架构概述

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2025-06-18",
    "capabilities": {
      "elicitation": {}
    },
    "clientInfo": {
      "name": "example-client",
      "version": "1.0.0"
    }
  }
}

​

理解初始化交互

1. 协议版本协商：protocolVersion 字段（例如 “2025-06-18”）确保客户端和服务端使用的是兼容的协议版本。这可以防止不同版本尝试交互时可能发生的通信错误。如果没有协商出共同兼容的版本，则应终止连接。
2. 能力发现：capabilities 对象允许各方声明它们支持哪些特性，包括它们可以处理哪些原语（工具、资源、提示词）以及是否支持通知等特性。这通过避免不支持的操作来实现高效通信。
3. 身份交换：clientInfo 和 serverInfo 对象提供标识和版本信息，用于调试和兼容性目的。

• "elicitation": {} - 客户端声明它可以处理用户交互请求（可以接收 elicitation/create 方法调用）

• "tools": {"listChanged": true} - 服务端支持工具原语，并且可以在工具列表更改时发送 tools/list_changed 通知
• "resources": {} - 服务端还支持资源原语（可以处理 resources/list 和 resources/read 方法）

{
  "jsonrpc": "2.0",
  "method": "notifications/initialized"
}

​

在 AI 应用中如何运作

# Pseudo Code
async with stdio_client(server_config) as (read, write):
    async with ClientSession(read, write) as session:
        init_response = await session.initialize()
        if init_response.capabilities.tools:
            app.register_mcp_server(session, supports_tools=True)
        app.set_server_ready(session)

{
  "jsonrpc": "2.0",
  "id": 2,
  "method": "tools/list"
}

​

理解工具发现请求

​

理解工具发现响应

• name：服务端命名空间内工具的唯一标识符。这是工具执行的主键，应遵循清晰的命名模式（例如：calculator_arithmetic 而不仅仅是 calculate）
• title：工具的人类可读显示名称，客户端可以向用户显示
• description：关于工具用途及何时使用的详细说明
• inputSchema：一个 JSON Schema，定义了预期的输入参数，支持类型验证并提供关于必填和可选参数的清晰文档

​

在 AI 应用中如何运作

# Pseudo-code using MCP Python SDK patterns
available_tools = []
for session in app.mcp_server_sessions():
    tools_response = await session.list_tools()
    available_tools.extend(tools_response.tools)
conversation.register_available_tools(available_tools)

​

理解工具执行请求

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "weather_current",
    "arguments": {
      "location": "San Francisco",
      "units": "imperial"
    }
  }
}

​

工具执行的关键要素

1. name：必须与发现响应中的工具名称 (weather_current) 完全匹配。这确保了服务端可以正确识别要执行哪个工具。
2. arguments：包含由工具的 inputSchema 定义的输入参数。在本例中
   • location: “San Francisco”（必填参数）
   • units: “imperial”（可选参数，如果不指定则默认为 “metric”）
3. JSON-RPC 结构：使用标准 JSON-RPC 2.0 格式，带有用于请求-响应关联的唯一 id。

​

理解工具执行响应

1. content 数组：工具响应返回内容对象的数组，支持丰富的多格式响应（文本、图像、资源等）
2. 内容类型：每个内容对象都有一个 type 字段。在本例中，"type": "text" 表示纯文本内容，但 MCP 支持针对不同用例的各种内容类型。
3. 结构化输出：响应提供了可操作的信息，AI 应用可以将其用作语言模型交互的上下文。

​

在 AI 应用中如何运作

# Pseudo-code for AI application tool execution
async def handle_tool_call(conversation, tool_name, arguments):
    session = app.find_mcp_session_for_tool(tool_name)
    result = await session.call_tool(tool_name, arguments)
    conversation.add_tool_result(result.content)

​

理解工具列表变更通知

{
  "jsonrpc": "2.0",
  "method": "notifications/tools/list_changed"
}

​

MCP 通知的主要特性

1. 无需响应：请注意通知中没有 id 字段。这遵循了 JSON-RPC 2.0 通知语义，即不期望也不发送响应。
2. 基于能力：此通知仅由在初始化期间在其工具能力中声明了 "listChanged": true 的服务端发送（如步骤 1 所示）。
3. 事件驱动：服务端根据内部状态更改决定何时发送通知，使 MCP 连接具有动态性和响应性。

​

客户端对通知的响应

{
  "jsonrpc": "2.0",
  "id": 4,
  "method": "tools/list"
}

​

为什么通知很重要

1. 动态环境：工具可能会根据服务端状态、外部依赖或用户权限而出现或消失
2. 效率：客户端不需要轮询更改；当更新发生时它们会被通知
3. 一致性：确保客户端始终拥有关于可用服务端能力的准确信息
4. 实时协作：支持能够适应不断变化的上下文的响应式 AI 应用

​

在 AI 应用中如何运作

# Pseudo-code for AI application notification handling
async def handle_tools_changed_notification(session):
    tools_response = await session.list_tools()
    app.update_available_tools(session, tools_response.tools)
    if app.conversation.is_active():
        app.conversation.notify_llm_of_new_capabilities()