【MCP Node.js SDK 全栈进阶指南】初级篇（5）：MCP提示模板开发

前言

在MCP（模型上下文协议）生态系统中，提示模板是一个强大而灵活的功能，它使开发者能够创建可重用的交互模式，帮助大语言模型（LLM）更有效地完成特定任务。本文是初级篇的第五部分，我们将深入探讨MCP TypeScript-SDK中的提示模板开发，包括基础概念、设计原则、参数化实现以及测试优化方法。通过本文的学习，你将能够创建高效、灵活的提示模板，增强你的MCP应用与LLM的交互能力。

目录

1. 提示模板基础概念

   • 什么是提示模板？
   • 提示模板在MCP中的作用
   • 提示模板vs直接提示
   • 提示模板的组成部分

2. 模板设计原则与技巧

   • 清晰明确的指令设计
   • 上下文添加与管理
   • 模板复用与继承
   • 任务特定模板的设计策略

3. 参数化提示与动态内容

   • 参数定义与验证
   • 动态内容注入
   • 条件逻辑与分支
   • 模板变量处理

4. 提示模板测试与优化

   • 模板测试方法
   • 性能评估与指标
   • 迭代优化流程
   • 实际应用案例分析

一、提示模板基础概念

1. 什么是提示模板？

提示模板（Prompt Templates）是预定义的、可参数化的提示结构，它使得开发者能够以一种标准化且可重用的方式与大语言模型交互。简单来说，提示模板是一种"蓝图"，它定义了如何构建特定类型任务的提示，同时允许根据实际需求注入动态参数。

在MCP中，提示模板更进一步，它们不仅仅是简单的字符串模板，而是结构化的对象，包含了丰富的元数据和参数验证逻辑，确保模型能够获得高质量的输入。

// 基本提示模板示例
server.prompt("code-review",  // 模板名称{ code: z.string() },  // 参数定义（使用Zod验证）({ code }) => ({  // 模板生成函数messages: [{role: "user",content: {type: "text",text: `请审查以下代码，指出潜在问题并提供改进建议：\n\n${code}`}}]})
);

2. 提示模板在MCP中的作用

提示模板在MCP生态系统中扮演着关键角色，主要有以下几个方面：

2.1 标准化交互

提示模板为LLM交互提供了标准化的结构，确保应用能够以一致的方式与模型通信，减少错误和不一致性。

2.2 提高可重用性

开发者可以创建通用的提示模板库，在不同项目中重用，避免重复编写类似的提示内容。

2.3 参数化与动态内容

模板允许注入动态参数，使同一模板可以适应不同的输入内容和场景，大大提高了灵活性。

2.4 质量保证

通过参数验证和结构化设计，提示模板可以确保发送给LLM的提示是格式正确且内容完整的，减少低质量输入导致的问题。

2.5 简化客户端集成

客户端可以通过简单的API调用，使用预定义的提示模板，无需了解复杂的提示工程细节。

3. 提示模板vs直接提示

对比直接使用提示和使用提示模板，后者具有明显优势：

特性	直接提示	提示模板
复用性	低，常需要复制粘贴	高，定义一次可多处使用
动态内容	需手动拼接字符串	结构化参数注入
验证	难以实现输入验证	内置参数验证机制
维护性	分散在代码各处，难以统一管理	集中定义，易于更新和维护
版本控制	困难，变更难以追踪	简单，可作为配置统一管理
团队协作	知识分散，难以共享最佳实践	模板可作为团队共享资源

4. 提示模板的组成部分

在MCP TypeScript-SDK中，一个完整的提示模板通常包含以下关键部分：

4.1 名称（Name）

每个提示模板都有一个唯一标识符，用于客户端调用和引用。

server.prompt("data-analysis",  // 模板名称// ...其他配置
);

4.2 参数定义（Parameters）

使用Zod（或其他验证库）定义模板接受的参数及其验证规则。

server.prompt("data-analysis",{ data: z.string().describe("要分析的数据，CSV或JSON格式"),format: z.enum(["summary", "detailed"]).default("summary").describe("分析结果格式"),metrics: z.array(z.string()).optional().describe("需要计算的特定指标列表")},// ...模板生成函数
);

4.3 模板生成函数（Template Function）

根据参数生成最终提示消息的函数。

server.prompt("data-analysis",{ /* 参数定义 */ },({ data, format, metrics }) => ({messages: [{role: "user",content: {type: "text",text: `请分析以下数据：\n\n${data}\n\n` +`提供${format === "detailed" ? "详细" : "摘要"}分析。` +(metrics?.length ? `\n\n特别关注以下指标：\n${metrics.join('\n')}` : "")}}]})
);

4.4 描述与元数据（可选）

有助于提高模板的可发现性和可理解性。

server.prompt("data-analysis",{ /* 参数定义 */ },({ data, format, metrics }) => ({description: "用于数据分析的提示模板，支持摘要和详细分析模式",version: "1.0.0",author: "MCP团队",messages: [/* 消息内容 */]})
);

在后续章节中，我们将深入探讨如何设计高效的提示模板，以及如何利用参数化和动态内容增强模板的灵活性和适应性。

二、模板设计原则与技巧

提示模板的设计质量直接影响到LLM的响应效果。本节将探讨一些关键的设计原则和实用技巧，帮助你创建高效、可维护的提示模板。

1. 清晰明确的指令设计

1.1 任务明确性

一个好的提示模板应该明确指出任务的目标和期望输出。含糊不清的指令会导致LLM的响应不一致或偏离预期。

// 不好的示例：指令不明确
server.prompt("product-analysis",{ productData: z.string() },({ productData }) => ({messages: [{role: "user",content: {type: "text",text: `以下是产品数据：${productData}，请分析一下。`}}]})
);// 好的示例：任务明确
server.prompt("product-analysis",{ productData: z.string() },({ productData }) => ({messages: [{role: "user",content: {type: "text",text: `以下是产品销售数据：${productData}\n\n请分析以下几点：
1. 销售趋势（按月比较）
2. 最畅销的三个产品及原因
3. 最不畅销的两个产品及可能原因
4. 针对销售改进的三点建议请以列表形式呈现分析结果，每点分析需要有数据支持。`}}]})
);

1.2 结构化输出指导

当你需要特定格式的输出时，应在提示中明确指定输出结构。

server.prompt("event-extraction",{ text: z.string() },({ text }) => ({messages: [{role: "user",content: {type: "text",text: `从以下文本中提取所有事件信息：\n\n${text}\n\n
请以下面的JSON格式返回结果：
{"events": [{"type": "会议|活动|发布|其他","name": "事件名称","date": "YYYY-MM-DD格式的日期","location": "地点","participants": ["参与者1", "参与者2", ...]}]
}
如果没有找到事件，请返回空数组。`}}]})
);

1.3 提供示例

对于复杂任务，在提示中包含示例可以显著提高模型理解能力。

server.prompt("text-classification",{ text: z.string(),categories: z.array(z.string())},({ text, categories }) => ({messages: [{role: "user",content: {type: "text",text: `将以下文本分类到以下类别之一：${categories.join(", ")}\n\n文本：${text}\n\n
示例：
文本："市场波动加剧，投资者普遍持观望态度。"
分类：经济文本："新型疫苗通过三期临床试验，有望明年量产。"
分类：医疗请仅回答类别名称，不要添加额外解释。`}}]})
);

2. 上下文添加与管理

2.1 角色定义

为LLM设定清晰的角色可以帮助它生成更符合预期的回答。

server.prompt("technical-review",{ document: z.string() },({ document }) => ({messages: [{role: "system",content: {type: "text",text: `你是一位经验丰富的技术文档审阅专家，擅长评估技术文档的准确性、完整性和清晰度。你的反馈应该专业、具体且有建设性。`}},{role: "user",content: {type: "text",text: `请审阅以下技术文档，并提供改进建议：\n\n${document}`}}]})
);

2.2 背景信息

提供足够的背景信息，帮助模型理解上下文。

server.prompt("bug-diagnosis",{ errorLog: z.string(),systemInfo: z.string(),recentChanges: z.string().optional()},({ errorLog, systemInfo, recentChanges }) => ({messages: [{role: "user",content: {type: "text",text: `我需要诊断以下错误日志的问题：\n\n${errorLog}\n\n
系统信息：\n${systemInfo}\n
${recentChanges ? `最近的代码变更：\n${recentChanges}\n\n` : ""}
请分析可能的原因，并提供排查步骤和解决方案。`}}]})
);

2.3 多轮对话设计

对于复杂任务，将提示设计为多轮对话可以引导模型逐步完成任务。

server.prompt("product-design-brainstorm",{ productConcept: z.string(),targetAudience: z.string(),constraints: z.string()},({ productConcept, targetAudience, constraints }) => ({messages: [{role: "system",content: {type: "text",text: `你是一位产品设计专家，擅长创新思维和用户体验设计。`}},{role: "user",content: {type: "text",text: `我们正在开发一个新产品：${productConcept}。目标用户是：${targetAudience}。`}},{role: "assistant",content: {type: "text",text: `这是个有趣的概念！为了更好地理解需求，让我先问几个问题：这个产品的主要功能是什么？有什么已知的用户痛点？`}},{role: "user",content: {type: "text",text: `产品的主要功能是解决用户在日常生活中的效率问题。主要痛点包括时间管理困难和信息过载。我们的设计还受到以下限制：${constraints}`}}]})
);

3. 模板复用与继承

3.1 基础模板创建

设计通用的基础模板，作为更具体模板的基础。

// 定义一个基础分析模板函数
function createAnalysisPrompt(task, data, specificInstructions) {return [{role: "system",content: {type: "text",text: `你是一位数据分析专家，擅长从数据中提取有价值的洞察。`}},{role: "user",content: {type: "text",text: `请对以下${task}数据进行分析：\n\n${data}\n\n${specificInstructions}`}}];
}// 使用基础模板创建具体模板
server.prompt("sales-analysis",{ salesData: z.string(),period: z.string().optional()},({ salesData, period }) => ({messages: createAnalysisPrompt("销售",salesData,`请重点分析${period || "最近一个季度"}的销售趋势、畅销产品、区域表现，并提出改进建议。`)})
);server.prompt("customer-satisfaction-analysis",{ surveyData: z.string(),focus: z.string().optional()},({ surveyData, focus }) => ({messages: createAnalysisPrompt("客户满意度调查",surveyData,`请分析客户满意度趋势、主要不满因素，${focus ? `特别关注${focus}方面的反馈，` : ""}并提出改进建议。`)})
);

3.2 组件化模板

将复杂模板拆分为可重用的组件。

// 定义提示组件
const promptComponents = {dataAnalysisSystem: {role: "system",content: {type: "text",text: `你是一位经验丰富的数据分析师，擅长从复杂数据中提取有价值的见解。`}},reportStructure: `请以以下结构组织你的分析报告：
1. 摘要：简要概述主要发现
2. 关键趋势：列出3-5个最显著的趋势
3. 因素分析：分析影响指标的主要因素
4. 建议：基于数据提出2-3条具体建议`,confidentialityNotice: `注意：此分析报告包含敏感商业信息，仅供内部使用。`
};// 组合组件创建完整模板
server.prompt("comprehensive-business-analysis",{ businessData: z.string(),confidential: z.boolean().default(false)},({ businessData, confidential }) => ({messages: [promptComponents.dataAnalysisSystem,{role: "user",content: {type: "text",text: `请分析以下业务数据：\n\n${businessData}\n\n
${promptComponents.reportStructure}
${confidential ? promptComponents.confidentialityNotice : ""}`}}]})
);

4. 任务特定模板的设计策略

不同类型的任务需要不同的模板设计策略。以下是几种常见任务类型的模板设计建议：

4.1 内容生成模板

适用于创意写作、文章生成等任务。

server.prompt("blog-post-generator",{ topic: z.string(),targetAudience: z.string(),tone: z.enum(["专业", "轻松", "教育", "幽默"]).default("专业"),wordCount: z.number().min(300).max(3000).default(1000)},({ topic, targetAudience, tone, wordCount }) => ({messages: [{role: "system",content: {type: "text",text: `你是一位专业内容创作者，擅长撰写引人入胜、信息丰富的博客文章。`}},{role: "user",content: {type: "text",text: `请为我撰写一篇关于"${topic}"的博客文章。目标受众：${targetAudience}
文章风格：${tone}
字数要求：大约${wordCount}字文章应包含：
- 引人入胜的标题
- 简短介绍，说明文章要点
- 至少3个带小标题的主要部分
- 每个部分都应包含具体的例子或数据
- 结论部分总结主要观点并提供下一步行动建议
- 如有必要，可以使用符合话题的比喻或类比请直接开始写作，不需要额外解释。`}}]})
);

4.2 数据分析模板

适用于数据解读和洞察提取。

server.prompt("data-trend-analysis",{ dataPoints: z.string(),metric: z.string(),timeFrame: z.string()},({ dataPoints, metric, timeFrame }) => ({messages: [{role: "system",content: {type: "text",text: `你是一位数据科学家，擅长趋势分析和预测。`}},{role: "user",content: {type: "text",text: `以下是${timeFrame}期间的${metric}数据：${dataPoints}请分析以下内容：
1. 描述观察到的主要趋势
2. 识别任何异常点，并尝试解释原因
3. 比较开始和结束时的差异百分比
4. 如果趋势继续，预测未来1-2个周期的可能值
5. 提供3点基于数据的业务建议请使用专业但通俗易懂的语言，可以添加简单的描述性统计（如平均值、中位数、变化率等）。`}}]})
);

4.3 决策辅助模板

适用于帮助用户做出决策的场景。

server.prompt("decision-matrix-generator",{ decision: z.string(),options: z.