原语概述：控制权的分配

MCP 的核心价值在于通过三种原语（Primitives）实现 控制权的明确分配：

这种设计让每一方都能在擅长的领域发挥主导作用，避免了「AI 什么都能做」的失控风险。

Tools：模型驱动的可执行函数

什么是 Tools？

Tools 是 Server 暴露的可执行函数，AI 模型可以主动调用这些函数来完成特定任务。

关键特征：

• 模型决定何时调用
• 模型决定传递什么参数
• 模型解析返回结果

Tool 定义 Schema

每个 Tool 都需要提供清晰的 Schema 定义：

{
  "name": "search_files",
  "description": "在指定目录中搜索包含特定内容的文件",
  "inputSchema": {
    "type": "object",
    "properties": {
      "path": {
        "type": "string",
        "description": "要搜索的目录路径"
      },
      "pattern": {
        "type": "string",
        "description": "搜索模式（支持通配符）"
      },
      "maxResults": {
        "type": "number",
        "description": "返回结果的最大数量",
        "default": 10
      }
    },
    "required": ["path", "pattern"]
  }
}

关键字段：

• name：工具的唯一标识符
• description：AI 用这个字段理解工具用途
• inputSchema：JSON Schema 格式的参数定义
• required：必需参数列表

工具调用流程

用户：帮我搜索包含 "TODO" 的代码文件

AI 分析：需要调用 search_files 工具
      ↓
AI → Client → Server：tools/call 请求
      {
        "name": "search_files",
        "arguments": {
          "path": "/src",
          "pattern": "*TODO*"
        }
      }
      ↓
Server 执行搜索，返回文件列表
      ↓
AI 解析结果，生成响应
      ↓
用户：找到 3 个包含 TODO 的文件...

Tools 最佳实践

1. 单一职责 每个 Tool 只做一件事，避免「万能工具」：

❌ 不推荐：

{
  "name": "file_operations",
  "description": "所有文件操作"
}

✅ 推荐：