本地手动创建一个MCP(windows环境)

准备工作

1.git hub 页面找到python SDK

Model Context Protocol

2.安装uv 管理python 项目

左边点击installation ,然后根据自己的操作系统选择对应的安装语句。

复制安装语句,然后在本地打开powershell 粘贴,执行即可

bash 复制代码
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

执行之后如下

检验:这里需要关闭powershell 重新打开一个执行command: uv python list

选择一个版本安装,这里选择的是3.14.1 command:

bash 复制代码
uv python install 3.14.1

如果安装不成功出现下面错误,

可以切换成国内镜像源

临时环境变量(单次生效)

bash 复制代码
# 使用阿里云镜像源
export UV_INDEX_URL=https://mirrors.aliyun.com/pypi/simple/
uv pip install [包名]

# 或清华大学镜像源
export UV_INDEX_URL=https://pypi.tuna.tsinghua.edu.cn/simple/

如果出现下面错误:

可以尝试运行下面的

bash 复制代码
$env:UV_INDEX_URL="https://mirrors.aliyun.com/pypi/simple/"

然后再去安装响应的python版本,运行成功截图如下;

创建项目

1.创建一个新文件夹(mcp-project)作为项目文件夹

2.当前文件夹目录下执行下面命令初始化:

bash 复制代码
uv init . -p 3.14.1

3.安装SDK

bash 复制代码
uv add "mcp[cli]"

等待一会,大概不到2分钟

安装结束如下截图

4.打开一个IDE,如下:

找到extensions,安装python 和python debugger

打开之前的文件夹,打开main.py 然后点击右上角的执行按钮,看到正确输入:

如果出现错误:XXXX进行数字签名,无法在当前系统上运行该脚本

在powershell 中执行下面语句。然后再返回代码执行main.py

bash 复制代码
#获取当前系统执行策略
Get-ExecutionPolicy

#修改当前系统执行策略
Set-ExecutionPolicy -Scope CurrentUser -ExecutionPolicy RemoteSigned

然后回到github 上面copy quickstart 部分的代码做些修改放在main.py文件中如下:

主要有一个功能就是计算两数之和,这个之后会在下一步调用验证。

python 复制代码
"""
FastMCP quickstart example.

Run from the repository root:
    uv run examples/snippets/servers/fastmcp_quickstart.py
"""

from mcp.server.fastmcp import FastMCP

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


# 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}!"


# test using stdio protocol
if __name__ == "__main__":
    mcp.run(transport="stdio")

cherry studio AI客户端

这里我选择了cherry studio 客户端。也可以选择其他AI客户端工具:cursor

下载 Cherry Studio - 多平台 AI 客户端

退出之后点击创建一个mcp 服务器

参数:第二行填写自己的项目地址,最后一行是要run 的文件

bash 复制代码
--directory
D:\mcp-project
run
main.py

点击打开按钮,如下则说明成功

点击左上角首页,打开一个对话框选择一个模型

消息输入框下面的一个按钮,选择刚刚创建的mcp 服务器

输入测试:可以看到调用了main.py中写的add 方法

相关推荐
lincats2 小时前
Claude Code项目越写越乱?这套清理流程能救你
ai·ai agent·claude code
Java陈序员3 小时前
企业级!一个基于 Java 开发的开源 AI 应用开发平台!
spring boot·agent·mcp
小九九的爸爸4 小时前
前端想要入门Agent开发,要具备哪些Python基础?
python·agent·ai编程
阿耶同学5 小时前
手把手教你用 LangGraph 搭建三层嵌套 Agent 架构
python·程序员
云燕实验室CloudLab6 小时前
《AI开始"抱团"思考了!多智能体 + 思维图到底有多强?》
ai·学习工具·智慧学伴
小七-七牛开发者6 小时前
论文解读:DeepSeek DSpark 在真实高并发推理服务中,如何保证 Token 生成又好又快?
ai·大模型·编程·ai coding
Flynt11 小时前
接手28万行遗留代码:我用codebase-memory-mcp把代码理解时间从3天压到2小时
ai编程·claude·mcp
doiito12 小时前
【Agent Harness】Gliding Horse 核心设计理念,不跟风开发自己的AI Agent
ai·rust·架构设计·系统设计·ai agent
花酒锄作田21 小时前
Pydantic校验配置文件
python
hboot21 小时前
AI工程师第四课 - 深度学习入门
pytorch·python·神经网络