探索MCP-我的学习与实践笔记

wangwangit · March 20, 2025, 12:20pm

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.

准备工作

在开始之前，我们需要准备一些工具：

Python 环境: 确保你已经安装了 Python 3.10 或更高版本。
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。
终端: 在 Windows 上可以使用 PowerShell 或 CMD，在 macOS 或 Linux 上可以使用 Terminal。
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: For Server Developers - Model Context Protocol

创建项目目录:

在powershell中执行下面的命令
```
mkdir mcp-demo
cd mcp-demo
```
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-202503201853391191233×626 217 KB

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-202503201857007251233×626 216 KB

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
```

打开刚刚创建的目录，并编写以下代码：

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')

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-202503201907296032512×1280 30.5 KB
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 Example Clients - Model Context Protocol

image-202503201918126211920×964 27.8 KB

image-202503201919491331920×964 22.5 KB

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-202503201921418941920×1032 31.5 KB

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: 如何在 Cherry Studio 中使用 MCP | Vaayne's Tea House

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: python-sdk/examples/clients/simple-chatbot/mcp_simple_chatbot at main · modelcontextprotocol/python-sdk · GitHub

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：

从每个 MCP Server 获取工具列表。
将所有工具的信息格式化成一段文字（tools_description）。
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！”

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。

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：

接收到 AI 的回复。
尝试把回复解析成 JSON 格式。
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。

整个过程就像这样：

你向 AI 提问。
AI 分析你的问题，看看需不需要调用工具。
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。
程序解析 AI 的回复，找到对应的 MCP Server，执行工具调用。
程序把工具的执行结果返回给 AI。
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

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!
原文

https://www.wangwangit.com/2025-03-21-探索MCP-我的学习与实践笔记/

教程

mcp server资源站

OwlwO · March 20, 2025, 12:26pm

先收藏再观看

aB3R · March 20, 2025, 12:45pm

mark一下, 感谢大佬分享

leioukupo · March 20, 2025, 12:49pm

看了这么多
就是没有人甩一个
在client看来
每次发送的请求，接收到的响应，再次发送请求的具体内容格式

handsome · March 20, 2025, 12:49pm

太强了，大佬

wangwangit · March 20, 2025, 12:54pm

这个在我上面那个客户端代码里面有,可以下载下来跑一下就知道了.

leioukupo · March 20, 2025, 12:55pm

我只有deepseek,跑不起来
没结果

shenchong · March 20, 2025, 1:00pm

好详细呀

leioukupo · March 20, 2025, 1:02pm

你能保存一下每次发送的请求，接收到的响应，再次发送请求的具体内容格式
给我看一下吗？

wangwangit · March 20, 2025, 1:12pm

直接去里面提供的的那个API地址注册个账号,申请个key就能用.
这是返回的结果,结合代码看.

llm_response = self.llm_client.get_response(messages)

llm_response是下面这个


            
Tool: read_query
Description: Execute a SELECT query on the SQLite database
Arguments:
- query: SELECT SQL query to execute (required)


Tool: write_query
Description: Execute an INSERT, UPDATE, or DELETE query on the SQLite database
Arguments:
- query: SQL query to execute (required)


Tool: create_table
Description: Create a new table in the SQLite database
Arguments:
- query: CREATE TABLE SQL statement (required)


Tool: list_tables
Description: List all tables in the SQLite database
Arguments:



Tool: describe_table
Description: Get the schema information for a specific table
Arguments:
- table_name: Name of the table to describe (required)


Tool: append_insight
Description: Add a business insight to the memo
Arguments:
- insight: Business insight discovered from data analysis (required)


Tool: puppeteer_navigate
Description: Navigate to a URL
Arguments:
- url: No description (required)


Tool: puppeteer_screenshot
Description: Take a screenshot of the current page or a specific element
Arguments:
- name: Name for the screenshot (required)
- selector: CSS selector for element to screenshot
- width: Width in pixels (default: 800)
- height: Height in pixels (default: 600)


Tool: puppeteer_click
Description: Click an element on the page
Arguments:
- selector: CSS selector for element to click (required)


Tool: puppeteer_fill
Description: Fill out an input field
Arguments:
- selector: CSS selector for input field (required)
- value: Value to fill (required)


Tool: puppeteer_select
Description: Select an element on the page with Select tag
Arguments:
- selector: CSS selector for element to select (required)
- value: Value to select (required)


Tool: puppeteer_hover
Description: Hover an element on the page
Arguments:
- selector: CSS selector for element to hover (required)


Tool: puppeteer_evaluate
Description: Execute JavaScript in the browser console
Arguments:
- script: JavaScript code to execute (required)


            根据用户的问题选择合适的工具。如果不需要使用工具，请直接回复。

            重要提示：当您需要使用工具时，必须仅以下面的精确JSON对象格式回复，不得有其他内容：

            {
                "tool": "工具名称",
                "arguments": {
                    "参数名": "参数值"
                }
            }

            在收到工具的响应后：
            1. 将原始数据转化为自然、对话式的回复
            2. 保持回复简洁但信息丰富
            3. 专注于最相关的信息
            4. 使用用户问题中的适当上下文
            5. 避免简单重复原始数据

            请仅使用上面明确定义的工具。请分析用户意图，重要提示：当您需要使用工具时，必须仅返回纯JSON对象，不要添加任何Markdown格式、代码块标记,

result是


'```json
{
    "tool": "puppeteer_navigate",
    "arguments": {
        "url": "https://www.wangwangit.com"
    }
}
```'

result = await self.process_llm_response(llm_response)

这个result是

"Tool execution result: meta=None content=[TextContent(type='text', text='Navigated to https://www.wangwangit.com', annotations=None)] isError=False"

leioukupo · March 20, 2025, 1:17pm

那个github的env示例是groq
这个支持？？我有grok，前段时间冲了马斯克的x5刀

slashkkk · March 20, 2025, 1:25pm

学习了！

Buffff · March 20, 2025, 1:32pm

请问这个mcp和常说的AI智能体有什么区别么？

zhong_little · March 20, 2025, 1:36pm

groq 和 grok 是两个

leioukupo · March 20, 2025, 1:36pm

看走眼了

wangwangit · March 20, 2025, 1:41pm

这个groq去网站注册好像也能免费用

wangwangit · March 20, 2025, 1:49pm

我的理解是，mcp是相当于一种规范吧，而智能体就是大模型动态调用各种mcp服务。大家都遵守mcp规范，这样后期构建工具和调用都方便。

shixq · March 20, 2025, 1:57pm

唤起浏览器窗口的是哪个mcp服务器啊，我装了好几个，在cherry里用都起不来

wangwangit · March 20, 2025, 2:08pm

好像是这个。 puppeteer_navigate

Yusheng · March 20, 2025, 2:20pm

这篇文章算是抛砖引玉了，未来可以预见，会有更多MCP的插件接入进来

Topic		Replies	Views
3天斩获100万赞的秘诀：零基础掌握MCP（源码详解），让AI自动执行任务！资源荟萃教程 , 人工智能 , 作品集	90	2752	April 27, 2025
4000字长文，写给大家看的MCP使用指南开发调优人工智能	101	2746	April 22, 2025
【瞎折腾2】MCP概念学习笔记搞七捻三人工智能 , 作品集	74	2398	April 28, 2025
面向新手的MCP使用教程：在Cherry Studio中配置和使用模型上下文协议文档共建人工智能 , MCP	96	5462	April 8, 2025
佬友们有好用的 MCP 推荐嘛开发调优人工智能	71	5910	April 24, 2025