客戶端中的提示

建構我們的 MCP 客戶端的最後一步是實作提示功能。這讓我們能夠列出伺服器上所有可用的提示，並取得填入變數後的特定提示。

實作列出提示

list_prompts 方法很直接。它呼叫 session 的列出提示函式並回傳這些提示：

async def list_prompts(self) -> list[types.Prompt]:
    result = await self.session().list_prompts()
    return result.prompts

取得個別提示

get_prompt 方法更有趣，因為它處理變數插值。當您請求一個提示時，您提供的引數會以關鍵字引數的形式傳遞給提示函式：

async def get_prompt(self, prompt_name, args: dict[str, str]):
    result = await self.session().get_prompt(prompt_name, args)
    return result.messages

舉例來說，如果您的伺服器有一個 format_document 提示，它預期一個 doc_id 參數，那麼引數字典會包含 {"doc_id": "plan.md"}。這個值會被插入到提示範本中。

實際測試提示

實作完成後，您可以透過 CLI 測試提示。當您輸入斜線（/）時，可用的提示會以指令的形式出現。選擇像「format」這樣的提示，會提示您從可用的文件中選擇。



選擇文件後，系統會將完整的提示傳送給 Claude。AI 會同時收到格式化指示和文件 ID，然後使用可用的工具來擷取並處理內容。

提示如何運作



提示定義了一組客戶端可以使用的使用者和助手訊息。它們應該是高品質、經過充分測試，並與您的 MCP 伺服器的目的相關。工作流程如下：

• 撰寫並評估與您伺服器功能相關的提示
• 使用 @mcp.prompt 裝飾器在您的 MCP 伺服器中定義提示
• 客戶端可以隨時請求該提示
• 客戶端提供的引數會成為您提示函式中的關鍵字引數
• 該函式會回傳格式化好的訊息，準備供 AI 模型使用

這個系統建立了可重複使用、參數化的提示，在允許透過變數進行自訂的同時維持一致性。這對於複雜的工作流程特別有用，在這些工作流程中，您希望確保 AI 每次都能收到結構正確的指示。