AI协议

MCP 中 Tools、Resources 与 Prompts 怎么分

2026-03-26 #MCP#Tools#Resources

Tools 用于动作,Resources 提供上下文,Prompts 提供交互模板。

MCP 客户端、服务器以及 Tools、Resources 和 Prompts 三类能力的边界图

图:Tool 执行动作,Resource 提供上下文,Prompt 生成消息模板;点击查看原图。

问题背景

生成式模型擅长处理模糊语言和提出候选方案,却不天然保证状态一致、权限正确或动作可恢复。讨论“MCP 中 Tools、Resources 与 Prompts 怎么分”时,重点不应只是跑通演示,而是系统失败后是否知道发生了什么、能否安全继续,以及结果能否重复验证。

设计方案

只读文档优先 Resource,计算或副作用建 Tool,用户入口适合 Prompt。

在“MCP 能力边界”进入实现前,先标注输入来源、调用身份和数据等级;输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时,执行记录必须包含稳定业务键和脱敏证据。

实施产物:MCP 能力边界

副作用操作建模为 Tool;可读取上下文建模为 Resource;可复用交互模板建模为 Prompt;三者分别授权和观测。先在测试环境保存一条完整运行证据,再接入真实写操作;每次变更都必须能定位到配置、代码和数据版本。

1
2
3
4
5
6
7
practice:
id: mcp-tools-resources-prompts
artifact: "MCP 能力边界"
owner: platform-team
timeout_seconds: 30
failure_mode: fail_closed
audit: required

示例只表达边界,不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API,并把超时、身份和审计接到现有基础设施。

实施步骤

  1. 选一个可回放的小任务,写清输入、成功条件和禁止发生的副作用。
  2. 实现“MCP 能力边界”,把模型建议与真正执行隔离。
  3. 人工走通成功、拒绝和恢复三条路径,保存 run_id 与关键事件。
  4. 加入自动化回归,再用小比例非关键流量观察指标。
  5. 达到门槛后逐步放量;任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是:把所有能力都做成 Tool,读数据也扩大权限面。不要只验证顺利完成;还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是:客户端枚举三类能力并按声明完成调用、读取和模板渲染。同时记录 能力发现成功率、越权拒绝数、协议错误率。验收脚本应按结构化字段判定,不以“回答看起来合理”代替测试。

上线与回滚

“MCP 能力边界”上线前要固定模型、提示、规则、工具 schema 与数据版本,并用影子或灰度流量比较旧版。若 能力发现成功率、越权拒绝数、协议错误率 越过门槛,先停止新 Run,再处理在途任务,恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“不需要跨客户端互操作”时,这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码,不能交给模型自行判断。

用“控制权与副作用”做分类

能力 适合承载 客户端行为
Tool 计算、查询、可能的外部动作 模型/应用发起调用,参数校验
Resource 可读取的上下文与数据 由应用选择、读取和缓存
Prompt 用户可选择的交互模板 展示参数后渲染消息

“读取文件”不一定都是 Resource:固定 URI 的只读文档适合 Resource;按复杂条件搜索、需要权限审计的查询更像 Tool。Prompt 不应偷偷执行写操作,它只是生成消息结构。Tool 若有副作用,名称、描述、schema 和审批策略都必须清楚表达。

能力发现按当前身份裁剪,URI 与 tool 参数仍在每次访问时重新鉴权。Resource 带 MIME、版本/ETag 与大小上限;订阅更新要处理断线与乱序。Prompt 参数使用 schema 并标记不可信内容,渲染结果不能提升其中指令的权威级别。

契约测试用独立客户端枚举三类能力,验证分页、未知能力、权限拒绝、取消与版本变化。命名和描述属于协议 UX,变更同样需要兼容评估;不要把一个“万能 execute” Tool 代替清晰的能力边界。

第二轮实践复核

围绕“MCP 能力边界”建立一个不接触生产数据的最小项目,固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型,应视为架构伪代码;只有放入示例仓库并通过下述命令的代码才标记为可运行。

  • 项目验证:运行项目既有的 schema 校验、契约测试与离线评测命令
  • 回归夹具:把输入、结构化输出、工具轨迹和副作用记录为 JSON,用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
  • 必留证据:run_id、版本组合、终止原因、动作幂等键,以及 能力发现成功率、越权拒绝数、协议错误率。
  • 通过条件:未批准写操作为零副作用;相同幂等键重复执行只产生一个业务结果;超时或恢复后状态可解释。
  • 失败处理:先停新任务,再核对在途动作;回滚模型、提示、规则、工具与状态迁移的完整组合,不能只换回模型。

复用顺序

  1. 为“MCP 中 Tools、Resources 与 Prompts 怎么分”建立确定性假工具,先跑契约与失败用例,不接触真实凭据。
  2. 围绕“MCP 能力边界”接入只读能力,核对权限裁剪、脱敏字段和 Trace 完整性。
  3. 需要写能力时先输出 dry-run 差异,再绑定审批结果与一次性动作哈希。
  4. 以本文验收指标比较影子流量;达到门槛才放量,越线立即执行文中的组合回滚。

实践与资料复核日期:2026-08-22;框架 API 以锁定版本的官方文档为准。

参考资料

框架 API 会持续演进,复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色,而依赖清晰契约、可靠 Harness 与可重复验证。

评论
分享

评论