在 MCP 中实现 “askhuman” 式交互：原理、实践与开源方案

关键词：MCP、Model Context Protocol、交互式参数收集、askhuman、Dify、Lobe Chat、AnythingLLM

1. 背景：MCP 的"无状态"限制

MCP（Model Context Protocol）将 大模型 ↔ 工具 的通信标准化为一次性的 Request--Response 调用：

Server 只暴露工具清单与 JSONSchema；
Client 把 LLM 生成的参数一次性发出去；
Server 执行后返回结果，整个回合结束。

这意味着 原生协议没有中断点 让 Server 反问"还缺什么？"。要实现类 askhuman 的体验，必须把交互逻辑上移到 Client 层。

2. 设计模式：多轮对话 + 客户端补参

2.1 数据流

复制代码

┌──────────┐        ┌──────────┐        ┌──────────┐
│   用户    │ <───> │ MCP Client │ <───> │ MCP Server│
└──────────┘        └──────────┘        └──────────┘

LLM 生成 tool_calls，发现缺参 →
Client 拦截 →
Client 弹窗/CLI 提问 →
用户回答 →
Client 回填参数 →
再次调用 tool →
结果返回给用户。

2.2 关键实现点

层级	要点
Server	把可能缺失的字段设为 `optional`，并在 `description` 注明"如未提供将询问用户"。
LLM Prompt	加系统指令：

"若参数缺失，不要猜测，直接告知用户并等待补充。" |

| Client | 维护对话状态；检测缺失字段；提供 UI/CLI 输入；重试调用。 |

3. 最小可行示例（Node.js CLI）

3.1 伪码：交互式搜索工具

ts 复制代码

// mcp-client.ts
import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import * as readline from 'node:readline/promises';

const rl = readline.createInterface({ input: process.stdin, output: process.stdout });

const client = new Client(/* transport */);

const toolCall = /* 来自 LLM */;
const args = toolCall.arguments;

if (!args.query) {
  args.query = await rl.question('请输入搜索关键词：');
}

const res = await client.callTool({
  name: 'search',
  arguments: args,
});
console.log(res.content);

3.2 效果

复制代码

> 我想搜索一些内容
🤖 需要关键词才能搜索，请输入：
> TypeScript MCP
✅ 调用 search({ query: "TypeScript MCP" }) ...

4. 开源方案盘点

项目	交互方式	部署形态	亮点
Dify	工作流节点「Ask Human」	Docker / SaaS	零代码拖拽、支持审批流
Lobe Chat	前端弹窗注入变量	Vercel / Docker	插件市场、可嵌入网页
AnythingLLM	Agent「Require User Input」	桌面 / Docker	私有化、知识库联动
Open MCP Client	CopilotKit 表单	纯前端	轻量、可二次开发
Dolphin-MCP	CLI 交互钩子	Python 库	适合脚本自动化

5. 典型集成：Dify 实战

5.1 步骤

在 Dify 新建 Chatflow；
拖入 MCP Tool 节点，选择 search；
将 query 留空 → 拖入 Ask User 节点绑定到 query；
发布应用，用户即可在对话中被询问关键词。

6. 最佳实践小结

永远让 Server 无状态，交互逻辑只在 Client。
参数 schema 描述清晰 → LLM 更容易判断何时缺参。
对话状态持久化（Session ID）→ 支持多用户并发。
超时与取消机制 → 避免用户长时间无响应卡死流程。
安全提示 → 敏感操作（删除、转账）务必二次确认。

7. 延伸阅读

MCP 官方文档：
https://modelcontextprotocol.io/
Dify 工作流文档：
https://docs.dify.ai/guides/workflow
Lobe Chat 插件开发：
https://github.com/lobehub/lobe-chat/wiki/Plugin-Development

🚀 欢迎在评论区分享你的 MCP 交互玩法！