【2025年度创作】分享和总结如何通过AI快速开发一款MCP（模型上下文协议）服务插件，并进行本地和线上部署测试，最后上架MCP以及智能体调用MCP插件

一年一度的CSDN博客之星活动现已开启！时光飞逝，转眼已是2025。这一年，我依然坚持在CSDN平台持续创作，也见证了AI与智能体领域的持续升温，特别是MCP（模型上下文协议）技术带来的崭新突破。

值此CSDN平台年度技术盛会之际，博主将撰写一篇技术实战总结型文章，系统分享如何利用AI高效开发MCP服务插件，涵盖从本地调试、线上部署到智能体使用的全流程。

MCP简介

MCP（Model Context Protocol，模型上下文协议）是专为大语言模型（LLM）应用设计的开放协议，旨在实现 LLM 与外部工具和数据源的无缝集成。它通过统一的接口规范，将原本分散的 API 工具集成简化为"即插即用"模式，解决传统 API 工具中存在的多协议适配、高开发成本等问题。

特别注意：等你跑通一遍MCP后，回过来再看一遍MCP的解释，你就会对MCP模型上下文协议这个概念有所了解，确实是上下文。

MCP（Model Context Protocol）可以理解为让AI模型（比如ChatGPT）连接外部工具的"万能插座"。

简单来说：

以前AI只能靠自己的知识回答问题，现在通过MCP，AI可以安全地连接各种工具（比如读取文件、查询数据库、控制智能设备）。
就像给你的电脑插上U盘或打印机一样，MCP让AI瞬间获得新能力，而且开发者可以轻松为AI创建新工具。
整个过程安全可控，AI只能使用你明确允许的工具，不会越权访问。

举个例子：有了MCP，你可以直接对AI说"帮我总结昨天写的文档"，AI就会通过MCP读取你的文档并生成摘要，而之前这是做不到的。

下面博主就通过通义灵码插件来体验下MCP简单的开发和使用过程。

安装插件

博主使用VSCode进行开发，其核心辅助工具是"通义灵码"插件。安装非常简单，只需在VSCode扩展商店中搜索"Lingma"并安装，登录后即可开始使用它辅助MCP开发。

MCP开发

博主本次开发的MCP的功能主要是查询数据库表，设置多个工具，可以通过博主名查询博主当前排名，也可以输出所有排名信息等工具。

2025博客之星年度评选入围榜单公布：https://blog.csdn.net/blogdevteam/article/details/156200344

创建表

sql 复制代码

CREATE TABLE top300_ranking (
    id INT NOT NULL AUTO_INCREMENT COMMENT '编号',
    total_rank INT NOT NULL COMMENT '总排名',
    csdn_nickname VARCHAR(100) NOT NULL COMMENT 'CSDN昵称',
    blog_homepage VARCHAR(255) NOT NULL COMMENT '博客主页',
    original_score INT NOT NULL COMMENT '原创博文得分',
    quality_score INT NOT NULL COMMENT '质量分得分',
    identity_score INT NOT NULL COMMENT '身份得分',
    interaction_score INT NOT NULL COMMENT '互动得分',
    ranking_score INT NOT NULL COMMENT '上榜得分',
    total_score INT NOT NULL COMMENT '排名总分',
    add_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '添加时间',
    data_memo VARCHAR(500) COMMENT '备注',
    data_status TINYINT DEFAULT 1 COMMENT '数据状态（1-正常，0-删除，或其他状态码）',
    PRIMARY KEY (id),
    UNIQUE KEY uk_total_rank (total_rank),
    INDEX idx_csdn_nickname (csdn_nickname),
    INDEX idx_total_score (total_score DESC)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='TOP 300 榜单排名';

提示词

既然是AI，那就用自然语言来让AI帮我们写代码实现MCP服务功能。

核心提示词就是：编写一个FastMCP框架实现MCP Server的脚手架工程，生成pyhon文件。

目的是使用python对应的mcp框架。

编写一个FastMCP框架实现MCP Server的脚手架工程，生成pyhon文件。

这个MCP服务主要实现如下功能：

1、获取某个博主排名信息，并通过【博客主页网址】获取当前博主个人主页信息以及发表文章篇数信息

调用此工具功能，必须调用查询条件select * from top300_ranking where csdn_nickname='昵称值参数'

2、获取汇总信息

输出汇总信息sql语句，可以按总分等汇总信息输出

【下面是mysql表信息】

CREATE TABLE top300_ranking (

id INT NOT NULL AUTO_INCREMENT COMMENT '编号',

total_rank INT NOT NULL COMMENT '总排名',

csdn_nickname VARCHAR(100) NOT NULL COMMENT 'CSDN昵称',

blog_homepage VARCHAR(255) NOT NULL COMMENT '博客主页',

original_score INT NOT NULL COMMENT '原创博文得分',

quality_score INT NOT NULL COMMENT '质量分得分',

identity_score INT NOT NULL COMMENT '身份得分',

interaction_score INT NOT NULL COMMENT '互动得分',

ranking_score INT NOT NULL COMMENT '上榜得分',

total_score INT NOT NULL COMMENT '排名总分',

add_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP COMMENT '添加时间',

data_memo VARCHAR(500) COMMENT '备注',

data_status TINYINT DEFAULT 1 COMMENT '数据状态（1-正常，0-删除，或其他状态码）',

PRIMARY KEY (id),

UNIQUE KEY uk_total_rank (total_rank),

INDEX idx_csdn_nickname (csdn_nickname),

INDEX idx_total_score (total_score DESC)

) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COLLATE=utf8mb4_unicode_ci COMMENT='TOP 300 榜单排名';

根据提示词，最终会生成的代码和结构如下：

安装依赖

博主觉得AI同时生成了README.md文件，帮我们把项目使用和启动等步骤都写得非常清楚，省了不少时间。

配置数据库连接

根据自己得mysql连接信息进行填写

启动服务

第一次启动得时候可能会提示一些报错，直接复制报错信息让AI进行修复即可，经过多轮修复后，启动得效果如下：

由于当前生成的代码是以STDIO方式启动的MCP服务，博主这里想使用的是http形式启动：

py app.py --transport http --host 127.0.0.1 --port 8080 --path /mcp

直接继续让AI进行修复兼容即可，基本不用写任何代码，全部由AI来完成。

下面就是以http方式启动效果图

复制网址在浏览器上是可以直接访问的，显示下面信息说明启动成功。

本地部署MCP

点击右上角得用户信息，下拉点击个人设置

点击MCP服务

点击MCP右上角的加号，相关信息填写如下：

名称：mcpcsdn（根据自己业务来）

类型：SSE或Streamable HTTP（STDIO这个类型还没试过）

服务地址：http://127.0.0.1:8080/mcp（就是刚刚启动的地址）

高级设置：博主这里暂时没有用到这个就没有填写，可留空

MCP服务这里就会自动获取对应工具信息

调用测试

询问： 全栈小5目前排名第几

AI会优先查找可用的MCP服务插件，然后智能调用对应的工具获取信息。

从上图可以看到，已经成功调用到MCP，并且查询数据库返回了相关信息，最后大模型根据从MCP工具中数据库表获取到的数据进行优化输出，博主询问的是全栈小5当前排名第几，不仅输出了博主是第几名，还有额外的具体各维度得分信息输出，第一轮博主得分440，属于中等分数，希望在接下来的两轮中取得好名次，也祝大家都能取得佳绩。

很显然，MCP在整个大模型AI输出过程中起到了数据补充的作用，是不是有点像知识库一样，而且还是动态化的数据，相比起知识库会更加灵活。

再测试个例子：
询问： 总分都有那些档次，划分档次并统计都有多少名博主

从上图可以看到，根据用户的提问AI能够准确知道调用获取所有排名的MCP工具，然后再进行汇总输出输出，是不是非常有意思，有没有对MCP有一定了解了。

档次划分	分数范围	人数	代表博主（示例）
顶级	500分	1	盼小辉丶（总分500分）
超高级	470-489分	4	夜郎king（485分）、青云交（480分）、猫头虎（470分）等
高级	450-469分	61	一键难忘、越重天、Francek Chen等（部分470分）及大量460/450分博主
中级	440分	97	比特魔法师、是Dream呀、全栈小5等（440分）
良好	430分	107	码农研究僧、工藤学编程、时光の尘等（430分）
中等	420分	84	几何心凉、Yeats_Liao、极客不孤独等（420分）
合格	410分	46	狮子也疯狂、繁依Fanyi、架构进化论等（410分）
总计	410-500分	300	全体博主

到此，本地化部署MCP服务插件就算完成了，虽然过程中会出现一些问题，但是基本都是可以通过AI进行多轮询问得到解决，并且在过程中博主基本没有写过一行代码，全程由AI来完成，实现思路由我们自己通过自然语言来控制。

线上部署

由于博主对Windows服务器更为熟悉，本次部署环境选定为Windows。

具体步骤为：首先在服务器上运行MCP服务的Python程序，随后配置Nginx反向代理，并绑定域名以实现外网访问。

上传源码

直接将本地python代码上传到外网服务里

安装Python

在启动前确保已经安装了python相关软件。

安装python软件的cmd命令，直接通过链接下载安装

base 复制代码

# 下载Python安装程序
curl -o python-installer.exe https://www.python.org/ftp/python/3.14.0/python-3.14.0-amd64.exe

或者直接下载进行安装（推荐用这个方式，下载速度比较快）

cmd命令：python --version，能够显示版本号则标识已经安装成功

安装依赖

直接在当前python文件目录执行cmd命令，README.md这个文件里也有具体步骤：

bash 复制代码

pip install -r requirements.txt

启动服务

在当前目录下，执行下面命令启动服务

py app.py --transport http --host 127.0.0.1 --port 8080 --path /mcp

nginx反向代理

在上一步，MCP服务已在服务器的本地环境成功启动。

接下来，需配置Nginx反向代理，将本地服务映射至公网域名，以实现通过域名访问。

nginx windows版本下载地址：https://nginx.org/en/download.html

建议解压到mcp所在同级目录

修改nginx.conf文件内容，由于博主的80端口已经被占用，这里使用其他端口号测试

base 复制代码

worker_processes  1;

# 必须要有 events 块
events {
    worker_connections  1024;
}

http {
    include       mime.types;
    default_type  application/octet-stream;

    sendfile        on;
    keepalive_timeout  65;

    # 您的反向代理配置
    server {
        listen       8081;
        server_name  自己域名;
        
        location / {
            proxy_pass http://127.0.0.1:8080;
            
            proxy_set_header Host $host;
            proxy_set_header X-Real-IP $remote_addr;
            proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
            proxy_set_header X-Forwarded-Proto $scheme;
            
            proxy_connect_timeout 60s;
            proxy_send_timeout 60s;
            proxy_read_timeout 60s;
        }
    }

    # 可选：默认的 localhost 服务器
    server {
        listen       8081;
        server_name  localhost;

        location / {
            root   html;
            index  index.html index.htm;
        }

        error_page   500 502 503 504  /50x.html;
        location = /50x.html {
            root   html;
        }
    }
}

设置bat启动文件

base 复制代码

@echo off
cd C:\web\mcp_csdn\nginx
start nginx.exe
echo Nginx started.
pause

本地测试

直接在VSCode里通过域名方式来添加MCP

上架MCP

非常简单，和在VSCode里手动添加类似

工具调试

使用MCP

创建一个智能体并使用MCP，这里主要是用来测试，所以简单创建一个智能体引用MCP即可查看效果

到此，MCP的开发、本地部署、线上部署、智能体使用MCP就搞定啦

MCP和API区别

在开发MCP前博主有个疑问，为啥不直接用api就得了，非得出来个MCP，实际上他们也都是类似调用的一个地址，所以，这里还是要了解下他们之间的区别，也能知道MCP的核心价值。

特性维度	API	MCP
全称与定义	应用程序编程接口一种通用技术标准与规范，定义了软件组件之间如何通信。	模型上下文协议一个具体的协议和框架，专为让AI助手能安全、标准化地使用工具和数据源而设计。
本质与角色	"通用语言"或"服务菜单" 任何软件（服务器、库、操作系统）都可以提供API，任何客户端（其他软件或开发者）都可以调用。	"专用工具箱连接协议" 它是API的使用者，也是一个标准化的包装层。它定义AI（客户端）如何发现、调用工具（服务器），以及工具如何被描述。
核心目的	实现系统间的集成与功能调用。（例如：前端获取后端数据，App集成支付功能）	安全、可控地扩展AI助手的能力边界。（例如：让AI能读取数据库、执行命令、操作日历，而无需微调模型本身）
主要使用者	开发者编写代码来调用。其他软件程序也可以调用。	AI助手/智能体（如Claude Desktop, Cursor等）自动发现并调用。（开发者负责为AI创建MCP工具）
关系与比喻	基础技术设施。好比电力系统（提供标准的电压和接口）。	建立在API之上的应用层协议。好比一套标准插头和智能家电协议，让所有电器都能安全、即插即用地接入电力系统，并被智能管家统一控制。
关键特性	- 风格多样（REST, GraphQL, gRPC等） - 注重性能、数据格式 - 认证和授权机制各异	- 标准化工具描述（名称、参数、schema） - 资源概念（可读取的静态数据流） - 强调安全与控制（主机严格控制可用工具） - 动态发现（AI启动时自动获取可用工具列表）
一个简单类比	餐厅的纸质菜单和点餐流程。（顾客需要自己阅读菜单、呼叫服务员、说出菜品）	餐厅的智能点餐平板。（平板自动连接后，主动推送所有可点的菜，顾客（AI）只需描述需求，平板就能理解并格式化成标准订单发送后厨。）

了解之后，只要是后端开发语言，大部分都会有MCP插件库，像Python、Java、C#都有类似MCP插件库直接可使用和封装MCP。

总结

至此，MCP的开发、本地与线上的部署应用，以及智能体调用MCP的全流程已完成。

简而言之，它与常规API的作用类似，但封装了特定领域的业务逻辑，是大模型功能调用的标准化接口。

感兴趣的朋友可以动手实践体验MCP服务插件。
最后，祝CSDN 2025博客之星活动圆满成功，也祝各位参赛的大佬们都能取得优异成绩！