5分钟手把手教你开发一个MCP服务

开发一个MCP(Model Context Protocol)服务器需要遵循标准协议,结合代码实现和工具配置。以下是基于Python技术栈的MCP Server开发步骤及关键要点,综合了多个实践案例与官方文档建议:


一、环境准备

安装Python与MCP SDK

  • Python版本需≥3.10(推荐3.10+),使用pip安装MCP库:
bash 复制代码
python -m venv mcp-env  # 推荐使用虚拟环境
source mcp-env/bin/activate #Linux/Mac
pip install mcp
  • 验证安装:mcp version应返回版本号(如1.5.0)。

选择开发工具

支持MCP的客户端(如Cline、Cursor、Claude Desktop)用于测试,或使用调试工具如MCP Inspector


二、核心开发步骤

定义工具函数(Tools)

  • 使用@mcp.tool()装饰器暴露函数能力,并通过文档字符串描述功能(供大模型理解用途):
python 复制代码
# custom_mcp.py
from mcp.server.fastmcp import FastMCP
import os

mcp = FastMCP()

@mcp.tool()
def list_desktop_files() -> list:
    """获取当前用户桌面上的所有文件列表(macOS专属实现)"""
    desktop_path = os.path.expanduser("~/Desktop")
    return os.listdir(desktop_path)

@mcp.tool()
def say_hello(name: str) -> str:
    """生成个性化问候语(中英双语版)"""
    return f"🎉 你好 {name}! (Hello {name}!)"

if __name__ == "__main__":
    mcp.run(transport='stdio')  # 启用调试模式
  • 关键点:工具函数需返回JSON序列化兼容的数据类型(如字符串、列表、字典)。

扩展其他能力

  • 资源(Resources):通过URI模板暴露静态或动态数据(如数据库查询结果):
python 复制代码
@mcp.resource("config://app_settings")
def get_app_config() -> dict:
    return {"theme": "dark", "language": "zh-CN"}
  • 提示(Prompts):定义与大模型交互的上下文模板(需结合MCP协议规范)。
bash 复制代码
@mcp.prompt()
def code_review_prompt(code: str) -> str:
    return f"请审查以下代码并指出问题:\n\n{code}"

启动与传输配置

选择传输协议:

  • 本地通信transport='stdio'(适合IDE集成)。
  • 远程通信transport='sse'(基于HTTP事件流,需部署为Web服务)。

完整示例

bash 复制代码
# custom_mcp.py
from mcp.server.fastmcp import FastMCP
import os

mcp = FastMCP()

@mcp.tool()
def list_desktop_files() -> list:
    """获取当前用户桌面上的所有文件列表(macOS专属实现)"""
    desktop_path = os.path.expanduser("~/Desktop")
    return os.listdir(desktop_path)

@mcp.tool()
def say_hello(name: str) -> str:
    """生成个性化问候语(中英双语版)"""
    return f"🎉 你好 {name}! (Hello {name}!)"

@mcp.resource("config://app_settings")
def get_app_config() -> dict:
    return {"theme": "dark", "language": "zh-CN"}

@mcp.prompt()
def code_review_prompt(code: str) -> str:
    return f"请审查以下代码并指出问题:\n\n{code}"


if __name__ == "__main__":
    mcp.run(transport='stdio')

三、客户端配置与测试

配置MCP客户端

  • 以CLINE为例,在设置中添加MCP服务器路径(如cline_mcp_settings.json):
json 复制代码
{
  "mcpServers": {
    "list_desktop_files": {
      "command": "python3",
      "args": [
        "/Users/[USER_NAME]/[YOUR_PATH]/custom_mcp.py"
      ]
    }
  }
}
  • 刷新客户端后,通过自然语言指令(如"我的桌面有哪些文件")调用工具。

可视化调试

  • 使用MCP Inspector检查消息交互:
bash 复制代码
npx @modelcontextprotocol/inspector python custom_mcp.py
  • 确保服务器日志输出正常,检查权限与路径限制。

使用npx运行@modelcontextprotocol/inspector,如下所示:

打开web服务,可视化调试你所开发的Tools:


四、高级实践与优化

  1. 安全性控制
    • 限制工具访问范围(如仅允许读取特定目录)。
    • 使用Nacos等工具管理敏感配置(如API密钥加密)。
  2. 集成现有API
    • 通过Nacos + Higress 方案,将存量HTTP API转换为MCP协议,无需修改代码:
      • Nacos注册服务元数据,Higress网关处理协议转换。
    • 示例:将高德地图API封装为MCP Server,支持自然语言调用天气查询。
  3. 动态发现与扩展
    • 利用MCP市场(如AIbasemcp.so)发布或引用公共服务,实现工具动态加载。

五、常见问题与解决方案

问题类型 解决方案
工具未被客户端识别 检查@mcp.tool()装饰器及文档字符串格式,确保函数参数和返回值类型明确。
传输协议不兼容 确认客户端支持的协议类型(如SSE需配置Web服务器)。
权限不足 限制资源访问路径,使用沙箱环境运行敏感操作。

通过上述步骤,开发者可以快速构建一个功能完整的MCP Server,并结合生态工具实现高效集成。更多进阶实践可参考MCP官方文档及社区资源(如AIbase、GitHub示例仓库)。

相关推荐
Lilith的AI学习日记几秒前
大语言模型中的幻觉现象深度解析:原理、评估与缓解策略
人工智能·语言模型·自然语言处理·aigc·ai编程
闭月之泪舞29 分钟前
OpenCv高阶(十)——光流估计
人工智能·opencv·计算机视觉
layneyao36 分钟前
大语言模型(LLM)的Prompt Engineering:从入门到精通
人工智能·语言模型·prompt
边缘计算社区1 小时前
FPGA与边缘AI:计算革命的前沿力量
人工智能·fpga开发
飞哥数智坊2 小时前
打工人周末充电:15条AI资讯助你领先一小步
人工智能
Tech Synapse2 小时前
基于CARLA与PyTorch的自动驾驶仿真系统全栈开发指南
人工智能·opencv·sqlite
layneyao2 小时前
深度强化学习(DRL)实战:从AlphaGo到自动驾驶
人工智能·机器学习·自动驾驶
海特伟业2 小时前
隧道调频广播覆盖的实现路径:隧道无线广播技术赋能行车安全升级,隧道汽车广播收音系统助力隧道安全管理升级
人工智能
CareyWYR3 小时前
每周AI论文速递(250421-250425)
人工智能
追逐☞3 小时前
机器学习(10)——神经网络
人工智能·神经网络·机器学习