上周末，Anthropic 一口气放出了很多内部核心贡献工程师的分享。他们把 MCP 协议的设计哲学、开发技巧、未来计划也同步放了出来。
如今，没有哪家大厂不拥抱 MCP。不止国内的阿里、字节、腾讯、百度、京东，即便是国外的即便是 Anthropic 死对头的 OpenAI 也表示全面支持 MCP 协议。
所以，这次 Anthropic 将内部分享放出来，可以说是又“哥们儿”了一把。
这次的分享者是，David Soria Parra，是他们 AI 技术团队成员，同时也是MCP 的联合创建者。
“MCP 服务将不再只是本地 Docker 容器，而是一个网站。Web 化才是 MCP 未来的关键。”
“大多数人使用MCP都太简单了，它不止是工具调用，它还可以做很多丰富人机交互体验的部分。”
在“Code w/ Claude” 分享中，David 详细解构了 MCP 的五大原语钥匙：Prompt、Resource、Sampling、Roots、Tool，每一个原语背后都是一个潜力巨大的交互魔法，并进一步阐述了 MCP 团队正在计划开展的工作，比如构建复杂的 MCP 链式调用等。
总之，MCP 协议的设计哲学、原语组合方式、Web 化趋势，包括一些挂件的技术细节，比如：如何鉴权、如何Scaling等等，以及未来它可能带来的革命性变革，全都在这场分享里了。
联合创建者：大多数人都没有用好MCP
大家好，我叫 David，是 Anthropic 的一名技术工程师，同时也是 MCP 协议的联合创建者之一。今天我想和大家分享一些关于这个协议的深入内容，特别是它的更多可能性。
目前，大多数人使用 MCP 协议主要是为了调用工具（Tool Calls），但实际上它的能力远不止于此。我的目标是向你展示 MCP 协议还能做什么，以及你如何用它构建更丰富的人机交互体验，尤其是超越传统工具调用的那部分。
我会先介绍一些我们称为“原语（primitives）”的概念，也就是 MCP 协议中服务器向客户端暴露信息的基本方式。之后，我会分享一些鲜为人知但非常实用的协议能力，最后再谈谈 MCP 的未来发展方向，尤其是如何将它引入 Web 世界。
Prompt：被忽视的“预设模版”
我们先从一种鲜有人知的 MCP 原语说起：Prompt。
这里的 Prompt 并不是我们通常理解的“提示词”，在 MCP 中，它是一种由服务器预设的 AI 交互模版，用户可以直接将这些文本模版添加进上下文窗口，从而引导 AI 如何与你的 MCP 服务交互。
主要有两个用途：
作为使用示例：你作为 MCP 服务器的开发者最了解它的用法，因此提供 Prompt 给用户，是一个传达最佳使用方式的好方法。
动态能力：Prompt 本质上是可以执行的代码，因此不仅是静态文案，而是动态模版。你可以让它根据上下文或参数实时生成内容。
举个例子，我在 Z 编辑器中使用 MCP Prompt 从 GitHub 拉取我提交的 PR 评论，并把它们注入到上下文窗口中，这样我就能直接让模型帮助我修改代码或处理评审反馈。
这与 Tool 的最大区别在于：Prompt 是用户主动触发的行为，而 Tool 是模型决定何时调用的行为。
进一步地，Prompt 还能支持“补全”。比如，当用户触发某个 Prompt 时，弹出列表让他选择具体的 Pull Request，这是一个通过参数动态构造 Prompt 的方式。
这其实很简单，在 TypeScript 中用不到几行代码就能实现，而且大多数时候 Claude Code + Claude 4 模型本身就能帮你自动完成。
Resource：上下文之外的资源暴露
第二个原语是 Resource，资源。
与 Prompt 更偏向文本片段不同，Resource 是暴露给客户端的原始内容或数据，比如文件、数据库结构、网页等等。
它的作用：
用户可以选择将其添加进上下文，和 Prompt 类似；
应用层还能基于它进行额外处理，比如构建 Embedding 并进行 RAG（检索增强生成）。
举个例子，我在 Cloud Desktop 中“暴露”了一份 PostgreSQL 数据库的 Schema，并将其作为文件资源加载进来，接着 Claude 自动为我绘制了一张可视化数据库结构图。
Resource 给应用端提供了非常大的扩展空间。
Tool：模型主导的行为调用
第三个原语是大家最熟悉的——Tool，也就是工具调用。大多数人开发 MCP 服务就是为了暴露 Tool，让模型可以主动调用某个动作，比如查询数据库、执行脚本等。
这是你第一次看到模型“自动做一件你写好的事”时最有魔力的时刻。Tool 是由模型驱动触发的行为。
Interaction Model：三者的协作逻辑
现在我们已经有了三种原语（Prompt、Resource、Tool），但你可能会问：我该什么时候用哪个？
这就需要引入 MCP 中一个被低估的设计：交互模型（Interaction Model）。
它描述的是：
Prompt 是用户主导的（例如 Slash 命令）；
Resource 是应用主导的（自动加载或推荐）；
Tool 是模型主导的（由 AI 自动决定何时调用）。
一个完善的 AI 应用，就应该协调好这三者的关系，从而在用户、应用、模型三者之间建立更丰富的交互链条。
Sampling：让模型调用“由客户端控制”
接下来介绍一个更高级但目前支持较少的原语：Sampling。
假设你做了一个 MCP 服务器，功能是总结 Issue Tracker 的对话。你可能想调用 Claude 来生成摘要，但此时有个问题：你不知道客户端用的是哪种模型，也没有用户的 API Key。
Sampling 提供了解法：让服务器向客户端发起一个“请求补全”的调用，由客户端选定模型并返回结果。好处是：
用户完全掌控成本、安全、隐私；
多个 MCP 服务可以串联，通过 Sampling 递归地请求模型补全，构建复杂的链式调用（Chain of MCP Servers）。(这里是个重点)
虽然目前还不太被广泛支持，但我们计划在今年为官方产品引入 Sampling 能力。
Roots：获取客户端环境信息
另一个很少被提到但很实用的原语是：Roots。
比如你想做一个 MCP Git 工具，帮用户在 VS Code 中操作 Git 命令。你需要知道：当前打开的项目路径是啥？Roots 就是让 MCP 服务可以向客户端（如 VS Code）询问这些环境信息，从而限定操作范围，避免误操作。
五大原语总结
所以 MCP 协议目前包含五个核心原语：
Prompt（用户主动）
Resource（应用主动）
Tool（模型主动）
Sampling（客户端协助补全）
Roots（客户端环境交互）
如何将它们组合，是构建强大 AI 服务体验的关键。
MCP 的未来：Web 化
目前超过一万个 MCP 服务都运行在本地环境中。但我们认为 MCP 的未来在 Web。
Web 化 MCP 服务意味着：
MCP 服务将不再是本地 Docker 容器，而是一个网站；
客户端直接连接网站暴露的 MCP 接口进行交互。
为实现这一点，我们必须解决两个核心问题：
1. 鉴权（Authorization）
我们采用 OAuth 2.1 协议，让用户通过 Web 登录授权后，将其私有数据安全暴露给 MCP 服务。
这不仅让服务更可信（你信的是官网而非陌生开发者），也便于企业集成，例如通过 Azure AD、Okta 等单点登录系统完成企业内部 MCP 服务部署。
2. 扩展性（Scaling）
为此我们新增了 可流式传输的 HTTP 模式（Streamable HTTP）。你可以：
直接同步返回 JSON（像普通 REST API）；
或者开启流式通道，先返回部分信息，再动态推送更多内容。
这使得 MCP 服务具备现代 API 所需的扩展性，能支持大规模并发。
即将上线的功能
我们接下来会推出：
异步任务支持：为 Agent 执行长时间任务奠定基础；
用户交互请求（Elicitation）：服务端可主动向用户请求输入；
官方注册中心：一个用于发布和发现 MCP 服务的统一平台；
多模态能力：如流式多模态输出；
新语言 SDK 支持：如 Ruby（由 Shopify 捐赠）和 Go（由 Google 团队开发）。
