深入解析MCP的提示词模板：结构、使用方法与实践（六）

引言

模型上下文协议(Model Context Protocol, MCP)是一种开放协议，旨在实现大型语言模型(LLM)应用与外部数据源、工具和服务之间的无缝集成。MCP可以比作AI应用的USB-C接口，它提供了一种将AI模型连接到不同数据源、工具和功能的标准方法。MCP通过标准化模型与外部资源的交互方式，提升LLM应用的功能性、灵活性和可扩展性。
在MCP框架中，提示词模板(Prompts)扮演着至关重要的角色。它们使服务器能够定义可重用的提示词模板和工作流，客户端可以轻松地将其呈现给用户和LLM。提示词提供了一种强大的方式来标准化和共享常见的LLM交互。

MCP提示词的基本概念

提示词的定义

MCP中的提示词是预定义的模板，具有以下核心功能：

• 接受动态参数
• 包含来自资源的上下文
• 链接多个交互
• 引导特定工作流
• 作为UI元素呈现（如斜杠命令）
  提示词被设计为用户可控的，这意味着它们从服务器暴露给客户端时，目的是让用户能够明确地选择使用它们。

提示词的结构

每个提示词的定义包含以下部分：

{
   
  name: string; // 提示词的唯一标识符
  description?: string; // 人类可读的描述
  arguments?: [ // 可选的参数列表
    {
   
      name: string; // 参数标识符
      description?: string; // 参数描述
      required?: boolean; // 参数是否必需
    }
  ]
}

• name: 提示词的唯一标识符，用于唯一标识该提示词
• description: 人类可读的描述，解释提示词的功能
• arguments: 参数列表，每个参数包含：
  • name: 参数标识符
  • description: 参数描述
  • required: 布尔值，指示参数是否必需

发现和使用提示词

发现可用的提示词

客户端可以通过prompts/list端点发现可用的提示词：

// 请求
{
   
  "method": "prompts/list"
}
// 响应
{
   
  "prompts": [
    {
   
      "name": "analyze-code",
      "description": "分析代码以寻找潜在改进",
      "arguments": [
        {
   
          "name": "language",
          "description": "编程语言",
          "required": true
        }
      ]
    }
  ]
}

获取提示词详细信息

要获取特定提示词的详细信息，客户端可以发送prompts/get请求：

// 请求
{
   
  "method": "prompts/get",
  "arguments": {
   
    "name": "analyze-code"
  }
}
// 响应
{
   
  "name": "analyze-code",
  "description": "分析代码以寻找潜在改进",
  "arguments": [
    {
   
      "name": "language",
      "description": "编程语言",
      "required": true
    }
  ]
}

执行提示词

要执行提示词，客户端需要发送prompts/execute请求：

// 请求
{
   
  "method": "prompts/execute",
  "arguments": {
   
    "name": "analyze-code",
    "arguments": {
   
      "language": "python"
    }
  }
}

提示词的工作原理

提示词的生命周期

提示词的生命周期包括创建、发现、获取和执行四个主要阶段：

1. 创建: 服务器创建提示词模板，并定义其参数和功能
2. 发现: 客户端通过prompts/list发现可用的提示词
3. 获取: 客户端通过prompts/get获取特定提示词的详细信息
4. 执行: 客户端通过prompts/execute执行提示词，LLM根据该提示词生成响应

提示词与LLM的交互

提示词模板结合了系统提示和用户输入的占位符。当客户端调用提示词时，MCP服务器会将提示词模板与提供的参数结合起来，形成要发送给LLM的完整提示。例如，对于一个名为"summarize-text"的提示词，系统提示可能是：
“你是一个文本摘要专家。你的任务是总结给定的文本。保持简洁，抓住主要观点。”
然后，用户输入是"text"参数的值。完整的提示将是：
“你是一个文本摘要专家。你的任务是总结给定的文本。保持简洁，抓住主要观点。文本：[text_value]”
这个完整的提示被发送给LLM，它将生成相应的摘要。

提示词示例

基础提示词示例

以下是一个名为"simple_prompt"的基础提示词示例，它不接受任何参数[7]：

• 名称: simple_prompt
• 描述: 基础提示，无参数
• 返回值: 单条消息交换