深入MCP本质——编写自定义MCP Server并通过Cursor调用

这篇文章将深入探讨 MCP (Model Context Protocol) 的核心原理，并通过一个简单的自定义天气工具示例，揭示 AI 模型如何与本地系统进行高效、安全的交互。

---

实战配置：启动你的自定义 MCP Server

首先，我们通过一个简单的步骤来配置并运行一个自定义的 MCP Server，该 Server 能够获取电脑所在地的实时时间和天气（不使用代理的前提下）。

步骤 1: 代码准备

下面是我编写的 MCP Server ，你可以将代码库拉取到本地目录

github.com/Objecteee/m...

步骤 2: Cursor 配置

在 Cursor IDE 的 mcp.json 配置文件中添加如下配置，指定你的本地 Server 脚本的路径：

{
  "Real Weather Tool": {
    "command": "node",
    "args": [
      "E:\project\mcp\myMCP\index.js"  # 请确保这里是你的本地文件路径
    ]
  }
}

配置完成后，您即可在 Cursor 的对话框中通过自然语言调用这个工具，例如询问："现在的天气怎么样？"

---

1. 核心架构：什么是 MCP？

MCP (Model Context Protocol) 是由 Anthropic 提出的一种开放协议，旨在解决 大型语言模型 (LLM) 与 外部世界（本地文件、数据库、API 等） 之间的信息鸿沟。

• 没有 MCP 时： LLM 仅依赖训练数据，无法感知外部世界的实时状态（如当前时间、实时天气、本地代码结构）。它就像一个"孤岛上的智者"。
• 有了 MCP： 我们为 LLM 提供了一个标准化的"工具插座"。任何遵循 MCP 协议的外部程序（即 MCP Server ）都可以插入这个插座，使 LLM 能够 控制 这些工具并 获取 实时数据。

---

2. 本质原理：Cursor 如何连接并调用工具？

Cursor 连接和调用自定义 Server 的过程，本质上是基于 标准输入/输出 (Stdio) 的 进程间通信 (IPC) ，它采用 JSON-RPC 格式进行数据交换。我们可以将整个过程分为两个阶段：

阶段一：握手（Handshake）与工具发现

1. 启动子进程： 当你在 Cursor 中保存 mcp.json 配置后，Cursor 会在后台启动一个 子进程 (Child Process) ，执行你指定的 node index.js 脚本。
2. 发送询问： Cursor（父进程）通过 标准输入 (stdin) 向你的脚本发送一条 JSON-RPC 格式的消息，请求获取可用的工具列表。
3. 返回列表： 你的脚本（子进程）收到请求后，会通过 标准输出 (stdout) 返回一个包含其所有工具定义（如 TimeWeatherReporter）的 JSON 响应。这对应于代码中的 server.setRequestHandler(ListToolsRequestSchema...)。

阶段二：待命与工具调用

1. 待命： 只要 Cursor 不关闭，你的脚本进程就会在后台持续运行，等待调用指令。
2. LLM 触发： 用户在聊天框输入指令（如"现在的天气怎么样？"），Cursor 内置的 AI 模型分析请求，决定调用哪个工具。
3. 发送指令： Cursor 向你的脚本发送一条 JSON-RPC 调用请求，指定要执行的工具名称和参数。
4. 执行任务： 你的脚本接收指令，执行相应的内部函数（例如请求 wttr.in 获取天气）。
5. 反馈结果： 脚本将执行结果打包成 JSON，通过 stdout 发回给 Cursor。
6. 结果展示： Cursor 接收到工具输出的原始数据，将其作为 上下文 传递给 AI 模型，由模型组织成自然语言的答案回复用户。

---

3. 代码层面的关键实现：MCP Server 运行机制 (index.js)

我们的注意力不要放在代码的实现上，要放在代码的流程上，因为MCP只是一种规范。

这个 Node.js 脚本通过遵循 MCP 规范，并利用标准输入/输出流 (Stdio) 实现通信。以下是驱动 MCP Server 运行的五个关键代码片段：

3.1 核心模块导入：定义协议与传输层

代码片段	作用描述	核心原理
import { Server } from "@modelcontextprotocol/sdk/server/index.js";	Server 实例	MCP 服务端核心类，负责处理 JSON-RPC 请求和响应。
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";	Stdio 传输层	声明通信载体是基于 标准输入/输出 (stdin/stdout) ，而非网络端口。
import { CallToolRequestSchema, ListToolsRequestSchema } from ...	协议定义	导入请求的 JSON Schema，用于解析 Cursor 发来的不同类型的指令。

3.2 初始化 MCP 服务器

const server = new Server(
  {
    name: "simple-weather-server",
    version: "1.0.0",
  },
  {
    capabilities: {
      tools: {},
    },
  }
);

作用： 创建服务器实例。capabilities.tools: {} 明确告诉 MCP，该服务器具备提供工具的能力。

3.3 注册工具列表：响应"握手"请求

server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "TimeWeatherReporter",
        description: "Get current system time and weather...",
        inputSchema: {
          type: "object",
          properties: {
            location: {
              type: "string",
              description: "Optional. City name (e.g. 'Beijing')...",
            },
          },
          required: [],
        },
      },
    ],
  };
});

作用 这是握手阶段（Handshake） 的关键。当 Cursor 首次启动子进程时，会发送 ListToolsRequestSchema 请求。该代码片段负责返回一个清晰的 JSON Schema 描述：

• name: 工具的唯一标识符。
• description: 供 AI 理解工具用途的自然语言描述。
• inputSchema: JSON Schema 格式的参数定义，AI 依赖此信息来构造正确的调用参数。

3.4 处理工具调用：执行业务逻辑

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "TimeWeatherReporter") {
    const location = request.params.arguments?.location;
    return await getSystemStyleWeather(location); // 调用实际的业务函数
  }
  throw new Error("Tool not found");
});

作用： 这是执行阶段（Execution） 的核心。当 Cursor 的 AI 决定调用工具时，会发送 CallToolRequestSchema 请求。这段代码根据 request.params.name 匹配到对应的业务逻辑 (getSystemStyleWeather)，执行后将结果返回给 Cursor。

3.5 启动服务器：连接到 Stdio 流

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Simple Weather MCP Server running on stdio");
}

作用： 连接点。 StdioServerTransport() 创建了传输通道，server.connect(transport) 则将服务器实例绑定到这个通道上。至此，您的 Node.js 脚本准备就绪，可以通过 stdin/stdout 与 Cursor 进程进行双向通信。

---

4. 总结：MCP 的本质

角色	实体	职责
雇主 (Client)	Cursor IDE (父进程)	启动并监控工具，发送调用指令，接收并处理结果。
雇员 (Server)	node index.js (子进程)	接收指令，执行实际任务（如 API 调用、文件读写），返回原始数据。
工作合同 (Protocol)	MCP 协议	规定了握手和调用过程中 JSON 数据的结构和标准。
对讲机 (Transport)	Stdio (标准输入/输出)	实现本地父进程与子进程之间即时、安全的通信。

MCP 的精妙之处在于它的解耦性 和安全性：Cursor 客户端无需关心你的 Server 是用 Node.js、Python 还是 Go 编写。只要你的程序符合 MCP 协议，能够通过命令行流接收和发送 JSON 数据，它就能无缝地成为 AI 的外部工具，极大地扩展了 LLM 的能力边界。

---

自定义MCP Server代码

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";
import axios from "axios";
import { z } from "zod";

// 1. Initialize MCP Server
const server = new Server(
  {
    name: "simple-weather-server",
    version: "1.0.0",
  },
  {
    capabilities: {
      tools: {},
    },
  }
);

// 2. Define Tool Logic using wttr.in (No API Key required)
async function getSystemStyleWeather(location) {
  // --- Get Real Local Time (System Time) ---
  const now = new Date();
  const localTime = now.toLocaleTimeString("zh-CN", {
    hour: "2-digit",
    minute: "2-digit",
    second: "2-digit",
    hour12: false,
  });
  const localDate = now.toLocaleDateString("zh-CN");

  // --- Determine URL ---
  // wttr.in automatically detects location by IP if no location is provided
  // format=j1 gives us a JSON response
  let url = "https://wttr.in/?format=j1";
  if (location) {
    url = `https://wttr.in/${encodeURIComponent(location)}?format=j1`;
  }

  try {
    const response = await axios.get(url);
    const data = response.data;
    
    // Parse wttr.in specific JSON structure
    const current = data.current_condition[0];
    const area = data.nearest_area[0];

    const weatherInfo = {
      location: location || area.areaName[0].value, // Use detected name if no input
      region: area.region[0].value,
      condition: current.weatherDesc[0].value,
      temperature_c: current.temp_C,
      feelslike_c: current.FeelsLikeC,
      humidity: current.humidity,
      wind_kph: current.windspeedKmph,
      data_source: "wttr.in (IP-based auto-location)"
    };

    // --- Construct Result ---
    const result = {
      status: "success",
      tool: "SystemWeatherReporter",
      system_time: `${localDate} ${localTime}`,
      weather: weatherInfo
    };

    return {
      content: [
        {
          type: "text",
          text: JSON.stringify(result, null, 2),
        },
      ],
    };

  } catch (error) {
    return {
      content: [{ type: "text", text: `Unable to fetch weather data. Please check your network connection. Error: ${error.message}` }],
      isError: true,
    };
  }
}

// 3. Register Tools
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "TimeWeatherReporter",
        description: "Get current system time and weather. Automatically detects location if not specified. No API key required.",
        inputSchema: {
          type: "object",
          properties: {
            location: {
              type: "string",
              description: "Optional. City name (e.g. 'Beijing'). If omitted, uses auto-detection.",
            },
          },
          required: [],
        },
      },
    ],
  };
});

// 4. Handle Tool Calls
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  if (request.params.name === "TimeWeatherReporter") {
    const location = request.params.arguments?.location;
    return await getSystemStyleWeather(location);
  }
  throw new Error("Tool not found");
});

// 5. Start Server
async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Simple Weather MCP Server running on stdio");
}

main().catch((error) => {
  console.error("Server error:", error);
  process.exit(1);
});