什么是MCP？本地如何开发MCP Server

转载最新推荐文章于 2026-10-12 10:29:35 发布 2.2k 阅读 AI写同款

叫我阿柒啊

2433粉丝2369篇原创

关注

基于windows的MCP+Cherry Studio+本地应用的MCP Server开发成功经验分享本文分享了在Windows 10环境下，基于华为笔记本D14（i5-12450，16G内存）成功搭建MCP+Cherry Studio+本地应用开发环境的经验。首先安装基础环境及配置清华镜像源以加速依赖包的下载。接着，安装并配置Java JDK，确保环境变量正确设置。随后，使用uv工具初始化MCP项目，并安装相关依赖。最后，通过nvm或fnm安装Node.js环境，并配置npm镜像源。整个过程详细记录了每一步的操作命令和验证方法，确保开发环境的顺利搭建。阅读详情

AI摘要

本文介绍了MCP（Model Context Protocol），它是Anthropic推出的开放标准，旨在统一大模型与外部数据源和工具的通信协议。MCP解决了Function Calling缺乏统一规范的问题。还详细阐述了本地使用Python SDK开发MCP Server的过程，包括SDK安装、Server开发和测试，增强了智能体的交互性和可扩展性。

前言

MCP（Model Context Protocol）全称模型上下文协议，是由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。

AI工具会朝着两个方向发展：

掌握更多的信息
控制更多的工具

在没有联网搜索之前，大模型的数据来源只有训练数据的时候以及推理我们告诉他的东西。所以后来的rag、知识库都是让AI掌握更多的信息，而MCP的出现是为了让大模型控制更多的工具，赋予更多能力。

MCP

在 MCP 出现之前，如果大模型需要访问外部数据的时候了，通常使用 Function Calling 的方式。Function Calling 是通过给模型预设函数描述（包括函数名、参数说明、返回值格式等），让模型在合适的时候返回一个符合结构的 JSON 格式，外部系统再解析这个 JSON，调用实际的后端函数。

但 Function Calling 的方式没有一个统一的开发规范，你开发的函数我不能用，我开发的函数你不能用，而且开发起来很麻烦，为了解决这个问题，MCP 出现了。

MCP就是AI大模型的标准化工具箱，大模型可以通过MCP调用外界的AI工具，而AI工具在开发的时候也需要遵循MCP协议。MCP 允许应用程序以标准化方式为 LLM 提供上下文，将提供上下文的问题与实际的 LLM 交互分开

我们本地的数据，例如数据库、github上的代码，需要粘贴给AI工具的对话框中，他们获取到这样的数据。有了MCP之后，可以开发一个 MCP Server 来完成某个特定的功能，例如读取数据库，操作github以及获取当前时间等。

既然 MCP Server 实现了对外部服务端的调用，那么AI工具就要实现 MCP Client 去调用server，将server实现的工具接入进来。目前支持 MCP Client 的AI工具有 cursor、cline、windsuf等。

MCP 服务器可以提供三种主要类型的功能：

资源：客户端可以读取的类似文件的数据（例如 API 响应或文件内容）
工具：可由 LLM 调用的函数
提示：预先编写的模板，帮助用户完成特定任务

目前在网上已经可以找到各种功能的 MCP server。

MCP server 开发

那么，在本地中如何调用MCP，mcp提供了python、java、typescript的SDK，这里我使用 Python 的SDK。Python SDK 实现了完整的 MCP 规范，可轻松实现以下功能：

构建可连接到任何 MCP Server 的 MCP Client
创建公开资源、提示和工具的 MCP Server
使用 stdio 和 SSE 等标准传输
处理所有 MCP 协议消息和生命周期事件

1. SDK 安装

这里安装 uv 来管理项目。

curl -LsSf https://astral.sh/uv/install.sh | sh

按照提示，将 $HOME/.local/bin 目录下的 uv、uvx 命令添加到 PATH 中。并使用uv来创建一个新的项目。

# 创建新的项目
uv init mcp-demo
cd mcp-demo

# 创建并激活虚拟环境
uv venv
source .venv/bin/activate

# 安装依赖
uv add "mcp[cli]"

这样一个uv管理的python mcp项目就初始化完成了。当然也可以使用pip来安装mcp的python sdk：

pip  install "mcp[cli]"

安装过程中可能会出现包冲突的问题，我这里fastapi和sse-starlette依赖了不同版本的starlette，最后直接将冲突包升级到最新，解决了这个问题。

pip install --upgrade fastapi sse-starlette starlette

这样就完成了python开发MCP Server的SDK安装。

2. MCP Server 开发

这样就开始进行 MCP Server 的开发，通过一段时间学习，我发现* MCP Server 其实就是定义一些函数，让智能体调用*。在函数中可以实现简单逻辑、接口调用和各种操作，并通过注解赋予函数不同的能力。

我们定一个 server.py 文件，并开发一个简单的 MCP Server：

from mcp.server.fastmcp import FastMCP

# 创建 MCP 实例
mcp = FastMCP("Demo")

# 示例工具
@mcp.tool()
def add(a: int, b: int) -> int:
    return a + b

# 示例资源
@mcp.resource("greeting://{name}")
def greet(name: str) -> str:
    return f"Hello, {name}!"

# 启动服务
if __name__ == "__main__":
    print("Starting MCP server...")
    mcp.run()