鸭梨公共文档

主题

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：

json
{
  "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：

json
{
  "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：

json
{
  "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 ​

json
{
  "type": "text",
  "text": "The message content"
}

5.1.2 图像内容 ​

json
{
  "type": "image",
  "data": "base64-encoded-image-data",
  "mimeType": "image/jpeg"
}

5.1.3 音频内容 ​

json
{
  "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：

json
{
  "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：

json
{
  "jsonrpc": "2.0",
  "id": 1,
  "error": {
    "code": -1,
    "message": "User rejected sampling request"
  }
}

7. 安全考虑 ​

  1. 客户端应该实现用户批准控制
  2. 双方应该验证消息内容
  3. 客户端应该尊重模型偏好提示
  4. 客户端应该实现速率限制
  5. 双方必须适当处理敏感数据