MCP（Model Context Protocol）模型上下文协议理论篇7 - 采样（Sampling）

AIQL

已于 2024-12-24 22:56:33 修改

阅读量1.2k

点赞数 9

CC 4.0 BY-SA版权

分类专栏： MCP(Model Context Protocol) 文章标签： ai gpt 开源协议 MCP

于 2024-12-22 12:53:00 首次发布

本文链接：https://blog.csdn.net/aiqlcom/article/details/144645016

MCP(Model Context Protocol) 专栏收录该内容

24 篇文章

订阅专栏

模型上下文协议（MCP） 提供了一种标准化的方式，使服务器能够通过客户端请求语言模型（LLM）的采样（“生成”或“补全”）。该流程允许客户端控制模型访问、选择和权限，同时使服务器能够利用AI能力，而无需服务器提供API密钥。服务器可以请求基于文本或图像的交互，并可选择在提示中包含来自MCP服务器的上下文。

用户交互模型

MCP中的采样允许服务器实现代理行为，通过嵌套在其他MCP服务器功能中的LLM调用来实现。

实现可以自由地通过任何适合其需求的接口模式公开采样功能——协议本身并不强制要求特定的用户交互模型。

为了信任与安全以及安全性，应始终在采样请求中保留一个人工审核环节，以便能够拒绝采样请求。

应用程序应：

提供易于使用且直观的UI，以便用户审查采样请求。
允许用户在发送前查看和编辑提示。
在交付前展示生成的响应以供审查。

功能

支持采样的客户端必须在初始化时声明采样功能：

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

协议消息

创建消息

要请求语言模型生成内容，服务器发送一个 sampling/createMessage 请求：

请求：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "sampling/createMessage",
  "params": {
    "messages": [
      {
        "role": "user",
        "content": {
          "type": "text",
          "text": "法国的首都是什么？"
        }
      }
    ],
    "modelPreferences": {
      "hints": [
        {
          "name": "claude-3-sonnet"
        }
      ],
      "intelligencePriority": 0.8,
      "speedPriority": 0.5
    },
    "systemPrompt": "你是一个有帮助的助手。",
    "maxTokens": 100
  }
}

响应：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "role": "assistant",
    "content": {
      "type": "text",
      "text": "法国的首都是巴黎。"
    },
    "model": "claude-3-sonnet-20240307",
    "stopReason": "endTurn"
  }
}

消息流程

数据类型

消息

采样消息可以包含以下内容：

文本内容：

{
  "type": "text",
  "text": "消息内容"
}

图像内容：

{
  "type": "image",
  "data": "base64编码的图像数据",
  "mimeType": "image/jpeg"
}

总结

由于Claude官方桌面应用尚未支持采样功能，这一功能的实际应用场景尚不明确。然而，我个人认为，采样功能在根据请求的难度动态调用不同成本的模型，或者在构建多代理系统（multi-agent）时具有关键作用。

目前，我正在进行采样功能的代码开发尝试，预计在后续的实战篇2中（大概元旦后吧），将为大家带来更多关于这一功能的实际应用和代码实现。