网页链接

• https://spec.modelcontextprotocol.io/specification/draft/client/sampling/

主要内容概述

该网页详细介绍了Model Context Protocol (MCP) 中的“Sampling”功能。Sampling允许服务器通过客户端请求语言模型（LLM）生成文本、音频或图像内容，而无需服务器直接使用API密钥访问模型。客户端在模型访问、选择和权限方面保持控制权，同时为服务器提供AI能力。

核心内容笔记

1. 用户交互模型 (User Interaction Model)

• Sampling允许服务器实现代理行为，通过在其他MCP服务器功能中嵌套LLM调用。
• 协议本身不强制规定具体的用户交互模式，但建议：
  • 提供易于使用的界面，方便用户审查Sampling请求。
  • 允许用户在发送前查看和编辑提示。
  • 在交付前让用户审查生成的响应。

2. 功能声明 (Capabilities)

• 支持Sampling的客户端必须在初始化时声明sampling能力：

  {"capabilities": {"sampling": {}}
  }
  

3. 协议消息 (Protocol Messages)

• 创建消息 (Creating Messages)
  • 服务器通过发送sampling/createMessage请求来请求语言模型生成内容。
  • 请求示例：

    {"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}
    }
    

  • 响应示例：

    {"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 (Message Flow)

• 服务器发起Sampling请求，用户在客户端审查并批准请求，客户端与模型交互并返回生成结果。
• 流程图：

  LLMUserClientServerLLMUserClientServer
  Server initiates sampling
  Human-in-the-loop review
  Model interaction
  Response review
  Complete request
  sampling/createMessage
  Present request for approval
  Review and approve/modify
  Forward approved request
  Return generation
  Present response for approval
  Review and approve/modify
  Return approved response
  

5. 数据类型 (Data Types)

• 消息 (Messages)
  • Sampling消息可以包含以下内容类型：
    • 文本内容 (Text Content)

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

    • 图像内容 (Image Content)

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

    • 音频内容 (Audio Content)

      {"type": "audio","data": "base64-encoded-audio-data","mimeType": "audio/wav"
      }
      

6. 模型偏好 (Model Preferences)

• 由于服务器和客户端可能使用不同的AI提供商，MCP通过偏好系统抽象化模型选择。
  • 能力优先级 (Capability Priorities)
    • 服务器通过以下三个归一化优先级值（0-1）表达需求：
      • costPriority：成本优先级，值越高表示越偏好低成本模型。
      • speedPriority：速度优先级，值越高表示越偏好低延迟模型。
      • intelligencePriority：智能优先级，值越高表示越偏好高级功能模型。
  • 模型提示 (Model Hints)
    • 提示允许服务器建议特定模型或模型家族：
      • 提示被视为模型名称的子字符串，可以灵活匹配。
      • 客户端可以根据提示将请求映射到其他提供商的等效模型。
      • 示例：

        {"hints": [{"name": "claude-3-sonnet"},{"name": "claude"}],"costPriority": 0.3,"speedPriority": 0.8,"intelligencePriority": 0.5
        }
        

7. 错误处理 (Error Handling)

• 客户端应为常见失败情况返回错误。
• 示例错误：

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

8. 安全考虑 (Security Considerations)

• 客户端应实现用户审批控制。
• 双方应验证消息内容。
• 客户端应尊重模型偏好提示。
• 客户端应实现速率限制。
• 双方必须妥善处理敏感数据。