6 个核心 MCP Primitive

6 Core MCP Primitives

不少开发者觉得 MCP 只是又一种 tool calling 标准，但这只是触及了表面。和简单的 tool calling 不同，MCP 在你的 AI 应用与 Server 之间建立起了双向通信。下面就来拆解一下让 MCP 真正强大起来的 6 个核心 primitive（并配合示例说明）：

先从 Client 说起——它是在 LLM 应用和 Server 之间促成对话的实体，提供了 3 项关键能力：

1）Sampling

Client 一端总是配有一个 LLM。因此在需要的时候，Server 可以请求 Client 的 LLM 生成一些补全内容，与此同时权限和安全始终由 Client 掌控。举例来说，一个带有旅行相关 Tool 的 MCP Server，可以请求 LLM 从一份列表中挑出最优的航班。

2）Roots

这项能力让 Client 可以定义 Server 能够访问哪些文件，从而让整个交互过程是安全的、沙盒化的，并且访问范围受到限定。举例来说，一个用于预订旅行的 Server，可能只被授权访问某个特定目录，从中读取用户的日历。

3）Elicitations

这项能力让 Server 可以在任务执行过程中，以结构化的方式向用户请求输入。举例来说，一个预订旅行的 Server，可能会询问用户对机舱座位、房型的偏好，或者要一个联系电话，以便最终完成预订。接下来，我们来聊聊 MCP Server。Server 同样开放 3 项能力：tools、resources 和 prompts

4）Tools

Tools 由模型控制，是真正「做事」的函数：写入数据库、触发某些逻辑、发送邮件等等。举例来说：

• 查找航班
• 发送消息
• 创建日历事件

5）Resources

Resources 由应用控制，是被动的只读数据，比如文件、日历、知识库等等。举例：

• 读取文档
• 读取日历
• 访问知识库

6）Prompts

Prompts 由用户控制，是预先构建好的指令模板，用来指导 LLM 如何使用 tools/resources。举例：

• 规划一次假期

• 起草一封邮件

• 总结我的会议内容

这说明 MCP 并不只是又一种 tool calling 标准，而是在你的 AI 应用与 Server 之间建立起双向通信，从而构建出强大的 AI 工作流。

理解了 MCP 的核心理念之后，我们就可以来看看这些理念在实际开发工作流中是如何落地的。

MCP 定义了整体结构，但开发者仍然需要一种简单直接的方式，来构建 Agent、配置 Client，并通过 Server 开放各种能力。

这正是开源框架 mcp-use 派上用场的地方。

它支持完整的 MCP 生态，涵盖 agent、client 和 server，能帮助你构建既适合实验、也适合生产环境的端到端工作流。