模型上下文协议（MCP），以及在Go语言中实现MCP服务器的注意事项

这里我们对**模型上下文协议（MCP）**进行了描述，简要说明了如何用Go语言实现一个MCP服务器，包括消息结构和协议规范。

模型上下文协议（MCP）概述

**模型上下文协议（MCP）**是一个开放、标准化的框架 （由Anthropic于2024年底引入） 用于将AI语言模型连接到外部数据源、工具和系统。其目标是通过提供一个通用接口来解决“N×M集成”问题，例如在不同应用程序中读取文件、执行函数（工具）和使用上下文提示。MCP不是专有或内部协议；它是一个开放标准，具有官方规范和开源参考实现。事实上，主要的AI提供商（包括OpenAI和Google DeepMind）在MCP推出后宣布支持MCP，这表明它旨在成为一个广泛采用的标准，而不是特定供应商的解决方案。

MCP的目的和架构

MCP旨在标准化应用程序如何向LLMs提供上下文——常用的类比是“AI应用的USB-C端口”。通过定义一个通用协议，MCP使AI助手和工具能够无缝地与数据库、文件系统、API和其他资源进行交互，而无需定制的一次性集成。这有助于语言模型通过安全访问所需数据，生成更相关、更及时的响应。

架构： MCP遵循客户端-服务器模型，具有明确的角色划分：

• MCP主机： 管理连接的父应用程序（例如聊天客户端或IDE），其中包含一个或多个MCP客户端（连接器）。
• MCP客户端： 在主机内部的一个连接器实例，它与MCP服务器建立一对一的会话。客户端处理会话生命周期、路由消息并执行任何用户权限或安全策略。
• MCP服务器： 一个轻量级服务，通过MCP协议公开特定功能（访问某些数据或函数）。每个服务器可能封装一个数据源（文件、数据库、API等）或工具。多个服务器可以并行运行，每个服务器提供不同的集成。
• 数据源/服务： 服务器实际交互的资源——这可以包括本地文件和数据库或远程服务（Web API、SaaS应用等）。MCP服务器充当这些资源的适配器，确保LLM仅通过标准化协议访问数据。

这种设计灵感来源于IDE世界中的语言服务器协议（LSP）。就像LSP允许任何编辑器通过通用协议支持任何编程语言一样，MCP允许任何AI应用程序连接到任何使用MCP的数据/工具集成。这种解耦意味着AI工具开发人员只需编写一次MCP服务器，就可以与许多AI客户端配合使用，而AI应用程序开发人员只需插入一个MCP服务器即可添加新的集成，避免了定制的集成代码。

协议和消息结构

通信： MCP通信基于使用JSON-RPC 2.0消息的持久、有状态会话。所有请求和响应都符合JSON-RPC的格式（包含"jsonrpc": "2.0"字段、方法名、参数和相关ID）。客户端或服务器任一方都可以发送请求或通知，实现双向交互。一个MCP会话通常以握手开始：

• 客户端以一个**initialize**请求开始，提出协议版本并宣传其能力（支持的功能）。例如，客户端可能表明它可以处理服务器驱动的“采样”请求或提供某些文件访问的根目录。服务器以它支持的协议版本和能力进行响应，最终确定此会话中启用的功能（MCP使用与LSP中可选功能类似的特性协商系统）。如果关键功能或版本不兼容，连接将优雅地中止。
• 在达成一致后，客户端发送一个**initialized**通知以标记准备就绪。之后，正常操作可以继续。会话保持打开状态，用于持续交换JSON-RPC消息，直到一方发出关闭指令。

传输： MCP不强制使用单一传输方式——它可以在任何能承载JSON文本的通道上运行。通常，MCP服务器作为子进程运行，并通过STDIO（stdin/stdout管道）进行通信，用于本地集成。这类似于语言服务器的操作，对于本地工具来说非常方便（主机可以启动服务器进程并传输消息）。另外，MCP服务器也可以作为独立服务运行，通过HTTP访问。MCP规范定义了一个流式HTTP传输方式，其中服务器暴露一个HTTP端点用于JSON-RPC调用（客户端发送POST请求，服务器可以通过Server-Sent Events（SSE）对长期运行的操作进行响应或流式传输结果）。无论哪种方式，消息都是UTF-8 JSON行，协议支持流式响应和服务器发起的消息（HTTP+SSE方式允许服务器异步推送通知或部分结果）。安全指南建议本地服务器绑定到localhost并验证Origin头以防止不必要的远程访问，远程服务器应使用适当的认证（如令牌或OAuth流程）。

消息格式： MCP利用JSON-RPC的三种消息类型：请求、响应和通知。请求包含一个id、一个method字符串和（可选的）params（通常是参数的JSON对象）。接收方必须用相应的响应（包含匹配的id）进行回复，响应中包含result或error对象。通知是单向消息，包含method和params但没有id（因此不会得到响应）。MCP在基础JSON-RPC之上施加了一些规则（例如，id必须非空且在会话中不能重复）以保持清晰。

会话和状态： 连接被认为是状态化的——客户端和服务器维护彼此能力的上下文，可能还维护一些会话状态（如对更改的订阅、正在进行的操作等）。还有定义良好的优雅关闭程序（例如，客户端可以发送关闭请求或直接关闭传输；服务器应处理清理，双方都实现超时处理以应对挂起的操作）。错误处理遵循JSON-RPC惯例（错误响应包含代码和消息），规范定义了某些条件的标准错误代码（例如，权限被拒绝、工具未找到等）。MCP还提供了工具来处理跨切面的问题：例如，内置了进度更新通知、长运行请求的取消（CancelledNotification）、日志/调试消息和配置更改通知。这些有助于管理长时间或复杂的交互（客户端可以取消正在进行的工具调用，或服务器可以向客户端发送警告日志等）。

MCP的功能和操作

初始化后，MCP会话使上下文和命令的交换以结构化的方式进行。MCP的核心服务器端功能包括提示、资源和工具（服务器在初始化时声明是否支持这些功能）：

• 提示： 服务器可以提供给客户端的预定义提示模板或指令。这些通常是用户触发的助手（用户明确选择一个提示插入到对话中，例如通过UI中的斜杠命令）。MCP提供了列出可用提示和获取提示内容的方法。例如，客户端可以调用prompts/list来获取提示模板列表（每个模板都有名称、描述和可选参数）。要获取提示，客户端使用prompts/get并提供提示名称和任何参数值；服务器随后返回提示内容（通常是一组消息，客户端将这些消息注入到LLM的上下文中）。提示允许用户按需重用复杂的指令或工作流程（例如，“代码审查模板”）。服务器会声明一个prompts能力（可选子功能如listChanged，用于通知客户端提示集是否动态变化）。

• 资源： 提供模型上下文的结构化数据或内容。资源通常是文件、文档、数据库条目等——AI助手可能读取或引用的信息。MCP标准化了资源的识别和传输方式：每个资源都有一个URI标识符（例如file:///path/to/file.txt或数据库的自定义方案）。客户端可以通过resources/list查询可用资源（服务器可能暴露目录树、最近文档列表等）。服务器的响应包括每个资源的元数据（URI、名称、类型、描述等）。然后客户端可以通过resources/read请求特定资源的内容，传递URI。服务器回复资源内容，可能是文本（对于文件）或结构化数据（MCP支持不同的内容类型，如文本、JSON、二进制等，使用MIME类型）。还支持资源模板（通过模板URI标识的参数化资源，客户端可以填充，例如数据库查询中用户提供的参数）。如果启用，服务器可以在资源更改时发送通知（例如notifications/resources/updated）或允许客户端订阅资源更改（resources/subscribe）。在MCP的设计中，资源是由应用程序控制的上下文：通常由主机应用程序（客户端）决定将哪些资源内容实际注入到模型的提示中（通常在用户确认后或基于UI上下文）。

• 工具： 服务器暴露的可执行函数或操作，供模型调用。工具代表AI可以执行的操作——例如调用外部API、运行数据库查询、发送电子邮件或修改文件。每个工具都有名称和输入（和可选输出）参数的JSON模式，因此AI（或客户端）知道预期的参数。工具通常是由模型控制的：想法是语言模型（代理）决定何时以及是否在对话中使用工具以满足用户请求。然而，出于安全考虑，人类用户或主机应用程序可能会调解工具使用（例如，要求确认点击）。在MCP中使用工具涉及两个主要操作：列出和调用。客户端可以调用tools/list以获取可用工具及其模式。例如，服务器可能会列出一个工具get_weather，并提供描述和需要“location”字符串的输入模式。然后，当模型决定使用工具（或用户调用它）时，客户端发送一个tools/call请求，包含工具名称和参数的JSON对象。服务器执行该函数并返回结果，通常作为result.content字段，其中可以包含文本或结构化数据（MCP支持返回多个内容部分，例如文本加图片等，尽管文本较为常见）。一个简单的例子：调用get_weather工具可能会返回一个文本负载，如“纽约当前天气：72°F，部分多云”，作为助手展示的内容。工具也可以指示错误（响应中包含isError标志或错误对象，如果发生错误）。与提示和资源一样，tools能力可以有一个可选的listChanged标志，用于在运行时通知可用工具发生变化（例如，动态加载/卸载插件）。

除了上述服务器提供的功能外，MCP还定义了客户端提供的功能（如果客户端支持，服务器可以利用这些功能）。这些包括采样、根目录和引导：

• 采样允许服务器请求客户端（及其LLM）在会话中执行模型推理。例如，服务器可以通过发送一个sampling/request请求来启动一个LLM调用（可能是为了继续一个推理链或总结某些内容）——客户端随后会提示模型并返回结果。这使得代理行为成为可能，服务器可以驱动AI协助其自身的子任务。（所有此类操作都需用户批准和策略——例如，用户可能需要同意让服务器触发模型以进行额外查询。）

• 根目录允许服务器询问或操作某些允许的文件系统或URI根目录。客户端可以通过roots/list提供服务器被允许访问的“根”目录/URI列表。这是一个安全功能，确保服务器知道边界（例如，它可以读取哪些文件夹树）。

• 引导允许服务器在需要时请求客户端从用户那里获取更多信息。例如，如果一个工具需要一个未提供的信息片段，服务器可以发送一个引导请求，客户端（UI）会将其转换为用户提示（“X集成需要您的API密钥，请输入它”）。这样，服务器可以通过客户端交互式地收集输入。

这些功能都是可选的，并在初始化时进行协商。MCP的一个关键设计方面是能力协商在初始化期间发生——客户端和服务器会宣传它们支持的上述功能，因此双方都知道会话中可用的操作。例如，如果服务器没有声明tools能力，客户端将不会尝试与它进行任何tools/list或tools/call操作。这种可扩展性意味着MCP可以随着新功能的引入而不断发展，同时保持向后兼容性（不支持的方法在未协商时将不会被使用）。

实现、SDK和构建MCP服务器（尤其是Go语言）

官方规范与文档： 权威的MCP规范是公开可用的，包括所有消息类型的正式模式。它由Model Context Protocol网站和GitHub维护。规范以TypeScript模式文件（以及对应的JSON Schema）定义，精确记录了所有请求、响应和结构。文档网站（modelcontextprotocol.io）提供了指南、常见问题解答和每个功能和消息类型的详细分解，以及一个“MCP Inspector”工具用于交互式调试。虽然MCP目前还不是IETF或ISO标准，但它作为开放标准开发，有社区输入，并使用熟悉的RFC 2119术语来定义要求。它是一个不断演进的协议（版本以日期标记；例如，2025-06-18是最近一次修订），并有版本管理政策来管理变更。

参考实现： 在引入MCP时，Anthropic开源了多个MCP服务器连接器和SDK。有一个GitHub组织**modelcontextprotocol托管规范和多个仓库。值得注意的是，一个“servers”仓库包含一组为常见服务和数据源构建的预装MCP服务器实现。这些作为参考集成，通常可以直接使用或作为自定义服务器的模板。例如，官方仓库包括Google Drive**（Google Drive中的文件访问和搜索）、Slack（工作区消息和频道内容）、GitHub/Git（代码仓库上下文）、PostgreSQL（带模式信息的只读数据库查询）、Google Maps（位置和路线API）、Puppeteer（网页浏览和抓取）等服务器。通过安装或运行这些服务器，像Claude或Cursor这样的AI应用可以立即获得这些集成。还有一个由社区驱动的MCP注册服务（用Go语言开源），用于索引可用服务器，许多第三方贡献将MCP扩展到各种领域（从CRM到区块链数据）。

SDK和库： 为了便于构建自己的MCP服务器/客户端，有多个语言的官方SDK。截至2025年，该项目提供了TypeScript/Node、Python、Java（和Kotlin）、C#（与微软合作开发）、Ruby（与Shopify合作）、Swift等语言的SDK。这些库处理协议的底层实现——例如管理JSON-RPC传输、实现规范模式并提供注册工具或提供资源的辅助API。例如，TypeScript SDK可用于快速编写Node.js服务器，Python SDK允许在Python应用中集成MCP。SDK方法意味着开发者不需要手动构建JSON-RPC消息或实现完整的状态机；相反，他们只需调用高级方法发送请求或发布能力。

Go语言实现： Go由于其性能和并发优势（适合处理多个同时请求），已成为MCP服务器的热门选择。现在有一个官方Go SDK，由Google的Go团队合作维护。（该SDK于2025年4月左右宣布，第一个稳定版本计划于2025年8月发布。）Go SDK提供了一个mcp包用于构建客户端/服务器，以及一个jsonschema辅助工具用于工具模式。使用Go SDK，开发者只需几次调用即可创建一个MCP服务器。例如，可以使用名称和版本实例化一个新服务器，然后通过AddTool添加工具，提供工具定义（名称、描述、输入模式）以及一个Go处理函数，当该工具被调用时执行。SDK负责在协议中暴露该工具（在tools/list中宣传并处理tools/call请求）。类似地，可以使用类似的API公开资源或提示。最后，运行服务器——例如，server.Run(ctx, mcp.NewStdioTransport())将开始通过stdio处理JSON-RPC消息，直到客户端断开连接。在客户端方面，Go SDK可以启动一个子进程并通过mcp.NewCommandTransport(exec.Command("myserver"))连接，然后客户端可以调用session.CallTool(ctx, params)以调用工具并在Go代码中轻松获取结果。

示例： 官方Go SDK文档展示了一个简单的“问候”服务器。服务器注册了一个名为greet的工具，该工具接受一个名称并返回问候字符串。客户端随后通过名称调用该工具并打印结果。这说明了基本模式：定义工具 -> 客户端调用工具 -> 获取结果。在底层，这对应于JSON-RPC消息（"method": "tools/call", params: {"name": "greet", ...}和包含result.content文本的响应），如MCP规范所定义。

在官方Go SDK发布之前，社区创建了自己的Go库。特别值得一提的是，Ed Zynda的**mcp-go项目（mark3labs/mcp-go）被广泛使用，并影响了官方SDK的设计。另一个库，mcp-golang**由Metoro提供，实现了Go语言的实现和API（Elton Minetto在2025年初的Dev社区博客文章使用了这个库）。这些社区SDK让Go开发者可以早期尝试MCP——例如，一个教程展示了如何使用Metoro的mcp-golang库构建一个MCP服务器，该服务器通过暴露一个“zipcode”工具来查找巴西邮政编码（CEP）。在该示例中，Go服务器注册了一个函数，该函数调用一个外部API以从ZIP码查找地址，并返回文本结果——允许AI助手通过MCP按需获取地址信息。另一个指南演示了如何使用mark3labs的mcp-go SDK将自定义的内存数据库（DiceDB）封装为MCP服务器：它定义了一个ping工具以检查数据库连接性，以及其他用于数据操作的工具。这些示例突显了创建MCP集成的简便性：大部分代码只是业务逻辑（API调用、数据库查询等），而SDK处理JSON-RPC的连接。

使用 Go 构建 MCP 服务器（教程亮点）

为了概述这个过程，这里是一个使用 Go SDK 或类似库的典型流程：

1. 设置服务器： 使用基本信息（名称、版本和声明支持的功能）初始化一个新的服务器实例。例如，在 Go 中：server := mcp.NewServer("MyServer", "1.0.0", nil) 将创建一个默认支持核心协议功能的服务器。你可以通过选项启用特定功能（如提示语/资源/工具），或者通过注册这些功能（添加工具或资源意味着启用该功能）来实现。

2. 注册功能： 添加你希望暴露的功能：

   • 如果要暴露 工具，定义每个工具的模式和处理程序。例如，使用 Go SDK 的 AddTool：提供一个 mcp.Tool{Name: "...", Description: "..."} 和一个处理函数，该函数接收调用请求并返回结果（可能包括文本或其他内容）。SDK 会根据处理函数的参数类型自动生成 JSON Schema（或者你可以手动指定）。
   • 如果要暴露 资源，你可能会使用 API 注册资源列表或提供一个读取内容的回调。例如，在 Python SDK 中，你可以继承 ResourceProvider；在 Go 中，SDK 正在不断发展，但你可能会提供用于列出和读取资源的函数。每个资源应具有稳定的 URI。
   • 如果要暴露 提示语，定义提示语模板（可以是静态文件或字符串），并使用名称和可选参数进行注册。服务器会将其广告出去，以便客户端可以获取并显示给用户。

3. 实现传输： 决定服务器如何运行。对于本地使用，最简单的是 stdio – 例如，在 Go 中，server.Run(ctx, mcp.NewStdioTransport()) 将开始从 stdin 读取 JSON-RPC。如果服务器需要联网，你可以实现一个 HTTP 处理程序，使用 Go SDK 接收通过 HTTP 的 JSON-RPC（官方 Go SDK 可能很快会提供 HTTP/SSE 传输的辅助工具）。

4. 客户端测试： 你可以使用兼容 MCP 的客户端测试服务器。例如，Anthropic 的 Claude 2（桌面版 Claude）支持加载本地 MCP 服务器；你可以配置 Claude 启动或连接到你的服务器二进制文件。还有一个名为 mcp-cli 的 CLI 工具和一个名为 MCP Inspector 的 GUI 工具，用于在没有完整 AI 客户端的情况下测试服务器 – 这些工具会向你的服务器发送 MCP 请求并显示结果，有助于调试。

5. 安全与权限： 在构建服务器时，考虑认证和权限范围。对于本地服务器，主机可能以特定的 OS 权限运行它，或通过环境变量提供 API 密钥。对于远程服务器，使用认证头或 OAuth 流程。MCP 包含针对 HTTP 传输的授权规范（服务器可以要求令牌，客户端可以发送它）。始终确保服务器仅访问用户允许的数据（例如，尊重客户端提供的根目录，不要在其他地方泄露数据） – MCP 指南强调用户同意、数据隐私和工具安全性是基本原则。

总而言之，MCP 是一种正式但灵活的协议，用于连接大型语言模型（LLM）与外部世界。它 不是 与某家公司绑定的内部 API，而是一个正在被广泛采用的开放标准，并拥有丰富的集成生态系统。该协议定义了清晰的消息结构（基于 JSON-RPC）和一组操作（如提示语、工具、资源等的方法），任何符合规范的客户端/服务器都可以实现。官方文档和规范已发布，众多 SDK、库和示例服务器（包括 Go）使得实现更加容易。通过使用 MCP，开发者可以构建 AI 功能的应用程序，安全地利用现有数据和服务，而无需为每个新模型或数据集重新发明集成逻辑。

有用的链接

• https://www.anthropic.com/news/model-context-protocol
• https://modelcontextprotocol.io/introduction
• https://github.com/modelcontextprotocol/go-sdk - Model Context Protocol 服务器和客户端的官方 Go SDK。与 Google 联合维护。