MCP（Model Control Protocol）协议的请求结构是客户端与大模型服务端交互的核心规范，定义了如何向模型传递任务、参数、上下文等关键信息。其设计需兼顾灵活性（支持多任务类型）和标准化（确保跨系统兼容），以下是详细的请求结构解析（以JSON格式为例，涵盖核心字段及扩展场景）：

一、请求结构总览

一个完整的MCP请求包含协议元信息、模型指定、任务定义、上下文数据、控制参数等模块，整体结构如下：

{
  "protocol_version": "string",    // 协议版本
  "request_id": "string",          // 唯一请求ID
  "model": { ... },                // 模型选择与配置
  "task": { ... },                 // 核心任务定义（类型+参数）
  "context": { ... },              // 上下文数据（如多轮对话历史）
  "control": { ... },              // 控制参数（超时、重试等）
  "auth": { ... }                  // 认证信息（可选）
}

二、核心字段详解

1. 协议元信息（基础必填）

• protocol_version

  • 作用：指定协议版本（如"1.0"、"2.1"），用于服务端兼容不同版本的请求格式。
  • 示例："protocol_version": "1.0"
  • 注意：不同版本可能存在字段差异（如1.0不支持多模态，2.0新增multimodal字段），需与服务端版本匹配。

• request_id

  • 作用：客户端生成的唯一标识符（如UUID），用于追踪请求、关联响应、重试去重。
  • 示例："request_id": "req-7f9a3b2d-8c1e-4d5b-9a0c-1f2e3d4c5b6a"
  • 要求：全局唯一，建议包含时间戳+随机字符串，避免冲突。

2. 模型指定（model，必填）

用于指定目标模型及版本，确保服务端调用正确的模型实例。

"model": {
  "name": "string",       // 模型名称（如"gpt-4"、"llama3-70b"、"qwen-vl"）
  "version": "string",    // 模型版本（如"1.0"、"latest"）
  "provider": "string"    // 模型提供商（可选，如"openai"、"anthropic"）
}

• 示例：

  "model": {
    "name": "llama3-70b",
    "version": "2.0",
    "provider": "meta"
  }
  

• 注意：若服务端仅支持单一模型，name和version可能可选，但建议显式指定。

3. 任务定义（task，核心必填）

定义模型需执行的具体任务（如文本生成、翻译、工具调用等），包含任务类型和任务参数，是请求的核心。

（1）task.type：任务类型（必填）

决定模型的行为逻辑，常见类型如下：

• text_generation：文本生成（如对话、创作、问答）。
• translation：翻译（如中英互译）。
• embedding：生成文本向量（用于检索、相似度计算）。
• function_call：工具调用（如调用API、数据库查询）。
• multimodal_generation：多模态生成（如图文混合输入）。

（2）task.parameters：任务参数（随type变化）

根据任务类型定义具体参数，以下是常见任务的参数示例：

① 文本生成（text_generation）

"task": {
  "type": "text_generation",
  "parameters": {
    "prompt": "请总结以下文章的核心观点：...",  // 输入指令（必填）
    "max_tokens": 1024,                         // 最大生成长度（默认512）
    "temperature": 0.7,                         // 随机性（0-1，值越高越随机）
    "top_p": 0.9,                               // 核采样（0-1，控制候选词范围）
    "top_k": 50,                                // _top_k采样（保留前k个候选词）
    "stop": ["\n", "###"],                      // 终止符（遇到则停止生成）
    "stream": true,                             // 是否流式输出（默认false）
    "response_format": "json"                   // 输出格式（默认text，可选json）
  }
}

② 翻译（translation）

"task": {
  "type": "translation",
  "parameters": {
    "text": "Hello, world!",                    // 待翻译文本（必填）
    "source_lang": "en",                        // 源语言（默认自动检测）
    "target_lang": "zh-CN",                     // 目标语言（必填）
    "formality": "formal"                       // 正式度（可选，如"formal"/"informal"）
  }
}

③ 工具调用（function_call）

"task": {
  "type": "function_call",
  "parameters": {
    "functions": [                              // 可用工具列表（可选，服务端可能预定义）
      {
        "name": "weather_query",
        "description": "查询指定城市的天气",
        "parameters": {
          "type": "object",
          "properties": {
            "city": {"type": "string"},
            "date": {"type": "string", "format": "YYYY-MM-DD"}
          },
          "required": ["city"]
        }
      }
    ],
    "function_call": {                          // 具体调用参数（必填）
      "name": "weather_query",
      "parameters": {"city": "上海", "date": "2025-10-30"}
    }
  }
}

④ 多模态生成（multimodal_generation）

"task": {
  "type": "multimodal_generation",
  "parameters": {
    "prompt": "描述这张图片的内容",             // 文本指令（必填）
    "images": [                                 // 图像数据（必填，多图支持）
      {"type": "url", "value": "https://example.com/img1.jpg"},
      {"type": "base64", "value": "data:image/jpeg;base64,/9j/4AAQSkZJRgABA..."}
    ],
    "max_tokens": 512
  }
}

4. 上下文数据（context，可选）

用于传递对话历史、会话状态等上下文信息，确保多轮交互的连贯性（常见于对话场景）。

"context": {
  "session_id": "sess-123",                    // 会话ID（标识同一轮对话）
  "history": [                                  // 历史消息列表
    {"role": "user", "content": "什么是MCP协议？"},
    {"role": "assistant", "content": "MCP协议是模型控制协议..."},
    {"role": "user", "content": "它的请求结构包含哪些部分？"}
  ],
  "system_prompt": "你是一个AI助手，需用简洁语言回答问题"  // 系统提示词（全局配置）
}

• role：消息角色，常见值为user（用户）、assistant（模型）、system（系统提示）。
• session_id：可选，用于服务端关联同一用户的多轮请求（如保存历史）。

5. 控制参数（control，可选）

用于配置请求的执行策略，如超时、重试、优先级等。

"control": {
  "timeout": 30000,                 // 超时时间（毫秒，默认30秒）
  "priority": "normal",             // 优先级（low/normal/high，影响队列调度）
  "retryable": true,                // 是否允许重试（默认true）
  "cache": {                        // 缓存配置（可选，减少重复计算）
    "enable": true,
    "ttl": 3600                     // 缓存有效期（秒）
  }
}

6. 认证信息（auth，可选）

用于身份验证，通常包含API密钥、令牌等（部分场景可能通过HTTP Header传递，如Authorization: Bearer <token>）。

"auth": {
  "api_key": "sk-xxxxxxxxxxxxxxxxxxxx",  // API密钥
  "token": "eyJhbGciOiJIUzI1NiIsInR5cCI6IkpXVCJ9..."  // JWT令牌
}

三、完整请求示例（多轮对话场景）

{
  "protocol_version": "1.0",
  "request_id": "req-20251030-12345",
  "model": {
    "name": "gpt-4",
    "version": "latest"
  },
  "task": {
    "type": "text_generation",
    "parameters": {
      "prompt": "它和HTTP协议有什么区别？",
      "max_tokens": 512,
      "temperature": 0.5,
      "stream": false
    }
  },
  "context": {
    "session_id": "chat-789",
    "history": [
      {"role": "user", "content": "什么是MCP协议？"},
      {"role": "assistant", "content": "MCP协议是模型控制协议，用于客户端与大模型服务端的交互。"}
    ]
  },
  "control": {
    "timeout": 60000,
    "priority": "normal"
  },
  "auth": {
    "api_key": "sk-abc123"
  }
}

四、关键设计原则

1. 灵活性：通过task.type和task.parameters的组合，支持多样化任务（文本、多模态、工具调用等）。
2. 兼容性：protocol_version字段确保不同版本协议可平滑升级。
3. 可追踪性：request_id和session_id便于问题排查和会话管理。
4. 安全性：支持多种认证方式，保护模型服务不被未授权访问。

实际使用时，需结合目标模型服务的文档调整字段（部分服务可能简化或扩展某些字段），但核心结构保持一致。