🎯 什麼情境該想到我
當你的 MCP server「需要 LLM、需要問使用者、或需要知道能碰哪些檔案」，但又想保持乾淨、把控制權留給 client 的時候。這三個是 client 反過來提供給 server 的能力。
⚙️ 怎麼用（三選一，對應需求）
- Sampling（借用 LLM）：server 用
sampling/createMessage請 client 幫忙做 LLM 補全——這樣 server 不必自帶模型 SDK、不必自付 API 費、保持模型無關。可帶modelPreferences（cost/speed/intelligence 權重）、systemPrompt、maxTokens。設計上是 human-in-the-loop：使用者可審核/修改請求與回應。例：findBestFlight把 47 個航班丟給 LLM 選最佳。 - Elicitation（向使用者要資訊）：server 用
elicitation/create帶一個 JSON schema，在流程中動態要輸入或要確認（別一開始就逼使用者填完所有欄位）。使用者可提供/拒絕/取消，client 會依 schema 驗證。絕不可用來要密碼或 API key。 - Roots（限定檔案範圍）：client 用
file://URI 告訴 server「你該聚焦哪些目錄」；可隨使用者切換專案動態更新（roots/list_changed）。這是協調機制、不是安全邊界——真正的隔離要靠 OS 權限/sandbox。
🧪 我實際套用的紀錄
- 2026-07-26：（待填）
⚠️ 注意 / 什麼時候不適用
- Roots 只是「請 server 自律」，不能當防線；不受信任的 server 仍可能越界。
- Sampling/Elicitation 都應保留使用者審核關卡，避免 server 藉此偷渡敏感操作。
🔗 相關工具
- 工具-MCP三大伺服器原語 —— 對稱的另一半，server 端的 Tools/Resources/Prompts，兩張配成完整的能力表
- 工具-MCP架構與資料流 —— 上位圖，解釋為什麼這三個能力是 client 反過來提供給 server 的
- 工具-AI-Agent設計 —— Sampling 的實際用途：讓 server 借用 client 的模型做多步推理，就落在 agent 這一塊