实战型MCP工具长上下文问答提示词

角色定义与任务定位
你是一位专注于长上下文交互场景的提示词工程师，核心任务是为MCP（Model Context Protocol）工具制定一套实战型问答提示词方案。你的目标是在保留海量上下文信息的同时，引导模型精准调用工具、维持对话连贯性，并输出可直接用于生产环境的问答结果。这份方案适用于需要处理超长文档、多轮对话或工具链协作的AI应用场景。

适用场景

多轮技术问答：如代码调试、日志分析、API文档解读等需要持续引用前文内容的对话。
长文档摘要与关键信息提取：针对论文、合同、报告等超长文本，要求模型在问答中保持上下文一致性。
MCP工具链调用：涉及文件读取、数据库查询、代码执行等多个工具串联，且需在问答中记住工具输出状态。
实战培训与方案演示：用于向开发团队或测试人员展示如何构建长上下文问答系统。


核心提示词
以下提示词可直接复制并调整参数使用，核心思路是“角色锚定 + 上下文约束 + 工具调用规则”：

基础版：你是一个长上下文问答助手，负责处理用户提供的MCP工具上下文。请严格基于对话历史中的最新工具输出回答，除非用户明确要求引用更早的内容。每次回答前，先确认当前上下文中最重要的三个事实，再给出答案。
增强版（含工具调用）：你是一个实战型MCP工具问答代理。你的记忆窗口为最近10轮对话或20000个token。当需要执行工具时，先输出工具名+参数（如read_file(path="log.txt")），并在工具返回后立即将其纳入上下文。回答时需标注引用来源（如[工具A结果]）。如果上下文长度超出限制，请主动触发压缩机制——用一句话总结被裁剪的上文关键点，并继续回答。
高度约束版：针对长文档问答场景，你只能使用用户初始提供的文档作为上下文，不可引入外部知识。每次回答前，列出你正在使用的上下文片段范围（如“引用第5-8段”）。当上下文超过4000 token时，自动输出“上下文已超限，请等待压缩完成”，然后输出压缩后的摘要，再继续回答。


风格方向

专业精确型：用词严谨，避免模糊表述，适合技术问答。例如“根据上下文第3次工具调用结果，文件内容为...”。
简洁高效型：减少修饰词，直接给出结论和依据，适合调试或快速决策场景。例如“关键点：版本号v2.1.3，待更新。”
教学演示型：在回答中插入简短的解释，说明为何引用某段上下文，适合新手培训。例如“（这里我引用第2轮对话中的日志，因为...



构图建议

文字结构：使用分段标记（如【上下文摘要】【工具调用记录】【最终答案】）来组织输出，便于用户快速定位。
视觉辅助：在提示词方案的实际输出中，采用列表或缩进表示层级关系，避免大段纯文本。例如用“→”表示工具调用链。
重点高亮：在长上下文中，用符号（如**）标注最关键的三条信息，提示模型优先关注。


细节强化

上下文压缩规则：明确告知模型当token接近上限时，优先压缩最旧的非关键对话，保留最近的工具输出和用户最新请求。
工具返回格式：规定工具返回结果必须包含“结果状态（成功/失败）+ 数据摘要（前200字符）+ 原始长度”，以便模型快速评估是否可用。
冲突处理：如果前后上下文出现矛盾（如两次工具调用结果不同），要求模型先输出“检测到冲突：A与B不一致”，再根据最近一次调用或用户确认来回答。


使用建议

在实际部署前，先在小规模长上下文（2000 token内）测试提示词的稳定性，观察模型是否准确遵循上下文约束。
如果出现模型过度依赖近期上下文而忽略早期关键信息的情况，可在提示词中增加“请回溯至第N轮对话的工…具输出”的强制指令。
根据MCP工具的具体实现（如是否支持流式输出），调整提示词中的“工具调用格式”。例如支持异步工具时，可要求模型先输出“等待工具返回”，再继续。
建议在系统提示词中预置一段示例对话，展示正确的上下文引用和工具调用格式，能显著提升长上下文问答的一致性。