核心概念
工具
使 LLM 能够通过您的服务器执行操作
工具是模型上下文协议(MCP)中的强大原语,使服务器能够向客户端公开可执行功能。通过工具,LLM 可以与外部系统交互,执行计算,并在现实世界中采取行动。
工具被设计为模型控制的,这意味着工具从服务器公开给客户端,目的是让 AI 模型能够自动调用它们(在人类参与循环以授予批准的情况下)。
概述
MCP 中的工具允许服务器公开可由客户端调用并由 LLM 用于执行操作的可执行函数。工具的关键方面包括:
- 发现:客户端可以通过
tools/list
端点列出可用工具 - 调用:工具使用
tools/call
端点调用,服务器执行请求的操作并返回结果 - 灵活性:工具可以从简单的计算到复杂的 API 交互不等
与资源一样,工具由唯一名称标识,并可包含描述以指导其使用。然而,与资源不同,工具代表可以修改状态或与外部系统交互的动态操作。
工具定义结构
每个工具的定义具有以下结构:
实现工具
以下是在 MCP 服务器中实现基本工具的示例:
工具模式示例
以下是服务器可以提供的一些工具类型示例:
系统操作
与本地系统交互的工具:
API 集成
包装外部 API 的工具:
数据处理
转换或分析数据的工具:
最佳实践
在实现工具时:
- 提供清晰、描述性的名称和描述
- 使用详细的 JSON Schema 定义参数
- 在工具描述中包含示例,以演示模型应如何使用它们
- 实现适当的错误处理和验证
- 对长时间操作使用进度报告
- 保持工具操作集中和原子化
- 记录预期的返回值结构
- 实现适当的超时
- 考虑对资源密集型操作进行速率限制
- 记录工具使用情况以进行调试和监控
安全考虑
在公开工具时:
输入验证
- 根据模式验证所有参数
- 净化文件路径和系统命令
- 验证 URL 和外部标识符
- 检查参数大小和范围
- 防止命令注入
访问控制
- 在需要时实现身份验证
- 使用适当的授权检查
- 审计工具使用
- 限制请求速率
- 监控滥用
错误处理
- 不向客户端公开内部错误
- 记录与安全相关的错误
- 适当处理超时
- 错误后清理资源
- 验证返回值
工具发现和更新
MCP 支持动态工具发现:
- 客户端可以随时列出可用工具
- 服务器可以使用
notifications/tools/list_changed
通知客户端工具何时更改 - 工具可以在运行时添加或删除
- 工具定义可以更新(尽管应谨慎进行)
错误处理
工具错误应在结果对象内报告,而不是作为 MCP 协议级错误。这允许 LLM 查看并可能处理错误。当工具遇到错误时:
- 在结果中将
isError
设置为true
- 在
content
数组中包含错误详情
以下是工具正确错误处理的示例:
这种方法允许 LLM 看到发生了错误,并可能采取纠正措施或请求人类干预。
测试工具
MCP 工具的全面测试策略应涵盖:
- 功能测试:验证工具使用有效输入正确执行,并适当处理无效输入
- 集成测试:使用真实和模拟依赖项测试工具与外部系统的交互
- 安全测试:验证身份验证、授权、输入净化和速率限制
- 性能测试:检查负载下的行为、超时处理和资源清理
- 错误处理:确保工具通过 MCP 协议正确报告错误并清理资源