用最简单的方式教你用Python搭建第一个MCP服务器（附详细代码示例）

MCP（Model Context Protocol）是一种让大型语言模型（LLM）方便调用外部工具和服务的协议。通过搭建MCP服务器，LLM可以像调用函数一样调用各种工具，极大地扩展AI的能力。下面我用最基础的知识点和代码示例，帮你快速理解并搭建一个简单的MCP服务器和客户端。

1. MCP是什么？

MCP是大模型与外部工具之间的"沟通协议"，它定义了如何调用工具和获取数据。
MCP服务器就是提供工具的服务端，客户端通过MCP协议调用这些工具。
这样，AI模型就能访问数据库、文件系统、天气服务等外部资源。

2. 搭建MCP服务器的准备工作

需要安装Python 3.10以上版本。
安装MCP官方SDK库：
bash 复制代码
```
pip install mcp-sdk
```
MCP服务器默认监听本地8080端口。

3. MCP服务器核心概念

工具（Tool） ：服务器提供给AI调用的功能接口，类似函数。
服务器（Server） ：管理工具，接收客户端请求并调用工具。
客户端（Client） ：调用服务器上的工具，发送请求，接收结果。

4. 简单MCP服务器代码示例

下面是一个最简单的MCP服务器示例，提供一个工具my_tool，它接收输入文本并返回"Processed: 输入内容"。

python 复制代码

from mcp_sdk import MCP, Tool

# 定义工具类，继承自Tool
class MyTool(Tool):
    def run(self, input_data):
        # 处理输入数据，返回结果
        processed_data = f"Processed: {input_data}"
        return processed_data

# 创建MCP服务器实例
mcp = MCP()

# 注册工具，名字叫"my_tool"
mcp.register_tool(MyTool(), name="my_tool")

# 启动服务器，默认监听localhost:8080
mcp.start()

保存为server.py，运行后服务器就启动了。

5. MCP客户端调用示例

客户端代码用来连接MCP服务器，调用my_tool工具，传入字符串并打印结果。

python 复制代码

from mcp_sdk import MCPClient

# 连接本地MCP服务器
client = MCPClient("http://localhost:8080")

# 调用工具"my_tool"，传入字符串
result = client.call_tool("my_tool", "Hello, MCP!")

# 打印返回结果
print(result)  # 输出：Processed: Hello, MCP!

保存为client.py，运行即可看到调用结果。

6. 运行步骤总结

打开终端，运行服务器：
bash 复制代码
```
python server.py
```
另开一个终端，运行客户端：
bash 复制代码
```
python client.py
```
客户端会输出：
text 复制代码
```
Processed: Hello, MCP!
```

7. 扩展应用示例

你可以把工具改成更复杂的功能，比如：

计算两个数字之和：

python 复制代码

class AddTool(Tool):
    def run(self, input_data):
        a = input_data.get("a", 0)
        b = input_data.get("b", 0)
        return a + b

# 注册时传入字典参数
mcp.register_tool(AddTool(), name="add_numbers")

客户端调用：

python 复制代码

result = client.call_tool("add_numbers", {"a": 5, "b": 3})
print(result)  # 输出：8

天气查询工具 （异步示例，需用httpx库）：

python 复制代码

import httpx
from mcp_sdk import MCP, Tool

class WeatherTool(Tool):
    async def run(self, input_data):
        city = input_data.get("city", "Beijing")
        url = f"https://api.example.com/weather?city={city}"
        async with httpx.AsyncClient() as client:
            resp = await client.get(url)
            data = resp.json()
            return f"{city}天气：{data['weather']}，温度：{data['temp']}°C"

mcp = MCP()
mcp.register_tool(WeatherTool(), name="get_weather")
mcp.start()

8. MCP服务器安全和性能建议

安全性
- 使用HTTPS加密通信，防止数据泄露。
- 实施访问控制，限制只有授权客户端能调用工具。
- 记录访问日志，便于审计和异常检测。
性能优化
- 复杂工具建议用异步处理，提升并发能力。
- 对频繁请求的数据使用缓存，减少重复计算。
- 服务器资源有限时，使用负载均衡分摊压力。

9. MCP的应用场景举例

自动化办公：自动发送邮件、更新日历、查询会议安排。
智能助手：查询天气、新闻、股票行情，提供个性化建议。
数据分析：连接数据库，执行复杂查询和报表生成。
开发辅助：集成代码管理、版本控制和文档查询工具。

10. 总结

MCP是连接AI模型和外部工具的桥梁。
通过Python的mcp-sdk，你可以快速搭建MCP服务器和客户端。
服务器提供工具，客户端调用工具，AI模型通过客户端访问外部资源。
你可以根据需求扩展工具功能，实现丰富的智能应用。

以上内容帮助你用最简单的方式理解和搭建MCP服务器，附带基础代码和扩展示例，适合初学者快速上手。祝你成功打造自己的智能工具生态！