MCP 的 sampling 怎么用：让服务器请客户端调用大模型（已弃用）

这篇适合谁，读完能做到什么

这篇讲 MCP 的 sampling：服务器在工具调用过程中，怎样请客户端背后的大模型帮忙。读完你能说清它的请求和响应流程，知道客户端怎样打开这个功能，并能读懂文中的博客摘要例子。同时你也会明白，为什么新项目不应该再用它^[1]。

先说状态：2026-07-28 规范已弃用 sampling

sampling 在 MCP 2026-07-28 中已经弃用，只为旧实现保留。新的服务器应该直接对接大模型厂商的 API^[1]^[2]。规范保留它是为了兼容，并说明它可能在 2027 年 7 月 28 日当天或之后发布的第一个修订版里被移除^[1]。这里的示例可能用的是实现 2025-11-25 的 SDK 接口^[1]。

sampling 的流程

在旧实现里，sampling 让 MCP 服务器请求客户端管理的大模型帮忙^[1]。以博客为例：用户让客户端写一篇博客，客户端调用服务器上的工具；服务器发出 sampling 请求，要一段摘要；客户端调用大模型，把摘要返回给服务器；服务器最后把草稿和摘要一起返回^[1]。

请求和响应长什么样

sampling 请求是一条 JSON-RPC 消息，方法名是 sampling/createMessage。它的 params 里有 messages、modelPreferences、systemPrompt 和 maxTokens^[1]。modelPreferences 只是一个建议，用户可以选择接受或改掉。systemPrompt 是系统提示词，给模型设定角色和指令；maxTokens 是建议用的 token 数^[1]。

客户端调用模型后，把结果发回服务器。示例里，客户端根据服务器的偏好选了正在可用的 gpt-5.1 部署。偏好只是建议，所以客户端需要时可以换成其他可用部署^[1]：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "role": "assistant",
    "content": {
      "type": "text",
      "text": "Here's your abstract <ABSTRACT>"
    },
    "model": "gpt-5.1",
    "stopReason": "endTurn"
  }
}

sampling 的消息不只限于文本，也能带图片和音频。图片内容的类型是 image，数据是 base64 编码，并带上 mimeType，如 image/jpeg；音频类似，类型是 audio，mimeType 如 audio/wav^[1]。

客户端怎么开启 sampling

如果你只写服务器，客户端这边基本不用做什么。客户端需要在 capabilities 里声明 sampling^[1]：

{
  "capabilities": {
    "sampling": {}
  }
}

例子：工具请客户端的大模型写摘要

示例工具叫 create_blog，接收标题、正文和一个 Context 参数。它先发出 sampling 请求，等待回答，再把结果返回^[1]：

@mcp.tool()
async def create_blog(title: str, content: str, ctx: Context[ServerSession, None]) -> str:
    """Create a blog post and generate a summary"""

工具内部先构造博客对象，写好提示词，再用 ctx.session.create_message 发出请求，并设置 max_tokens=100^[1]：

post = BlogPost(
        id=len(posts) + 1,
        title=title,
        content=content,
        abstract=""
    )

prompt = f"Create an abstract of the following blog post: title: {title} and draft: {content} "

result = await ctx.session.create_message(
        messages=[
            SamplingMessage(
                role="user",
                content=TextContent(type="text", text=prompt),
            )
        ],
        max_tokens=100,
)

拿到结果后，示例把摘要存起来，再以 JSON 返回^[1]：

post.abstract = result.content.text

posts.append(post)

# return the complete product
return json.dumps({
    "id": post.title,
    "abstract": post.abstract
})

__main__ 里用 mcp.run(transport="streamable-http") 启动服务，运行命令是 python server.py^[1]。

在 VS Code 里测试

先启动服务器，再把它加到 *mcp.json* 里，类型为 http，地址是 http://localhost:8000/mcp^[1]：

"servers": {
   "blog-server": {
     "type": "http",
     "url": "http://localhost:8000/mcp"
   }
}

然后输入一条提示词，比如^[1]：

create a blog post named "Where Python comes from", the content is "Python is actually named after Monty Python Flying Circus"

第一次测试时，要先接受一个额外的对话框，然后才会出现平时运行工具的确认框^[1]。VS Code 里，「Configure Model Access」可以选择 GitHub Copilot 做 sampling 时能用哪些模型，「Show Sampling requests」可以查看最近的 sampling 请求^[1]。