采样允许服务器通过连接的MCP客户端访问像Claude这样的语言模型。服务器不是直接调用Claude，而是要求客户端代表它进行调用。这将文本生成的责任和成本从服务器转移到了客户端。
采样解决的问题
假设您有一个MCP服务器，其中有一个从Wikipedia获取信息的研究工具。在收集完所有数据后，您需要将其总结成一份连贯的报告。您有两个选择：
选项1： 让MCP服务器直接访问Claude。服务器需要拥有自己的API密钥，处理身份验证，管理成本，并实现所有Claude集成代码。这种方式可行，但会增加大量复杂性。
选项2： 使用采样。服务器生成一个提示，并询问客户端"您能替我调用Claude吗？"客户端已经与Claude建立了连接，因此会进行调用并返回结果。
采样的工作原理
流程很简单：
- 服务器完成其工作（例如获取Wikipedia文章）
- 服务器创建一个请求文本生成的提示
- 服务器向客户端发送采样请求
- 客户端使用提供的提示调用Claude
- 客户端将生成的文本返回给服务器
- 服务器在其响应中使用生成的文本
采样的优势
- 降低服务器复杂性： 服务器不需要直接与语言模型集成
- 转移成本负担： 由客户端支付令牌使用费用，而不是服务器
- 无需API密钥： 服务器不需要Claude的凭证
- 非常适合公共服务器： 您不希望公共服务器为每个用户累积AI费用
实现
设置采样需要在双方都编写代码：
服务器端
在您的工具函数中，使用create_message函数来请求文本生成：
python
@mcp.tool()
async def summarize(text_to_summarize: str, ctx: Context):
prompt = f"""
Please summarize the following text:
{text_to_summarize}
"""
result = await ctx.session.create_message(
messages=[
SamplingMessage(
role="user",
content=TextContent(
type="text",
text=prompt
)
)
],
max_tokens=4000,
system_prompt="You are a helpful research assistant",
)
if result.content.type == "text":
return result.content.text
else:
raise ValueError("Sampling failed")客户端
创建一个处理服务器请求的采样回调：
python
async def sampling_callback(
context: RequestContext, params: CreateMessageRequestParams
):
# 使用 Anthropic SDK 调用 Claude
text = await chat(params.messages)
return CreateMessageResult(
role="assistant",
model=model,
content=TextContent(type="text", text=text),
)然后在初始化客户端会话时传入此回调：
python
async with ClientSession(
read,
write,
sampling_callback=sampling_callback
) as session:
await session.initialize()何时使用采样
在构建可公开访问的MCP服务器时，采样最有价值。您不希望随机用户以您的成本无限制地生成文本。通过使用采样，每个客户端都为自己的AI使用付费，同时仍能受益于您服务器的功能。
这项技术本质上是将AI集成的复杂性从您的服务器转移到客户端，而客户端通常已经具备必要的连接和凭证。