取樣

Sampling（取樣）讓 MCP server 能透過用戶端要求 LLM completion / generation，而不必由 server 自己持有模型 API key。Client 保留模型存取、選擇、權限與人機互動控制權。

使用者互動模型（User Interaction Model）

Sampling 可以巢狀在其他 server feature 的處理流程中。基於 trust & safety，SHOULD（應該）始終保留能拒絕 sampling request 的 human-in-the-loop；應用程式 SHOULD（應該）讓使用者檢查 sampling request、檢視／修改 prompt，並在結果回給 server 前審閱 generated response。

能力宣告（Capabilities）

支援 sampling 的 client MUST（必須）在每個 request 的 _meta.io.modelcontextprotocol/clientCapabilities 宣告 sampling：

{
  "_meta": {
    "io.modelcontextprotocol/clientCapabilities": {
      "sampling": {}
    }
  }
}

若 client 支援 sampling request 內的 tool use，MUST（必須）透過 sampling.tools 宣告：

{
  "_meta": {
    "io.modelcontextprotocol/clientCapabilities": {
      "sampling": { "tools": {} }
    }
  }
}

Server MUST NOT（不得）把 tool-enabled sampling request 送給沒有宣告 sampling.tools 的 client。

sampling.context 與 includeContext: "thisServer" / "allServers" 也已棄用；server SHOULD（應該）避免使用這些值，並且除非 client 宣告 sampling.context，否則 SHOULD NOT（不應）使用它們。省略 includeContext 時等同 "none"。

建立訊息（Creating Messages）

Server 若在處理原始 request 時需要 LLM generation，會回 InputRequiredResult，並在 inputRequests 中放入 sampling/createMessage：

{
  "method": "sampling/createMessage",
  "params": {
    "messages": [
      {
        "role": "user",
        "content": { "type": "text", "text": "法國首都是哪裡？" }
      }
    ],
    "modelPreferences": {
      "costPriority": 0.3,
      "intelligencePriority": 0.8,
      "speedPriority": 0.5
    },
    "temperature": 0.1,
    "maxTokens": 100
  }
}

Client 執行 sampling 後，把結果放進 MRTR 重試 request 的 inputResponses：

{
  "role": "assistant",
  "content": { "type": "text", "text": "法國首都是巴黎。" },
  "model": "example-model",
  "stopReason": "endTurn"
}

Sampling 中的工具（Tools in Sampling）

Server 可在 sampling request 中提供 tools 與選用的 toolChoice。這些 tool definitions 只屬於該 sampling request，不必對應 server 原本註冊的 MCP tools。

toolChoice.mode：

• auto：模型自行決定是否使用工具（預設）。
• required：模型在完成前 MUST（必須）至少使用一個工具。
• none：模型 MUST NOT（不得）使用任何工具。

MCP 允許模型平行提出多個 tool use；若 provider 支援關閉 parallel tool use，implementation MAY（可以）把這項控制做成 extension，但它不屬於 core MCP。

多回合工具迴圈（Multi-turn Tool Loop）

當模型回 stopReason: "toolUse" 時，server 通常：

1. 執行所有 tool uses。
2. 把 tool results 加入 message history，再送一個新的 sampling/createMessage。
3. 取得下一個模型 response；若仍有 tool use 就重複。
4. 實作 SHOULD（應該）設定 iteration limit，避免無限 tool loop。

訊息內容限制（Message Content Constraints）

當 user message 包含 tool_result 時，該 message MUST（必須）只包含 tool results，不得混入 text、image、audio 等其他 content type。

每個 assistant message 中的 ToolUseContent 都 MUST（必須）在下一個 user message 由相同 toolUseId 的 ToolResultContent 完整對應；該 user message 必須完全由 tool results 組成，而且所有 tool use 都解決以前不得繼續其他訊息。

// 有效概念順序
user: text
assistant: tool_use(call_a), tool_use(call_b)
user: tool_result(call_a), tool_result(call_b)
assistant: text

跨 API 相容性（Cross-API Compatibility）

Sampling 的 message model 刻意抽象化，以支援不同 LLM provider。MCP 使用 user 與 assistant 兩種 role；tool use 由 assistant 產生，tool result 則由 user role 回傳。規範允許平行 tool use。

資料型別（Data Types）

訊息（Messages）

Sampling message MUST（必須）包含 role（user 或 assistant）與 content。Content 可為 text、image、audio，以及 tool use / tool result blocks。

不同 sampling request 間的 message list SHOULD NOT（不應）被保留為隱含 session state。

模型偏好（Model Preferences）

Server 不能假設 client 一定能使用某個特定模型，因此 modelPreferences 以 0–1 的抽象優先序與 optional hints 表示需求：

• costPriority：越高越偏好低成本。
• speedPriority：越高越偏好低延遲。
• intelligencePriority：越高越偏好高能力模型。
• hints：依偏好順序提供可彈性比對 model name 的建議；client MAY（可以）映射到其他 provider 的等效模型，最後選擇權仍在 client。

Client SHOULD（應該）尊重 model preference hints，但 hints 是 advisory，不能凌駕 client 自己的可用性、權限或模型選擇政策。

系統提示詞（System Prompt）

Server 可提供 systemPrompt，但 client MAY（可以）修改或忽略，且不必告知 server。

上下文納入（Context Inclusion）

includeContext 的 thisServer 與 allServers 已棄用；none 表示不額外加入 context。Client 基於資料分享風險 MAY（可以）修改或忽略此欄位。

Sampling 參數（Sampling Parameters）

maxTokens 是必填，client MUST（必須）遵守。Client MAY（可以）修改或忽略 temperature、stopSequences 與 provider-specific metadata。

結果欄位（Result Fields）

結果包含 role、content、model 與選用 stopReason。常見 stop reason 包括 endTurn、stopSequence、maxTokens、toolUse；implementation MAY（可以）定義其他值。

錯誤處理（Error Handling）

若 sampling 發生錯誤或使用者拒絕，client 不必特別用 error replay 原始 request；在 InputRequiredResult 模式下，server 並沒有同步等待另一個 response。

安全考量（Security Considerations）

1. Client SHOULD（應該）實作使用者審核與同意控制。
2. 雙方 SHOULD（應該）驗證 message content。
3. Client SHOULD（應該）尊重 model preference hints。
4. Client SHOULD（應該）實作 rate limiting。
5. 雙方 MUST（必須）適當處理敏感資料。
6. 使用工具時，server MUST（必須）確保每個 tool use 都有對應 tool result，且 tool-result user message 不混入其他 content。
7. 雙方 SHOULD（應該）限制 tool-loop iteration 次數。