开发协议
有效的 MCP 服务器开发的核心是遵循结构化的协议。该协议通过位于 MCP 工作目录根目录（/Users/your-name/Documents/Cline/MCP）中的 .clinerules 文件实现。
使用 .clinerules 文件
.clinerules 文件是一个特殊的配置文件，Cline 会在放置该文件的目录中工作时自动读取。这些文件：
以下是应放置在 .clinerules 文件中的完整 MCP 服务器开发协议：
❓ 什么是 MCP 服务器？
可以把 MCP 服务器想象成给 Cline 提供额外功能的特殊助手！它们让 Cline 能够完成像获取网页或处理文件这样的酷炫功能。
⚠️ 重要提示：系统要求
停一下！在继续之前，你必须验证以下要求：
必需软件
node --versionpython --versionpip install uvuv --version❗ 如果以上任何命令失败或显示较旧的版本，请在继续之前进行安装/更新！
⚠️ 如果遇到其他错误，请参见下方的"故障排除"部分。
🎯 快速步骤（仅在满足要求后执行！）
1. 🛠️ 安装你的第一个 MCP 服务器
MCP Server 标签Edit MCP Settings 按钮Windows 系统：
使用 Cline 从零开始构建自定义 MCP 服务器：综合指南
本指南提供了使用 Cline 的强大 AI 功能从零开始构建自定义 MCP (Model Context Protocol) 服务器的全面演示。示例将通过构建一个"GitHub 助手服务器"来说明这个过程。
理解 MCP 和 Cline 在构建服务器中的作用
什么是 MCP？
模型上下文协议(MCP)充当了像 Claude 这样的大型语言模型(LLMs)与外部工具和数据之间的桥梁。MCP 包含两个关键组件：
当你有一个 MCP 兼容的聊天界面(如 Claude Desktop)时，这种设置很有用，因为它可以利用这些服务器来访问信息和执行操作。
为什么使用 Cline 创建 MCP 服务器？
Cline 通过利用其 AI 功能简化了构建和集成 MCP 服务器的过程：
npm run build 这样的命令来编译和准备服务器。cline_mcp_settings.json 文件中。TLDR; Agentic applications need both A2A and MCP. We recommend MCP for tools and A2A for agents.
TLDR; 代理应用程序需要 A2A 和 MCP。我们建议将 MCP 用于工具，将 A2A 用于代理。
Why Protocols?（为什么需要协议？）
Standard protocols are essential for enabling agentic interoperability, particularly in connecting agents to external systems. This is critical in two interconnected areas of innovation: Tools and Agents.
标准协议对于实现代理互操作性至关重要，特别是在将代理连接到外部系统时。这在两个相互关联的创新领域中至关重要：工具和代理。
Tools are primitives with structured inputs and outputs and (typically) well-known behavior.
安装 Node.js 环境
brew install node
调试 GitHub MCP Server
export GITHUB_PERSONAL_ACCESS_TOKEN=github_pat_XXX
npx @modelcontextprotocol/inspector npx -y @modelcontextprotocol/server-github
用户界面
运行浏览器，访问 URL：http://127.0.0.1:6274/
参考资料
GitHub MCP 服务器
GitHub API 的 MCP 服务器，支持文件操作、仓库管理、搜索功能等。
功能特点
工具
create_or_update_fileowner (字符串)：仓库所有者（用户名或组织）repo (字符串)：仓库名称path (字符串)：创建/更新文件的路径content (字符串)：文件内容message (字符串)：提交消息branch (字符串)：要在其中创建/更新文件的分支sha (可选字符串)：被替换文件的 SHA（用于更新）push_filesowner (字符串)：仓库所有者repo (字符串)：仓库名称branch (字符串)：要推送到的分支files (数组)：要推送的文件，每个包含 path 和 contentmessage (字符串)：提交消息search_repositories 搜索 GitHub 仓库 输入： query (字符串)：搜索查询
本页概述了支持模型上下文协议(Model Context Protocol, MCP)的应用程序。每个客户端可能支持不同的MCP功能，从而实现与MCP服务器的不同级别的集成。
功能支持矩阵
本页展示了各种模型上下文协议(MCP)服务器，这些服务器展示了该协议的功能和多样性。这些服务器使大型语言模型(LLM)能够安全地访问工具和数据源。
参考实现
这些官方参考服务器展示了核心 MCP 功能和 SDK 用法：
数据和文件系统
开发工具
Web 和浏览器自动化
生产力和通信
AI 和专业工具 EverArt - 使用各种模型的 AI 图像生成 Sequential Thinking -
服务器通过MCP提供了为语言模型添加上下文的基本构建块。这些原语支持客户端、服务器和语言模型之间的丰富交互：
每个原语可以在以下控制层次结构中概括：
| 原语 | 控制方 | 描述 | 示例 |
|---|---|---|---|
| 提示 | 用户控制 | 由用户选择调用的交互式模板 | 斜杠命令、菜单选项 |
| 资源 | 应用程序控制 | 由客户端附加和管理的上下文数据 | 文件内容、Git历史 |
| 工具 | 模型控制 | 向LLM公开以执行操作的函数 | API POST请求、文件写入 |
提示词
模型上下文协议（MCP）提供了一种标准化方式，使服务器能够向客户端公开提示词模板。提示词允许服务器提供结构化消息和与语言模型交互的指令。客户端可以发现可用的提示词，获取其内容，并提供参数来自定义它们。
用户交互模型
提示词设计为用户控制的，这意味着它们从服务器暴露给客户端，目的是让用户能够明确选择使用它们。
通常，提示词会通过用户界面中的用户发起命令触发，这允许用户自然地发现和调用可用的提示词。
例如，作为斜杠命令：
然而，实现者可以自由地通过任何适合其需求的界面模式来公开提示词——协议本身不强制要求任何特定的用户交互模型。
能力
支持提示词的服务器必须在初始化期间声明prompts能力：
模型上下文协议（Model Context Protocol）由几个协同工作的关键组件组成：
所有实现必须支持基础协议和生命周期管理组件。其他组件可以根据应用程序的特定需求来实现。
这些协议层在实现客户端和服务器之间丰富交互的同时，建立了明确的关注点分离。模块化设计允许实现精确支持所需的功能。
消息
MCP 客户端和服务器之间的所有消息必须遵循 JSON-RPC 2.0 规范。协议定义了以下类型的消息：
请求（Requests）
请求从客户端发送到服务器，或者从服务器发送到客户端，用于启动操作。
{
jsonrpc: "2.0";
id: string | number;
method: string;
params?: {
[key: string]: unknown;
};
}
null。响应（Responses）
响应是对请求的回复，包含操作的结果或错误。
模型上下文协议（MCP）采用客户端-主机-服务器架构，每个主机可以运行多个客户端实例。这种架构使用户能够跨应用程序集成AI功能，同时保持明确的安全边界和关注点隔离。MCP基于JSON-RPC构建，提供专注于客户端和服务器之间上下文交换和采样协调的有状态会话协议。
核心组件
graph LR
subgraph "应用程序主机进程"
H[主机]
C1[客户端 1]
C2[客户端 2]
C3[客户端 3]
H --> C1
H --> C2
H --> C3
end
subgraph "本地机器"
S1[服务器 1<br>Files 和 Git]
S2[服务器 2<br>数据库]
R1[("本地<br>资源 A")]
// ...
主机
主机进程作为容器和协调器：
客户端
每个客户端由主机创建，并维护独立的服务器连接：
主机应用程序创建和管理多个客户端，每个客户端与特定服务器保持1:1关系。
服务器
服务器提供专门的上下文和功能：
协议修订版本：2025-03-26
Model Context Protocol（MCP）是一个开放协议，它使 LLM 应用程序与外部数据源和工具之间能够无缝集成。无论您是构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化的方式来连接 LLM 与它们所需的上下文。
本规范基于 schema.ts 中的 TypeScript 模式，定义了权威的协议要求。
有关实现指南和示例，请访问 modelcontextprotocol.io。
概述
MCP 为应用程序提供了标准化的方式来：
该协议使用 JSON-RPC 2.0 消息在以下组件之间建立通信：
MCP 部分受到 Language Server Protocol 的启发，后者标准化了如何在整个开发工具生态系统中添加对编程语言的支持。类似地，MCP 标准化了如何将额外的上下文和工具集成到 AI 应用程序的生态系统中。
关键细节
基础协议
功能
服务器向客户端提供以下任何功能：
这篇文章是使用 Google Gemini Deep Research 生成的。提示词：
研究 Model Context Protocol
1. 模型上下文协议 (MCP) 导论
大型语言模型 (LLMs) 在理解和生成人类语言方面取得了显著的进步。然而，这些模型本质上是孤立的，它们的知识仅限于训练数据，并且缺乏与外部世界交互的能力 1。为了克服这些限制，将 LLMs 与外部数据源和工具集成变得至关重要 1。传统上，这种集成是通过为每个新的数据源或工具开发定制的连接器来实现的 1。这种方法导致了集成工作的重复，难以扩展，并且维护成本高昂，阻碍了上下文感知 AI 的广泛采用 1。
为了应对这一挑战，模型上下文协议 (MCP) 应运而生 1。MCP 是一种开放标准，旨在规范应用程序如何向 LLMs 提供上下文和工具 6。可以将 MCP 视为 AI 应用程序的通用连接器，类似于 USB-C 标准化了设备和外设之间的连接 6。通过提供一种标准化的方式将 AI 模型连接到各种数据源和工具，MCP 简化了集成，增强了互操作性，并促进了可扩展性 6。
本报告旨在对模型上下文协议 (MCP) 进行全面的解析，涵盖其基本原理、核心架构、通信机制、广泛的应用场景以及客户端和服务器端的创建方法。通过深入理解 MCP，开发者和组织可以更好地利用这一新兴标准，构建更智能、更具上下文感知能力的 AI 应用。