设计大模型不会误解的 MCP 工具的七个黄金法则

构建模型上下文协议 (Model Context Protocol, 简称 MCP) 服务器与设计传统的 REST API 有着本质的不同。当你的 API 读取者是一个大语言模型，而不是人类开发者或结构化前端时，交互规则发生了彻底的改变。模型会阅读你的工具列表，挑选一个工具，并将返回的结果直接转换成自然语言复述给人类用户。它不会通读你的长篇文档，不会提出追问，并且会极其自信地用猜测填补每一个数据空白。

当我们为 supp.fit 构建 MCP 服务器时，我们遇到了这些完全相同的挑战。supp.fit 是一个包含来自随机对照试验的补充剂科学证据数据库。其中的数据很容易以关键的方式被误解：不同单位的剂量、无法匹配的产品标签、缺少记录日期的摄入日志。为了解决这些问题，我们总结出了七条严格的架构规则。虽然这些规则源于健康数据，但它们同样适用于任何稳健的 MCP 服务器基础设施，无论你是通过 n1n.ai 接入高性能大模型，还是构建自定义内部工具。

1. 每个用户问题对应一个工具，而不是每个路由对应一个工具

传统的 REST API 青睐细粒度的路由：/users/{id}/stack、/products/{id}/ingredients、/studies/search。如果你将后端每一个路由直接映射为一个 MCP 工具，你的工具列表将膨胀到数十个选项。

当模型面对两个名称或描述仅差一个单词的工具时，其概率分布会趋于扁平，从而经常随机选择其中一个。此外，如果你依赖像 n1n.ai 这样聚合器提供的极速大模型推理层，通过最小化工具冗余来保持上下文窗口干净，对于降低延迟和提高准确率至关重要。

为了解决这个问题，我们的 API 拥有四十多个端点，但我们的 MCP 服务器仅对外暴露了十三个工具。我们将多个端点合并为单一职责的工具，每个工具只回答一种特定类型的问题：搜索补充剂、获取单个补充剂、获取其研究方案、获取某个健康益处背后的研究、获取单项研究、搜索产品、获取单个产品，以及六个针对用户个人数据的专用工具。

2. 明确定义每个空字段的具体含义

数据库中的两个字段可能出于完全相反的原因而为空，但没有明确引导的大语言模型会将它们同样视为“空”或“无”。

例如，在我们的产品数据库中：

• 缺少“补充剂成分表 (Supplement Facts)”面板的产品，通常意味着条形码无法与注册标签库匹配。这绝不意味着该产品不含任何成分。
• 没有摄入答案的日期意味着当天没有人填写记录。这绝不意味着用户漏服了剂量。

如果没有明确的防护栏，模型会非常高兴地输出诸如“该产品不含任何成分”或“你连续 12天漏服”之类有害的幻觉内容。

专业提示：将明确的否定约束直接嵌入工具描述字符串中：

当 has_confirmed_label 为 false 时表示没有面板，这意味
着匹配无法被确认。这绝不意味着该产品不含有任何成分。
永远不要告诉读者某个产品不含任何东西。

3. 禁止危险的算术运算和单位转换

大语言模型非常喜欢做数学题，但它们在单位转换和跨类型聚合方面的表现历来糟糕。剂量数据常以国际单位 (IU)、毫克 (mg)、胶囊和毫升为单位出现。看到一堆数字的模型会兴高采烈地将它们相加，更糟糕的是，它会使用不准确的启发式算法将 IU 转换为毫克。

为了防止这种情况，必须强制执行结构和文本约束：

通过像 n1n.ai 这样强大的 API 基础设施集成这些模型时，确保你的输出架构强制执行严格的类型定义，将进一步减少算术幻觉。

4. 明确指出每个数字的来源

在处理定量指标时，上下文就是一切。临床试验中的研究小组采用每日定量方案。商业产品标签印刷的是每份推荐量。这两者都不是对用户的医疗建议。

我们的研究方案工具同时返回这两个指标，并附带中位数、中间一半（四分位距）以及最常见的剂量区间。至关重要的是，工具描述明确指出了它们的来源：“印刷的和研究过的用量，而不是推荐剂量。”这使模型能够准确回答“临床试验使用的是什么剂量？”之类的问题，而不会将其转化为危险的个人医疗建议。

5. 强制执行只读架构并消除虚构的写操作工具

安全性不仅仅关乎授权令牌，它还关乎引导模型的认知行为。我们 MCP 服务器中的每个工具都严格实行只读，且服务器架构到数据库没有写路径。

此外，服务器自身不保留任何密钥。它只是透传客户端获取到的令牌，由上游 API 决定该令牌被允许读取哪些内容。

这种设计提供了一种强大的安全属性，同时也辅助了模型的推理。在工具声明列表中没有任何写操作工具的情况下，模型永远不会在大模型对话中幻觉出诸如“是否要将此补充剂添加到你的每日组合中？”之类的主动写入承诺。

6. 按数据所有者划分作用域并统一鉴权规则

我们的平台采用两种不同的 OAuth 作用域：

1. evidence.read：涵盖公开的科学补充剂、研究和产品（不包含任何个人数据）。
2. me.read：涵盖用户的个人私密数据，包括个人组合、历史记录和摄入日志。

这些作用域在用户授权页面上是独立的复选框，因此个人可以共享科学证据部分，同时保留其个人健康隐私。

然而，每个工具都需要一个登录账号，即使是那些读取公共证据的工具也是如此。原因何在？因为 AI 助手经常需要将两部分混合在一个回答中（例如：“研究是怎么说的，我目前在服用什么？”）。在所有工具中保持单一的鉴权规则可以被轻松测试，而针对每个工具设置不同规则则是人们容易遗漏的隐患。

7. 提供摘要加验证链接

完整论文文本受版权许可保护，因此没有任何工具会返回原始论文正文。相反，研究工具返回的是标题、年份、参与者人数、我们的专家总结以及 PubMed 链接。

这为模型提供了足够的内容来准确命名论文，同时也为人类读者提供了直接核查的验证路径。

稳健 MCP 服务器总结核对表

准备好为你的自定义 MCP 服务器部署高速、可靠的大语言模型集成服务了吗？立即在 n1n.ai 获取免费 API 密钥。