给 AI 装个“工具箱”：MCP 协议入门与 Node.js 实战

给 AI 装个"工具箱"：MCP 协议入门与 Node.js 实战

你有没有想过一件事：AI 聊天模型很聪明，但它没办法直接读你的本地文件、查天气预报、更新 GitHub Issue，或者在数据库里跑一条 SQL。

这不是能力问题，是协议问题。大模型生在云端，活在自己的世界里。要让它们真正"动起来"，你需要一个中间层------一个 AI 能理解和调用的标准接口。

MCP（Model Context Protocol）就是干这个的。它不是某个公司的私有方案，而是 Anthropic 推出来的开放协议，想把 AI 工具调用做到像 USB 接口一样即插即用。

这篇文章不讲概念堆砌，直接上手写一个 Node.js MCP Server，让它能查天气、算时间、读文件，然后让 AI 通过它来完成任务。

一、MCP 到底长什么样？

MCP 的架构只有三个角色：

Host：AI 宿主，比如 Claude Desktop、Cursor、VS Code 插件
Client：Host 内部运行的 MCP 客户端，负责连接 Server
Server：你写的工具，暴露一些"能力"（resources 和 tools）

一个 MCP Server 可以提供：

Tools：AI 可以调用的函数，比如 get_weather(city)、search_web(query)
Resources：暴露给 AI 读的数据，比如本地文件、日志、数据库结果
Prompts：预置的对话模板

通信走 JSON-RPC，传输层可以是 stdio（子进程管道）或者 SSE（HTTP 流）。本地开发用 stdio 就够了，不需要跑 HTTP 服务。

二、搭一个最简 MCP Server

安装依赖

bash 复制代码

mkdir mcp-weather-demo && cd mcp-weather-demo
npm init -y
npm install @modelcontextprotocol/sdk

创建 server.js

javascript 复制代码

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

const server = new Server(
  { name: 'demo-tools', version: '1.0.0' },
  { capabilities: { tools: {} } }
);

server.setRequestHandler(ListToolsRequestSchema, async () => ({
  tools: [
    {
      name: 'get_current_time',
      description: '获取当前时间，支持时区参数',
      inputSchema: {
        type: 'object',
        properties: {
          timezone: { type: 'string', description: '时区，如 Asia/Shanghai' },
        },
      },
    },
    {
      name: 'read_file',
      description: '读取本地文本文件',
      inputSchema: {
        type: 'object',
        properties: { path: { type: 'string', description: '文件绝对路径' } },
        required: ['path'],
      },
    },
  ],
}));

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;
  switch (name) {
    case 'get_current_time': {
      const tz = args?.timezone || 'Asia/Shanghai';
      const text = new Date().toLocaleString('zh-CN', { timeZone: tz });
      return { content: [{ type: 'text', text: '当前时间：' + text }] };
    }
    case 'read_file': {
      const fs = await import('fs/promises');
      try {
        const content = await fs.readFile(args.path, 'utf-8');
        return { content: [{ type: 'text', text: content }] };
      } catch (err) {
        return { isError: true, content: [{ type: 'text', text: err.message }] };
      }
    }
    default:
      return { isError: true, content: [{ type: 'text', text: '未知工具' }] };
  }
});

const transport = new StdioServerTransport();
await server.connect(transport);

就这么简单。一个 Server 就是一个 Node.js 进程，通过 stdin/stdout 和 AI 通信。

三、本地测试：不用 AI 也能跑

MCP Server 可以独立测试，不需要任何 AI 客户端。最方便的是 Anthropic 官方 MCP Inspector：

bash 复制代码

npx @modelcontextprotocol/inspector node server.js

它会打开一个 Web UI，让你手动调用工具、查看返回结果。

四、集成到实际 AI 客户端

方式 1：Claude Desktop

在 MCP 配置中添加：

json 复制代码

{
  "mcpServers": {
    "demo-tools": {
      "command": "node",
      "args": ["C:/path/to/your/server.js"]
    }
  }
}

重启后，Claude 就会自动发现你的工具。

方式 2：VS Code + Cline

Cline 是 VS Code 里的 AI 编码插件，支持 MCP。在 Cline 配置里添加 MCP Server 的启动命令即可。

方式 3：自定义 AI 客户端

javascript 复制代码

import { Client } from '@modelcontextprotocol/sdk/client/index.js';
import { StdioClientTransport } from '@modelcontextprotocol/sdk/client/stdio.js';

const transport = new StdioClientTransport({ command: 'node', args: ['./server.js'] });
const client = new Client({ name: 'my-app', version: '1.0.0' });
await client.connect(transport);

const tools = await client.listTools();
console.log(tools.tools.map(t => t.name));

const result = await client.callTool({
  name: 'get_current_time',
  arguments: { timezone: 'Asia/Shanghai' },
});
console.log(result.content[0].text);

五、加一个更实用的工具：查天气

javascript 复制代码

// 工具定义
{
  name: 'get_weather',
  description: '查询指定城市的实时天气',
  inputSchema: {
    type: 'object',
    properties: { city: { type: 'string', description: '城市名，如北京、上海' } },
    required: ['city'],
  },
}

// 工具处理逻辑
case 'get_weather': {
  const city = args.city;
  const url = 'https://wttr.in/' + encodeURIComponent(city) + '?format=%C+%t+%h+%w';
  const res = await fetch(url);
  const text = await res.text();
  return { content: [{ type: 'text', text: city + ' 天气：' + text }] };
}

wttr.in 是免费终端天气服务，不需要 API Key。如果对精度要求更高，可以换成 OpenWeatherMap 或和风天气。

六、安全注意事项

MCP 给 AI 开了"工具通道"，安全需要认真考虑。

1. 最小权限原则

不要暴露 exec、shell、delete_file 这类高风险工具。如果确实需要写文件，加上白名单路径限制。

2. 输入验证

AI 生成的参数不一定可靠。对每个参数做类型检查，拒绝不符合预期的输入。

3. 不要硬编码敏感信息

token、密码放在环境变量里，不要直接写在代码中。

4. 超时与限流

长时间运行的工具要加超时控制，防止 AI 意外调用导致 Server 卡死。

七、MCP 能做什么？真实场景

场景	工具示例
代码审查	list_git_changes()、get_diff_content()
数据库查询	query_sql(sql) 只读模式
文件操作	read_file()、search_files(pattern) 只读
外部 API	search_web()、get_news()
系统监控	get_disk_usage()、check_process()
项目管理	create_issue()、list_prs()
文档查询	search_docs(query)

八、常见问题

Q1：MCP 和 Function Calling 有什么区别？

OpenAI 也有 Function Calling，但那是平台特定能力。MCP 是开放协议，不绑定模型或平台，而且把工具、资源和提示词统一管理。

Q2：一定要用 Node.js 吗？

不一定。MCP SDK 有 Python、TypeScript、Java、Kotlin 版本，用你熟悉的语言即可。

Q3：可以同时连接多个 MCP Server 吗？

可以。Host 能同时连接多个 Server，AI 会自动发现所有工具。

Q4：生产环境用 stdio 还是 SSE？

本地开发用 stdio 最方便。需要远程访问时用 SSE 或 Streamable HTTP。

Q5：MCP 安全吗？

协议本身不是关键，风险来自你暴露的工具。只读工具风险较小，写操作必须做权限控制和人工确认。

九、总结

MCP 的精髓不在于复杂，而在于它把"AI 工具化"标准化了。你写一个标准 MCP Server，所有支持 MCP 的客户端都能用，不必为每个平台单独适配。

今天就动手试试：从 get_current_time 开始，加 read_file，再加 get_weather。不到 100 行代码，你的 AI 就有了真正的"工具箱"。

下次你对 AI 说"帮我看看这个文件"或"查一下天气"，它就不用回答"抱歉，我无法执行这个操作"了------因为它真的可以。