样请求的能力。
应用程序应该：
- 提供使审查采样请求变得简单直观的 UI
- 允许用户在发送前查看和编辑提示
- 在传递前展示生成的响应供审查
2. 能力声明
支持采样的客户端必须在初始化期间声明 sampling 能力：
{
"capabilities": {
"sampling": {}
}
}3. 协议消息
3.1 创建消息
要请求语言模型生成，服务器发送 sampling/createMessage 请求：
请求：
{
"jsonrpc": "2.0",
"id": 1,
"method": "sampling/createMessage",
"params": {
"messages": [
{
"role": "user",
"content": {
"type": "text",
"text": "What is the capital of France?"
}
}
],
"modelPreferences": {
"hints": [
{
"name": "claude-3-sonnet"
}
],
"intelligencePriority": 0.8,
"speedPriority": 0.5
},
"systemPrompt": "You are a helpful assistant.",
"maxTokens": 100
}
}响应：
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"role": "assistant",
"content": {
"type": "text",
"text": "The capital of France is Paris."
},
"model": "claude-3-sonnet-20240307",
"stopReason": "endTurn"
}
}4. 消息流程
5. 数据类型
5.1 消息
采样消息可以包含：
5.1.1 文本内容
{
"type": "text",
"text": "The message content"
}5.1.2 图像内容
{
"type": "image",
"data": "base64-encoded-image-data",
"mimeType": "image/jpeg"
}5.1.3 音频内容
{
"type": "audio",
"data": "base64-encoded-audio-data",
"mimeType": "audio/wav"
}5.2 模型偏好
MCP 中的模型选择需要仔细抽象，因为服务器和客户端可能使用不同的 AI 提供商，具有不同的模型产品。服务器不能简单地按名称请求特定模型，因为客户端可能无法访问该确切模型，或者可能更倾向于使用不同提供商的等效模型。
为了解决这个问题，MCP 实现了一个偏好系统，该系统将抽象能力优先级与可选模型提示相结合：
5.2.1 能力优先级
服务器通过三个标准化优先级值（0-1）表达其需求：
costPriority：最小化成本有多重要？较高的值偏好更便宜的模型。speedPriority：低延迟有多重要？较高的值偏好更快的模型。intelligencePriority：高级能力有多重要？较高的值偏好更有能力的模型。
5.2.2 模型提示
虽然优先级有助于根据特征选择模型，但 hints 允许服务器建议特定的模型或模型系列：
- 提示被视为可以灵活匹配模型名称的子字符串
- 多个提示按偏好顺序评估
- 客户端可以将提示映射到来自不同提供商的等效模型
- 提示是建议性的——客户端做出最终模型选择
例如：
{
"hints": [
{ "name": "claude-3-sonnet" }, // 偏好 Sonnet 级别的模型
{ "name": "claude" } // 回退到任何 Claude 模型
],
"costPriority": 0.3, // 成本不那么重要
"speedPriority": 0.8, // 速度非常重要
"intelligencePriority": 0.5 // 中等能力需求
}客户端处理这些偏好以从其可用选项中选择合适的模型。例如，如果客户端无法访问 Claude 模型但有 Gemini，它可能会根据类似的能力将 sonnet 提示映射到 gemini-1.5-pro。
6. 错误处理
客户端应该为常见故障情况返回错误：
错误示例：
{
"jsonrpc": "2.0",
"id": 1,
"error": {
"code": -1,
"message": "User rejected sampling request"
}
}7. 安全考虑
- 客户端应该实现用户批准控制
- 双方应该验证消息内容
- 客户端应该尊重模型偏好提示
- 客户端应该实现速率限制
- 双方必须适当处理敏感数据