mcp实践：用python开发并部署到服务器

1. MCP简要介绍

大家好，我是JS-Man

2025年的MCP十分火热，我目前觉得最好用的就是Mysql了，评论区可以推荐下其他的。

先简单介绍下MCP：

如今的AI工具已经不是简单的一问一答，它变得更趋于"自动化"，通过"某种"技术，已经能连接并且控制很多工具了，而这个技术就是MCP，Model Context Protocol，模型上下文协议。

以前的AI大模型功能比较局限，例如我现在问gpt，我是谁，我是谁这个用户输入就是User Prompt，而我们常说的要优化提示词，其实就是System Prompt，也就是我们会给User Prompt加入前提条件System Prompt，但是不论我们怎么加提示词，AI也只是给我们答案，无法帮助我们去做。

这个时候AI Agent就出现了

AI Agent是处于大模型和Agent Tools之间的，大模型我们都知道，那Agent Tools是什么呢，其实就是一些工具函数，比如我想让AI帮我整理下桌面，那我就写几个函数：read_files、organize_desktop，我将这俩函数的功能、使用方法都注册到AI Agent里，AI Agent就会根据这些信息生成一个System Prompt，这样AI就可以告诉AI Agent，我要调用某某函数，从而达到自动化的效果，其实AI Agent就可以看作是一个中间人，用于联动用户、AI大模型和Agent Tools。

而MCP就是AI Agent和Agent Tools的通信协议，运行Tool的服务就叫MCP Server。通过MCP这个统一的规范协议，那不同的Agent可以调用不同的Tools，可以形成一个多对多的关系。

了解了MCP后，下面开始进入开发。

2. 本地开发调试

下面我们添加一个简单的tool进行测试。

python 复制代码

# server.py
from mcp.server.fastmcp import FastMCP

# Create an MCP server
mcp = FastMCP("Demo")


# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b


# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"
    
if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')

直接uv run server.py就可以本地跑起来，再看下cursor里的MCP配置：

json 复制代码

"test-mcp":{
  "command": "uv run /Users/huangfan/Downloads/MySelf/mcp-server/server.py",
  "transport": "stdio"
}

成功的跑起来了，在cursor里就可以直接用了。

3. sse部署

部署到服务器就不能使用stdio的传输方式了，要使用sse或者streamable-http，我们先演示下sse的：

python 复制代码

# server.py
import uvicorn
from mcp.server.fastmcp import FastMCP
from starlette.applications import Starlette
from starlette.routing import Mount, Route
from starlette.responses import JSONResponse
import datetime

# Create an MCP server
mcp = FastMCP("Demo")

# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"

async def health_check():
    """健康检查端点"""
    return JSONResponse({
        "status": "healthy",
        "timestamp": datetime.datetime.now().isoformat(),
    })

app = Starlette(
    routes=[
        Route("/health", health_check, methods=["GET"]),
        Mount('/xixi', app=mcp.sse_app()),
    ]
)

if __name__ == '__main__':
    uvicorn.run(app,host='0.0.0.0', port=8000)

使用Starlette将sse的mcp路由跑起来，配置文件如下：

json 复制代码

 "test-mcp-sse":{
  "url": "http://0.0.0.0:8000/xixi/sse",
  "type": "sse"
}

实测可以直接用vercel部署，白嫖实在太爽了，但是在国内用不太稳定。

4. streamable-http部署

有时候服务器不支持sse或者不想折腾配置的，可以使用streamableHttp，官方表明sse已弃用：

使用streamableHttp的时候我踩了很多的坑，uvicorn.run的时候，怎么都跑不起来mcp，换了几个服务器都不行，一开始还以为streamableHttp要啥特殊配置，后来仔细观察发现，一个路由里的/health路径倒是访问的了，原来是要在lifespan里启动mcp，代码如下：

python 复制代码

# server.py
import uvicorn
from mcp.server.fastmcp import FastMCP
import contextlib
from fastapi import FastAPI
from starlette.responses import JSONResponse
import datetime

# Create an MCP server
mcp = FastMCP("Demo")

# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"

# 创建FastAPI应用并管理MCP session manager的生命周期
@contextlib.asynccontextmanager
async def lifespan(app: FastAPI):
    """管理MCP服务器的生命周期"""
    # 启动时初始化session manager
    async with mcp.session_manager.run():
        yield

async def health_check():
    """健康检查端点"""
    return JSONResponse({
        "status": "healthy",
        "timestamp": datetime.datetime.now().isoformat(),
    })

def create_app():
    """创建FastAPI应用"""
    app = FastAPI(
        title="test-mcp",
        description="使用sse协议的MCP服务器",
        version="1.0.0",
        lifespan=lifespan
    )

    # 添加健康检查端点
    app.get("/health")(health_check)

    # 挂载MCP服务到 /xixi 路径
    app.mount("/xixi", mcp.streamable_http_app())

    return app

def main():
    app = create_app()

    # 启动uvicorn服务器
    uvicorn.run(
        app,
        host="0.0.0.0",
        port=8000,
        log_level="info"
    )

if __name__ == '__main__':
    main()

使用streamableHttp成功部署MCP。

总结

以上，是对MCP三种传输协议部署实践，如果只是想试试MCP，使用stdio就行了，我们使用的MCP Tool大部分都是node写的，使用npx方式先拉到本地缓存再执行，使用部署的方式也比较少，我想这是因为本地的方式MCP功能会更加强大，线上部署的比较局限，只能调用接口。

本文只是实践了MCP的部署方式，没有详细写Tool的实现，在公司内部已经使用MCP落地一些实际场景了，我相信下半年MCP会是一种趋势，