首页 注册 登录
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
JustW
V2EX  ›  程序员

探索 MCP-我的学习与实践笔记

  •  2      
  •   JustW · 1 天前 · 1998 次点击

    👋 今天我们要一起探索 Model Context Protocol (MCP)！你可能听说过各种 AI 大模型，比如 ChatGPT 、文心一言等等，它们能聊天、写代码、甚至画画，简直无所不能！

    🤔 但是，你有没有想过，这些 AI 大模型是怎么跟现实世界交互的呢？比如，你怎么让 AI 帮你查天气、订机票、控制家里的智能灯泡？这时候，MCP 就派上用场啦！

    🌟 MCP 就像一个“万能插座”，让 AI 大模型可以安全、方便地连接各种各样的“电器”（也就是我们说的工具，比如查天气的 API 、控制灯泡的程序等等）。有了 MCP ，你的 AI 就能真正地“动起来”，而不仅仅是“说起来”！

    🧐 你是否曾梦想过，你的 AI 助手不仅能和你聊天，还能帮你完成各种实际任务？比如，当你对 AI 说“帮我预订明天早上 8 点飞往北京的航班”时，它真的能帮你订好机票，而不是仅仅回复你“好的，正在为您搜索航班信息……”？

    本文将带你从零开始，用 Python 搭建一个简单的 MCP 应用，让你亲身体验 AI 调用工具的魅力！

    💡 MCP 核心概念

    在正式开始写代码之前，我们需要先了解几个 MCP 的核心概念：

    • MCP (Model Context Protocol): 模型上下文协议。它不是一个具体的软件，而是一套“规则”或者“约定”。这套规则定义了 AI 模型（比如大型语言模型 LLM ）如何与外部世界（各种工具、服务、数据）安全、高效地交互。你可以把它想象成一个“翻译官”，让 AI 听懂各种“方言”（不同的工具/服务的接口），也能让各种工具/服务听懂 AI 的“指令”。
    • 核心思想: 将 AI 模型的功能和对接到 AI 模型的工具(tool),数据(resource),提示(prompt)分离开, 独立部署, 让 AI 可以随意连接各种工具,数据以及使用各种提示!
    • MCP 主机 (MCP Host): 运行 AI 模型和 MCP 客户端的应用程序。常见的 MCP 主机有：
      • Claude Desktop: Anthropic 公司的桌面客户端，内置了 MCP 支持。
      • IDE 集成: 像 VS Code 、Cursor 等 IDE 可以通过插件支持 MCP 。
      • 自定义应用: 你自己开发的任何集成了 MCP 客户端的应用程序。
    • MCP 客户端 (MCP Client): 负责与 MCP 服务器通信的组件。它通常集成在 MCP 主机中。客户端的主要职责是：
      • 发现和连接 MCP 服务器。
      • 向 MCP 服务器请求可用的工具、资源、提示等信息。
      • 根据 AI 模型的指令，调用 MCP 服务器提供的工具。
      • 将工具的执行结果返回给 AI 模型。
    • MCP 服务器 (MCP Server): 提供具体功能（工具）和数据（资源）的程序。你可以把它想象成一个“技能包”，AI 模型可以通过 MCP 客户端“调用”这些技能。MCP 服务器可以：
      • 访问本地数据（文件、数据库等）。
      • 调用远程服务（ Web API 等）。
      • 执行自定义的逻辑。
    • 本地数据源 (Local Data Source): 位于 MCP 服务器本地的数据，如文件、数据库等。
    • 远程服务 (Remote Service): MCP 服务器通过网络访问的服务，如各种 Web API 。
    • 资源 (Resource): 服务端提供的数据，比如天气信息、歌曲列表等等。
    • 工具 (Tool): 服务端提供的功能，比如查询天气、播放音乐等等。
    • Prompt: 预设的提示, 用于引导 AI 输出.

    image-20250320165955929

    🛠️ 准备工作

    在开始之前，我们需要准备一些工具：

    1. Python 环境: 确保你已经安装了 Python 3.10 或更高版本。
    2. 文本编辑器: 推荐使用 VS Code ，因为它有很多好用的插件，可以帮助我们更高效地编写代码。
    3. 终端: 在 Windows 上可以使用 PowerShell 或 CMD ，在 macOS 或 Linux 上可以使用 Terminal 。
    4. 一点点耐心和好奇心！ 😉

    🏗️ 搭建 MCP 服务端

    我们的第一个任务是搭建一个 MCP 服务端。这个服务端会提供一个简单的“计算器”工具，让 AI 可以进行加法运算。下面以 windows 电脑为例,其他系统请参考: https://modelcontextprotocol.io/quickstart

    1. 创建项目目录:

      在 powershell 中执行下面的命令

      mkdir mcp-demo
cd mcp-demo

    2. 创建虚拟环境 (推荐):

      用 uv 创建,更方便快捷! uv 通常指一个环境配置工具，用于简化开发环境的搭建流程。

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

      image-20250320185339119

      有的可能需要手动配置环境变量,可以参考控制台给出的提示进行配置!

      image-20250320185700725

      下面为创建目录以及激活环境,安装依赖!

      # Create a new directory for our project
uv init calculate
cd calculate

# Create virtual environment and activate it
uv venv
.venv\Scripts\activate

# Install dependencies
uv add mcp[cli] httpx

# Create our server file
new-item calculate.py

    image-20250320185810239

    1. 打开刚刚创建的目录，并编写以下代码：

      image-20250320190113103

      from mcp.server.fastmcp import FastMCP

# 创建 FastMCP 服务端实例，命名为 "add-server"
mcp = FastMCP("add-server")

# 使用 @mcp.tool() 装饰器定义一个名为 "add" 的工具
@mcp.tool()
def add(a: int, b: int) -> int:
    """
    计算两个整数的和。

    Args:
        a: 第一个整数。
        b: 第二个整数。

    Returns:
        两个整数的和。
    """
    return a + b

# 主程序入口
if __name__ == "__main__":
    # 启动服务端，使用 stdio 作为传输方式
    mcp.run(transport='stdio')

    2. 运行命令测试:

      mcp dev calculate.py

      如果一切正常，你应该能在终端看到类似下面的输出：

      Starting MCP inspector...
Proxy server listening on port 3000

🔍 MCP Inspector is up and running at http://localhost:5173 🚀

      这表示你的 MCP 服务已经成功启动了！访问终端输出的地址,即可进行调试!

      image-20250320190729603

    3. 客户端调用:

      我这里使用的是 cursor,更多支持的客户端可以查看 https://modelcontextprotocol.io/clients

      image-20250320191812621

      image-20250320191949133

      这里的路径请调整为自己的路径,注意必须使用绝对路径

      {
    "mcpServers": {
      "add-server": {
        "command": "E://mcp-demo//calculate//.venv//Scripts//python.exe",
        "args": ["E://mcp-demo//calculate//calculate.py"]
      }
    }
  }

      配置之后,启用刚刚添加的 mcp server, 对话框中选择 agent,然后提问即可,注意,启用时会自动启动一个控制台,请不要关闭! 这个一旦关闭，Cursor 就检测不到你的 MCP 工具

      image-20250320192141894

    Cherry Studio 中进行调用本地 mcp server,使用 uvx 始终不成功,最终使用下面方式实现! 有知道原因的可以留言指导我一下!! 参考文档: https://vaayne.com/posts/2025/how-to-use-mcp-in-cherry-studio/

    image-20250320192750523

    📱 搭建 MCP 客户端

    接下来，我们要搭建一个 MCP 客户端，参考代码见下面这个地址中的 main.py!

    代码地址: https://github.com/modelcontextprotocol/python-sdk/tree/main/examples/clients/simple-chatbot/mcp_simple_chatbot

    那么，这份代码是怎么把它们串起来，让 AI 帮你调用工具的呢？主要分三步：

    1. 🎁 把工具清单告诉 AI

    首先，我们要让 AI 知道 MCP Server 都有哪些工具可用。这一步就像是给 AI 一份“工具清单”。

    这份代码里，有一个 Tool 类，专门用来描述工具的信息，包括：

    • name（工具名称）：比如 "image_generator"（图片生成器）
    • description（工具描述）：告诉 AI 这个工具是干嘛的，比如“根据你的描述生成一张图片”
    • input_schema（输入格式）：告诉 AI 使用这个工具需要提供哪些信息，比如“图片的描述”

    然后，format_for_llm() 方法会把这些信息整理成一段通俗易懂的文字，就像这样：

    Tool: image_generator
Description: 根据你的描述生成一张图片
Arguments:
- description: 你想要生成的图片是什么样的？ (required)

    看到了吧？这份“工具清单”是不是很清晰？ AI 一看就知 道有哪些工具可以用，以及每个工具怎么用。

    在 ChatSession 类的 start 方法中，程序会：

    1. 从每个 MCP Server 获取工具列表。
    2. 将所有工具的信息格式化成一段文字（tools_description）。
    3. 把这段文字放到一个“系统提示”（system_message）里，告诉 AI：“你有这些工具可以用哦！”

    image-20250320194038055

    2. 🤔 AI 分析你的需求，决定用哪个工具

    现在，AI 已经知道了有哪些工具可用。接下来，当你向 AI 提问时，它就会分析你的需求，看看需不需要调用工具。

    比如，你问：“帮我画一张日落时海滩的图片。”

    AI 会想：“嗯，这个需求跟‘图片生成器’工具很匹配，我应该调用它。”

    但是，AI 怎么告诉程序它要调用哪个工具呢？这里有一个关键的约定：

    AI 必须按照特定的 JSON 格式回复！

    代码里的 system_message 特别强调了这一点：

    IMPORTANT: When you need to use a tool, you must ONLY respond with the exact JSON object format below, nothing else:

    {
"tool": "tool-name",
"arguments": {
  "argument-name": "value"
}
}

    也就是说，如果 AI 想调用“图片生成器”工具，它必须回复一段类似这样的 JSON：

    {
    "tool": "image_generator",
    "arguments": {
        "description": "日落时海滩的图片"
    }
}

    ChatSession 的 process_llm_response方法专门处理 AI 的 JSON 回复. 检查是否包含 "tool" 和 "arguments" 键。

    image-20250320194146542

    3. 🛠️ 执行工具调用，获取结果

    最后一步，就是根据 AI 的指示，真正地去调用工具了。

    ChatSession 类的 process_llm_response 方法会：

    1. 接收到 AI 的回复。
    2. 尝试把回复解析成 JSON 格式。
    3. 如果解析成功，并且发现 AI 要调用工具：
      • 找出是哪个 MCP Server 提供了这个工具。
      • 调用 Server 类的 execute_tool 方法，执行工具。
      • 把工具的执行结果返回给 AI 。

    Server 类的 execute_tool 方法负责与 MCP Server 通信，发送工具调用请求，并获取结果。它还有重试机制，确保工具调用更可靠。

    最后，AI 会根据工具的返回结果，用自然语言给你一个最终的答复。

    image-20250320194216632

    整个过程就像这样：

    1. 你向 AI 提问。
    2. AI 分析你的问题，看看需不需要调用工具。
    3. 如果需要，AI 会按照约定的 JSON 格式回复，告诉程序要调用哪个工具，以及参数是什么。
    4. 程序解析 AI 的回复，找到对应的 MCP Server ，执行工具调用。
    5. 程序把工具的执行结果返回给 AI 。
    6. AI 根据工具的返回结果，给你一个最终的答复。

    是不是很简单？通过这种方式，AI 就可以借助 MCP Server 的各种工具，完成更复杂的任务，变得更加强大！

    演示

    image-20250320194958122

    image-20250320194804597

    启动代码通过对话就可以实现工具的调用了,然后可以自行调整上面的 API 调用地址和模型以及提示词进行测试,我个人测试可能还是 gemini 这个模型调用成功率高一些!

    ✨ 总结与展望

    通过这个简单的例子，相信你已经对 MCP 有了一个初步的了解。MCP 的强大之处在于，它可以让 AI 大模型与各种各样的工具和服务连接起来，从而实现更加复杂和强大的功能。

    • 跨平台: MCP 不仅仅支持 python, 还有 TS/JS, Java 等版本! 让你可以用自己最熟悉的语言进行开发!
    • 安全性: MCP 服务器可以控制权限, 保证你的数据安全!
    • 错误处理: 要记得在实际开发中, 对用户的输入,以及 AI 的返回做校验, 保证程序的稳定!
    • 异步处理: MCP 支持异步操作,这对于处理耗时任务（如网络请求、数据库查询）非常重要。

    未来，你可以尝试：

    • 添加更多工具: 比如查询天气、搜索新闻、控制智能家居等等。
    • 使用不同的客户端: 比如将 MCP 集成到你的 Web 应用、手机 App 中。
    • 探索更高级的 MCP 特性: 比如资源管理、Prompt 系统等等。

    MCP 的世界充满了无限可能，期待你用它创造出更多有趣、有用的 AI 应用！✨

    如果你在学习过程中遇到任何问题，或者有任何想法和建议，欢迎随时与我交流！😊

    最后

    给大家推荐一些关于 mcp server 好用的网站!

    教程

    mcp server 资源站

  • MCP
  • AI
  • Python
    17 条回复  •  2025-03-21 17:08:11 +08:00
    Unmurphy
        1
    Unmurphy  
       1 天前
    刚好，最近也要学习，
    tserial
        2
    tserial  
       1 天前 via iPhone
    总结的很好，也是刚接触
    kidyang
        3
    kidyang  
       1 天前 via iPhone
    🐮
    934831065ldc
        4
    934831065ldc  
       17 小时 42 分钟前
    按照你的思路，都将 mcp server 的工具都拼接到 system 里面，如果有 1 万个工具，10 万工具，那 system message 是不是要爆掉了？
    guansixu
        5
    guansixu  
       17 小时 26 分钟前
    感觉工具的调用跟 function call 有点像，只是 function call 是写在代码里面的函数
    birdhk
        6
    birdhk  
       17 小时 23 分钟前
    最近刚在学，有个疑问，比如我想让大模型使用 get 请求获取一个 url 的信息并让他分析，这应该用 resource 还是 tool 呢？
    fredweili
        7
    fredweili  
       17 小时 11 分钟前
    手工点赞，正想看看这个
    SilenceLL
        8
    SilenceLL  
       17 小时 1 分钟前
    @guansixu 不同层级的东西，function call 更定制化一些，mcp 比较通用。不过现在其他家如谷歌还没跟进，说不定谷歌也想搞一个协议，本身这玩意就是谁流传的广谁就赢了。
    JustW
        9
    JustW  
    OP
       17 小时 0 分钟前
    @934831065ldc 是的,会出现这个问题
    JustW
        10
    JustW  
    OP
       16 小时 58 分钟前
    @birdhk 按官方的写法,应该是放资源里,操作类的就是用 tool.就是个规范,不是硬性要求.
    codingKingKong
        11
    codingKingKong  
       16 小时 28 分钟前
    @JustW 如果是这样的话, 感觉就有点太怪了, 由 mcp-server 来维护这个声明, 由 client 扫描接入的 tools 说明, 支持特殊配置感觉会更正常一些
    JustW
        12
    JustW  
    OP
       16 小时 1 分钟前
    @codingKingKong 客户端的代码就是你说的这个逻辑吧.
    lpdink
        13
    lpdink  
       11 小时 26 分钟前
    @934831065ldc 对 mcp 工具的选择性召回是必要的，总归 RAG 生态现在也做的很好，接过来用在将来是必然的
    ASHYWHISPER
        14
    ASHYWHISPER  
       11 小时 12 分钟前
    🙏感谢博主的启蒙。
    HomeZane
        15
    HomeZane  
       9 小时 56 分钟前
    话说每个 mcp 都要启动一个服务的方式让我很难受，难道没有大善人提供线上 mcp 的服务吗
    JustW
        16
    JustW  
    OP
       9 小时 55 分钟前
    @HomeZane 有啊.文章末尾的资源站就是呀
    HomeZane
        17
    HomeZane  
       9 小时 23 分钟前
    @JustW #16 资源站的不都是需要本地部署吗？
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   1107 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 22ms · UTC 18:31 · PVG 02:31 · LAX 11:31 · JFK 14:31
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.