引言：当 MCP Server 不再只是“工具人”2026年，Model Context Protocol（MCP）已经从一个实验性协议成长为AI Agent基础设施的核心支柱。根据阿里云百炼平台的官方数据，该平台已预置20+云端服务和50+本地服务。全网涌现的MCP Server数量在2026年初已超过2万个。然而，随着MCP Server从“被调用的工具”进化为“主动推理的智能体”，一个根本性的架构问题浮出水面：当Server需要LLM能力时，它该怎么办？传统方案是让Server直接集成LLM API——自己拿API Key、自己选模型、自己付账单。但这带来了成本失控、扩展瓶颈和灵活性缺失三大问题。MCP协议在2024年11月发布时就内置了一个优雅的解决方案——Sampling机制：Server可以请求Client代劳LLM推理，Server不持有模型、不持有API Key、甚至不知道Client实际用的是哪个模型。这个设计理念无疑是先进的。但现实是残酷的。根据MCP官方SEP-2577文档的披露，Sampling功能“概念上强大，但 adoption 一直很挣扎”——实现复杂、客户端支持率低。更致命的是，2026年4月14日提交的SEP-2577正式将Sampling标记为Deprecated（弃用），生效于2026年7月28日的协议版本。那么问题来了：Sampling被弃用之后，MCP Server如何实现“主动调用LLM完成复杂推理与生成”？