作者：京东物流 张华
给自己几分钟时间，快速了解一下mcp技术~
0 1分钟时间入门
👉 Python实现一个基于sse通信的完整mcp-demo
0.1 环境依赖
Python >= 3.10
arduino
Package Version
----------------- ---------
annotated-types 0.7.0
anyio 4.9.0
certifi 2025.4.26
click 8.2.1
h11 0.16.0
httpcore 1.0.9
httpx 0.28.1
httpx-sse 0.4.0
idna 3.10
mcp 1.9.2
pydantic 2.11.5
pydantic-core 2.33.2
pydantic-settings 2.9.1
python-dotenv 1.1.0
python-multipart 0.0.20
sniffio 1.3.1
sse-starlette 2.3.6
starlette 0.47.0
typing-extensions 4.14.0
typing-inspection 0.4.1
uvicorn 0.34.30.2 实现mcp-server
server-1-带2个tool
python
#!/usr/bin/env python
#-*- coding:UTF-8 -*-
#########################################################################
# File Name: sse_server_1.py
# Author: AI_Team
# Mail: [email protected]
# Created Time: 17:19:01 2025-06-04
#########################################################################
import sys
import httpx
import asyncio
from mcp.server import FastMCP
app = FastMCP('web-search', port=9000)
@app.tool()
async def web_search(query: str) -> str:
"""
搜索互联网内容
Args:
query: 要搜索内容
Returns:
搜索结果的总结
"""
res_data = ["query", query]
return ':'.join(res_data)
@app.tool()
async def hello_world() -> str:
"""
给世界打招呼
Args:
None
Returns:
打招呼的内容
"""
return "Hi mcp world!"
if __name__ == "__main__":
app.run(transport='sse')server-2-带1个tool
python
#!/usr/bin/env python
#-*- coding:UTF-8 -*-
#########################################################################
# File Name: sse_server_2.py
# Author: AI_Team
# Mail: [email protected]
# Created Time: 17:19:01 2025-06-04
#########################################################################
import sys
import httpx
import asyncio
from mcp.server import FastMCP
app = FastMCP('test-sse', port=9001)
@app.tool()
async def hi_world() -> str:
"""
给世界打招呼的另一种说法
Args:
None
Returns:
带中文的打招呼内容
"""
return "你好 mcp world!"
if __name__ == "__main__":
app.run(transport='sse')0.3 实现mcp-client
python
#!/usr/bin/env python
#-*- coding:UTF-8 -*-
#########################################################################
# File Name: sse_cli.py
# Author: AI_Team
# Mail: [email protected]
# Created Time: 18:43:37 2025-06-04
#########################################################################
import sys
import asyncio
from contextlib import AsyncExitStack
from mcp.client.sse import sse_client
from mcp import ClientSession
class MCPClient:
def __init__(self, server_urls: list[str]):
"""
初始化 MCP 客户端。
:param server_urls: SSE 服务地址列表，用于连接多个服务器。
"""
self.server_urls = server_urls
self.sessions = {} # 存储每个服务器的会话及其上下文 ：server_id -> session
self.tool_mapping = {} # 工具映射 ：prefixed_name -> (session, original_tool_name)
self.exit_stack = AsyncExitStack()
async def initialize_sessions(self):
"""
初始化与所有 SSE 服务器的连接，并获取可用工具列表。
"""
for i, server_url in enumerate(self.server_urls):
server_id = f"server{i}" # 为每个服务器生成唯一标识符
# 创建 SSE 客户端并进入上下文
streams_context = sse_client(url=server_url)
streams = await self.exit_stack.enter_async_context(streams_context)
session = await self.exit_stack.enter_async_context(ClientSession(*streams))
await session.initialize()
# 存储会话
self.sessions[server_id] = session
# 获取工具列表并建立映射
response = await session.list_tools()
print(response)
for tool in response.tools:
prefixed_name = f"{server_id}_{tool.name}" # 为工具名添加服务器前缀
self.tool_mapping[prefixed_name] = (session, tool.name)
print(f"已连接到 {server_url}，工具列表：{[tool.name for tool in response.tools]}")
async def chat_loop(self):
for i in range(5):
try:
for prefixed_name, (session, tool_name) in self.tool_mapping.items():
if tool_name == "web_search":
res = await session.call_tool('web_search', {'query': '杭州今天天气'})
elif tool_name == "hello_world":
res = await session.call_tool('hello_world')
elif tool_name == "hi_world":
res = await session.call_tool('hi_world')
else:
res = "tool不存在！"
print (tool_name + ": ")
print (res)
except Exception as e:
import traceback
traceback.print_exc()
async def cleanup(self):
"""
清理所有会话和连接资源，确保无资源泄漏。
"""
await self.exit_stack.aclose()
print("所有会话已清理。")
async def main():
# 定义 SSE 服务器地址列表
server_urls = ["http://localhost:9000/sse", "http://localhost:9001/sse"]
# 创建并运行客户端
client = MCPClient(server_urls=server_urls)
try:
await client.initialize_sessions()
await client.chat_loop()
finally:
await client.cleanup()
if __name__ == '__main__':
asyncio.run(main())0.4 执行一下吧😁
bash
# 启动server-1
python sse_server_1.py
# 启动server-2
python sse_server_2.py
# cliend端执行一下
python sse_cli.py1 如果你还有1分钟时间
👉 mcp是什么
1.1 先看官方的定义
MCP 简介
MCP 是一个开放协议，它为应用程序向 LLM 提供上下文的方式进行了标准化。你可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供了标准化的方式一样，MCP 为 AI 模型连接各种数据源和工具提供了标准化的接口。
为什么选择 MCP？
MCP 帮助你在 LLM 的基础上构建代理（agents）和复杂的工作流。LLM 经常需要与数据和工具集成，而 MCP 提供了：
•持续增长的预构建集成列表，LLM 可直接使用
•灵活切换不同的 LLM 提供商和厂商
•在你的基础设施内安全地处理数据的最佳实践
通用架构
MCP 核心采用客户端-服务器架构，主机应用可以连接多个服务器：
•MCP Hosts: 如 Claude Desktop、IDE 或 AI 工具，希望通过 MCP 访问数据的程序
•MCP Clients: 维护与服务器一对一连接的协议客户端
•MCP Servers: 轻量级程序，通过标准的 Model Context Protocol 提供特定能力
•本地数据源: MCP 服务器可安全访问的计算机文件、数据库和服务
•远程服务: MCP 服务器可连接的互联网上的外部系统（如通过 APIs）
MCP核心概念
MCP 服务器可以提供三种主要类型的能力：
1.Resources: 可以被 clients 读取的类文件数据（如 API 响应或文件内容）
2.Tools: 可以被 LLM 调用的函数（需要用户批准）
3.Prompts: 预先编写的模板，帮助用户完成特定任务
1.2 尝试解读
是一个桥接层
•支持本机进程通信和远程网络通信两种模式
•把大模型和应用依赖的资源间的联系规范化
2 如果你暂时没有着急的事情
👉 mcp的由来
2.1 再看mcp支持的三种资源
恰好适配大模型的三种应用方式，一切都是为了方便LLM主导的技术时代
2.2 未来展望
mcp的背后逻辑：大家只对能力开源，且大家均遵守君子协定的假设
这种假设过于强，会存在很多隐患