Prompts in the client

📝 MCP 客户端与提示词 (Prompts) 核心概念

💡 核心功能实现 (Client Implementation)

• 列出提示词 (List Prompts):
• 功能：list_prompts
• 实现：调用 self. session. list_prompts() → 返回 result. prompts。
• 目的：允许客户端查看服务器中所有已定义的提示词。
• 获取特定提示词 (Get Prompt):
• 功能：get_prompt
• 输入：提示词名称 (prompt name) + 相关的参数 (arguments)。
• 实现：调用 self. session. get_prompt(prompt_name, arguments) → 返回 result. messages。
• 目的：获取并准备用于执行的特定提示词内容。

⚙️ 提示词机制 (Prompt Mechanism)

• 参数传递与插值 (Argument Interpolation):
• 当获取单个提示词时，会传入一系列参数（如 document_id）。
• 这些参数作为关键字参数 (keyword arguments) 传递给提示词函数。
• 函数内部将这些参数“插值”到提示词模板中，形成最终的指令。
• 提示词定义 (Prompt Definition):
• 提示词必须在 MCP 服务器内部定义。
• 提示词应具备与服务器用途相关的特定功能（例如：文档重写、格式转换）。
• 执行流程 (Execution Flow):
• 用户在 CLI 中调用提示词（例如：format）。
• 客户端将用户输入和参数发送给提示词函数。
• 提示词函数执行，生成最终指令。
• AI (Cloud) 接收指令 → AI 使用工具（如 get_document）获取所需数据 → AI 输出最终结果。

Takeaways

• 客户端通过 list_prompts 查看服务器所有已定义的提示词，通过 get_prompt 获取特定提示词内容。
• 提示词的参数（如 document_id）作为关键字参数传递，并在函数内部被“插值”到提示词模板中形成最终指令。
• 提示词必须在 MCP 服务器内部定义，并且应具备与服务器用途相关的特定功能。
• 执行流程是：用户在 CLI 调用 → 客户端发送输入和参数 → 提示词函数生成指令 → AI (Cloud) 接收指令并使用工具输出结果。