从零构建MCP ServerModel Context Protocol开发完全指南引言随着大语言模型LLM能力的飞速发展如何让模型安全、高效地连接外部世界——比如数据库、API、文件系统——成为 AI 应用落地的关键瓶颈。Anthropic 推出的Model Context Protocol (MCP)正是为了解决这一难题而生的开放标准。它将 LLM 与外部工具、数据源的集成规范化让开发者可以用一种统一的方式“教会”模型使用各种外部能力。本文将带你从零开始掌握 MCP Server 的开发流程从核心概念梳理到编写第一个完整可运行的服务器再到配置客户端进行真实交互最后分享生产环境中的常见问题与最佳实践。读完这篇文章你将具备独立开发并部署 MCP Server 的能力。MCP 核心概念在动手编写代码之前我们需要理解 MCP 的架构与关键原语。1. 客户端-服务器架构MCP 采用经典的 C/S 模型MCP Host发起连接的一方通常是 Claude Desktop、IDE 插件或你自己的 AI 应用MCP Client运行在 Host 内部负责与 Server 维持一对一连接MCP Server你将要开发的部分提供具体的工具、资源和提示等能力。一个典型的交互流程如下Host 启动内嵌的 ClientClient 与 Server 建立连接如 stdio 或 HTTPClient 请求 Server 的能力列表工具、资源……用户通过 Host 与模型对话模型根据需求调用 Server 提供的工具Server 执行工具并返回结果模型汇总后回应用户。2. 三大核心原语MCP 定义了三种服务器可暴露的能力工具Tools类似 API 端点模型可以调用它们来执行操作例如查询天气、发送邮件、读写文件。每个工具由名称、描述和输入模式JSON Schema构成资源Resources暴露只读数据如文件内容或数据库记录。资源用 URI 标识支持订阅和内容变更通知提示Prompts预定义的对话模板可帮助用户快速开启特定任务。本教程将重点放在工具的构建上因为它是绝大多数开发场景的核心。3. 传输机制MCP 支持两种主流传输方式stdio通过标准输入输出通信简单直接特别适合本地进程间调用如 Claude Desktop 集成Server-Sent Events (SSE)基于 HTTP 的流式传输允许远程连接适用于将 Server 部署为服务供多个客户端使用。我们将首先使用stdio进行演示它无需任何网络配置极易上手。实战示例构建一个天气查询 MCP Server下面我们使用 Python 和最新的mcp库一步步实现一个能够查询天气的工具服务器并配置到 Claude Desktop 中测试。1. 环境准备确保你已安装 Python 3.10然后创建项目目录并安装依赖mkdir mcp-weather-server cd mcp-weather-server python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install mcpmcp库由 Anthropic 官方维护提供了编写 Server 和 Client 的全套基础设施。2. 编写服务器代码创建weather_server.py填入以下完整代码包含详细注释#!/usr/bin/env python3 一个简单的 MCP Server提供天气查询工具。 使用 stdio 传输可直接接入 Claude Desktop。 import asyncio import json from typing import Any from mcp.server import Server from mcp.server.stdio import stdio_server from mcp.types import Tool, TextContent # 1. 创建 Server 实例名称用于标识 app Server(weather-server) # 2. 声明工具列表 —— 告诉客户端我们能做什么 app.list_tools() async def list_tools() - list[Tool]: 返回当前服务器支持的所有工具定义 return [ Tool( nameget_weather, description获取指定城市的当前天气信息, inputSchema{ type: object, properties: { city: { type: string, description: 城市名称例如 Beijing }, unit: { type: string, enum: [celsius, fahrenheit], description: 温度单位默认为摄氏度 } }, required: [city] } ) ] # 3. 处理工具调用 —— 真正执行逻辑的地方 app.call_tool() async def call_tool(name: str, arguments: dict[str, Any]) - list[TextContent]: 根据工具名称和参数执行操作返回结果 if name get_weather: city arguments.get(city, Unknown) unit arguments.get(unit, celsius) # 模拟天气数据实际应用中可替换为真实 API 调用 weather { Beijing: {temp: 22, condition: 晴}, Shanghai: {temp: 28, condition: 多云}, Guangzhou: {temp: 30, condition: 雷阵雨}, } info weather.get(city, {temp: 20, condition: 未知}) temp info[temp] condition info[condition] if unit fahrenheit: temp temp * 9 / 5 32 result_text f{city}当前天气{condition}温度{temp:.1f}{℉ if unit fahrenheit else ℃} return [TextContent(typetext, textresult_text)] # 未知工具应抛出明确错误 raise ValueError(f未知工具: {name}) # 4. 主函数启动 stdio 传输并运行服务器 async def main(): 使用 stdio 协议启动服务器 async with stdio_server() as (read_stream, write_stream): await app.run( read_stream, write_stream, app.create_initialization_options() ) if __name__ __main__: asyncio.run(main())3. 运行与测试直接用 Python 运行即可启动一个 stdio MCP Serverpython weather_server.py此时服务器会阻塞等待标准输入这符合 stdio 传输的特性。为了验证工具是否工作正常我们可以使用 MCP 自带的开发者工具mcp dev需额外安装mcp[cli]pip install mcp[cli] mcp dev weather_server.py该命令会启动一个本地 web 界面让你可视化地列出工具、发起调用并查看结果。推荐在开发阶段使用。4. 接入 Claude Desktop最实用的场景是将 MCP Server 配置到 Claude Desktop 中让模型直接调用你的工具。打开 Claude Desktop 的配置文件- macOS:~/Library/Application Support/Claude/claude_desktop_config.json- Windows:%APPDATA%\Claude\claude_desktop_config.json编辑文件添加mcpServers段{ mcpServers: { weather: { command: python, args: [/你的绝对路径/mcp-weather-server/weather_server.py] } } }保存并重启 Claude Desktop在对话中输入“帮我查一下北京今天天气怎么样”。如果一切正常Claude 会自动调用get_weather工具并展示返回结果。如果日志发现连接错误请检查 Python 路径和文件权限。进阶添加资源与错误处理暴露静态资源除了工具你也可以公开只读资源。例如为上面的天气服务器添加一个“城市列表”资源from mcp.types import Resource, ResourceContents app.list_resources() async def list_resources() - list[Resource]: return [ Resource( uriweather://cities.json, name支持的城市列表, description当前系统支持查询天气的城市, mimeTypeapplication/json ) ] app.read_resource() async def read_resource(uri: str) - ResourceContents: if uri weather://cities.json: cities [Beijing, Shanghai, Guangzhou] return ResourceContents( uriuri, mimeTypeapplication/json, textjson.dumps(cities, ensure_asciiFalse) ) raise ValueError(资源不存在)这样客户端就可以通过读取资源获取城市列表用于下拉选择等 UI 组件。健壮的错误处理生产环境中务必捕获异常并返回结构化错误而非让服务器崩溃app.call_tool() async def call_tool(name: str, arguments: dict) - list[TextContent]: try: if name get_weather: city arguments.get(city) if not city: raise ValueError(缺少参数 city) # ... 业务逻辑 except Exception as e: # 返回错误消息模型会据此理解并做出相应反馈 return [TextContent(typetext, textf工具调用失败{str(e)})]模型接收到错误字符串后通常会向用户解释问题或调整参数重试。常见问题与注意事项1. stdio vs SSE如何选择stdio最简单无需网络配置适合本地工具和 Claude Desktop 集成。缺点是只能被一个客户端连接SSE支持远程访问和多个客户端需要实现一个 HTTP 服务器并处理跨域。当你的服务需要被多个用户或远程 AI 应用调用时使用 SSE 是更好的选择。从 stdio 切换到 SSE只需修改主函数import uvicorn from mcp.server.sse import sse_server if __name__ __main__: uvicorn.run(sse_server(app), host0.0.0.0, port8000)然后客户端连接http://your-server:8000/sse。2. 安全考量输入校验永远不要信任模型传来的参数必须进行类型检查和范围限制防止注入攻击权限控制文件系统工具应限制可读写的目录范围网络请求应做域名白名单敏感信息不要在工具描述或返回值中硬编码 API 密钥等敏感数据应从环境变量读取。3. 性能与资源管理当工具涉及耗时操作如调用外部 API时务必使用异步 I/Oasync/await避免阻塞事件循环。对于计算密集型任务考虑放在线程池或子进程中执行。4. 版本兼容与更新MCP 协议仍在快速演进你需要留意mcp库的更新日志。升级前在测试环境验证避免破坏现有集成。总结本文从 MCP 的基本架构讲起通过一个完整的天气查询服务器实例演示了如何声明工具、处理调用并将服务接入 Claude Desktop。我们进一步探讨了资源暴露、错误处理、传输选择以及安全实践。MCP 的价值在于标准化——它让 LLM 与外部世界的交互不再是千篇一律的硬编码插件而是可复用、可组合的模块。掌握了 MCP Server 的开发你就拥有了一把钥匙可以安全、优雅地为 AI 应用打开通往无限数据与功能的大门。未来随着生态的完善MCP 有望成为 AI 工具集成的事实标准。现在开始动手实践你将站在这股浪潮的最前沿。