【DeepSeek实战】11、从零构建MCP Server实战：掌握Tool/Resource/Prompt核心能力

最新推荐文章于 2025-07-21 22:01:51 发布
最新推荐文章于 2025-07-21 22:01:51 发布
阅读量1.1k 收藏 22
点赞数 25
CC 4.0 BY-SA版权
分类专栏： DeepSeek全栈应用开发实战 文章标签： prompt DeepSeek实战 MCP Server 优快云技术干货 从零搭建MCP Server AI大模型 运维
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/RickyIT/article/details/149026354

在这里插入图片描述

模型上下文协议（MCP）服务器是实现大模型与外部资源交互的核心组件，它扮演着"能力中台"的角色，为AI系统提供工具调用、资源访问和标准化对话模板等关键功能。

本文将系统整合MCP Server的核心技术与实战代码，通过5000+字的深度解析、关键代码实现与可视化图表，帮助读者从零开始构建一个功能完整的MCP Server，掌握Tool自动调用、Resource安全访问和Prompt模板管理三大核心能力。

一、MCP Server核心概念与价值定位

MCP Server作为模型上下文协议的执行层，是连接大模型与外部世界的"桥梁"。它解决了大模型直接访问外部资源的安全风险、能力边界有限和交互标准化等问题，为构建智能协作系统提供了基础支撑。

1.1 什么是MCP Server？

MCP Server是实现模型上下文协议的服务器端组件，负责接收并处理来自MCP Client的请求，提供工具调用（Tool）、资源访问（Resource）和对话模板（Prompt）三大核心服务。它独立运行在安全隔离的环境中，通过标准化接口与大模型、本地/远程资源进行交互，确保数据安全与操作可控。

graph TD
    A[大模型] -->|MCP协议请求| B[
了解本专栏 订阅专栏 解锁全文
Python的MCP Server开发实战
Criss@陈磊
03-03 4580
这是一个入门级的教程主要讲解一下MCP Server的开发，主要是用官网的例子以及MCP Python SDK。
《MCP 实战》 第2章：MCP架构详解
AI天才研究院
06-27 206
摘要 本章详细解析了模型上下文协议(MCP)的架构设计与核心组件，包括基础架构、核心能力和生命周期管理。MCP采用客户端-主机-服务器架构，支持大语言模型与外部系统的集成，具备灵活性和可扩展性。协议基于JSON-RPC 2.0通信规范，提供标准化的请求-响应机制和错误处理。MCP支持多种传输层实现（stdio、HTTP/SSE），并包含三大核心能力：资源管理、工具集成和提示模板。通过标准化的生命周期管理（初始化、运行、关闭），MCP为构建AI智能体和复杂工作流提供了坚实基础。
DeepSeek实战--MCP Server
希望我的博客，能解决你工作中的问题
05-04 579
本文介绍了 DeepSeek 实战中 MCP Server 的使用方法及其三大核心能力：Tool（工具）、Resource（资源）和 Prompt（提示模板）。文章以一个考评系统为例，详细展示了如何通过 MCP Server 实现工具调用。首先使用 uv 初始化项目并安装依赖，然后通过 FastMCP SDK 创建工具函数（如获取员工绩效得分），并注册到 MCP Server 中。接着，修改配置文件以指定运行命令和代码路径。最后，通过客户端验证工具的调用效果。
【MCP实践】Python构建MCP应用全攻略：从入门到实战
Arbboter的专栏
06-06 3028
本文详解基于Python的FastMCP服务开发框架，其通过工具(Tool)、提示(Prompt)、资源(Resource)三大核心组件构建智能应用生态。工具模块通过@mcp.tool()装饰器注册业务逻辑单元，实现API对接与数据处理；提示模块借助@mcp.prompt()创建结构化指令模板，精准引导大语言模型输出；资源模块利用@mcp.resource()整合静态配置与动态数据流。三者在Cherry Studio开发环境中无缝协同：资源提供数据支撑，提示生成AI指令，工具执行具体操作
详解MCP Server实现原理与实战：打造专属阿里云OpenAPI服务
分享平时的学习心得和笔记
05-14 890
MCP（Model Context Protocol）是一种由Anthropic开源的标准化协议，旨在解决大模型与外部数据源、工具间的交互瓶颈。其核心架构采用客户端-服务器模式，通过MCP主机、MCP客户端和MCP服务器三个关键组件实现功能扩展。MCP协议具有标准化接口、安全与权限控制、动态发现与扩展三大优势，简化了大模型与外部系统的交互流程。本文以调用阿里云天气API为例，详细演示了如何开发一个MCP Server，并涵盖了安全增强、错误处理、性能优化等关键实现细节。通过MCP协议，开发者可以快速构建标准
FastMCP - 快速、Pythonic风格的构建MCP server 和 client
AI工程化、开源分享、文档翻译、代码笔记
05-05 5593
一、关于 FastMCP 相关链接资源 快速构建示例 什么是MCP？ 为什么选择FastMCP？ 核心特性 服务器 客户端 v2 版本更新内容 二、安装 添加 验证安装 安装用于开发 三、核心概念 1、`FastMCP` 服务器 2、工具 3、资源 4、提示 5、上下文 6、图片 7、MCP 客户端 7.1 客户端方法 7.2 运输选项 7.3 LLM Sampling 7.4 根访问 四、高级功能 1、代理服务器 2、组成 MCP 服务器 3、OpenAPI & FastAPI 生成 4、处理 `std
MCP Host、MCP Client、MCP Server全流程实战
FeelTouch Labs
04-22 1526
MCP （Model Context Protocol，模型上下文协议）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型（一个中间协议层），就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。
【动手学MCP从0到1】2.4 MCP中的Prompt服务项目搭建步骤详解
lys_828的博客
06-06 1280
对于MCP服务项目中关于Prompt工具的时候进行步骤详解的梳理
MCP实战篇-构建一个MCP服务
2301_81940605的博客
04-10 2412
前篇已经介绍了MCP+n8n构建工作流，在里面可以体现出MCP服务的重要性，以及能看到MCP的可能性，在我们真正的实战过程中可能会有各种各样的需求，开放的MCP服务有极大可能实现不了我们的需求，这个时候如果你懂如何开发一个自己的MCP服务，如虎添翼，助力业务。
深入探究 MCP Spring Boot Server：构建强大的天气信息服务系统
I_Am_Zou的博客
03-29 1555
随着人们对实时天气信息需求的不断增长，开发一个稳定、高效且易于扩展的天气信息服务系统具有重要意义。本项目旨在利用 Spring Boot 和 MCP，打造一个能够通过 MCP 接口提供准确天气信息服务的服务器。通过本文的介绍，我们深入了解了如何使用 Spring Boot 和 MCP 构建一个功能强大的天气信息服务系统。从项目的搭建、配置到业务服务的开发，再到常见问题的解决，为开发者提供了一个完整的技术实践指南。希望读者能够基于此项目，进一步探索和拓展，开发出更多实用、高效的应用程序。
Spring AI MCP Client + DeepSeek R1 搭建自定义可扩展的AI助手服务
小毕超博客
04-19 3039
MCP 由 Anthropic 推出的一种开放标准协议，旨在统一大模型（LLM）与外部数据源和工具之间的通信方式。通过 MCP 协议，开发者可以更高效地实现 AI 模型与外部资源的集成，从而提升应用的智能化和上下文感知能力。
SpringAI系列 - MCP篇（二） - MCP Server Boot Starter
罗小爬的技术宝书
05-09 519
此处需注意之前的。
大模型高效适配：软提示调优 Prompt Tuning
最新发布
ZJQ的博客
07-21 104
本文介绍了参数高效的提示调优方法（Prompt Tuning），通过添加可学习的"软提示"向量来适配下游任务，而不需修改预训练模型参数。相比传统微调，该方法仅需存储少量任务专属提示参数（如2万vs110亿），极大节省资源。实验表明，随着模型规模增大，软提示效果接近全量微调，尤其在超大规模模型上表现优异。该方法通过冻结主干网络、只优化输入层提示，实现了高效的任务适配，具有参数效率高、泛化能力强等优势，为大模型应用提供了轻量级解决方案。
Prompt Engineering(提示词工程)基础了解
Fuly的博客
07-21 763
当给定一个 Prompt 时，模型会根据 Prompt 的内容，在其生成的概率空间中寻找最有可能的单词序列来继续文本。以 Transformer 架构的语言模型为例，在生成过程中，模型会根据输入的 Prompt 计算下一个单词的概率分布，这个概率分布是基于模型对词汇表中所有单词在给定当前 Prompt 上下文下出现的可能性估计。而且，随着生成过程的推进，新生成的单词也会作为新的上下文信息反馈给模型，进一步影响后续单词的概率分布，从而使生成的文本能够在整体上与 Prompt 保持主题和风格的一致性。
上位机知识篇---Prompt&PowerShell Prompt
道阻且长，行则将至。
07-18 700
AnacondaPrompt和AnacondaPowerShellPrompt是Anaconda环境中的两个命令行工具，主要区别在于：1)AnacondaPrompt基于CMD，使用传统DOS语法；AnacondaPowerShellPrompt基于PowerShell，支持更丰富的命令和脚本功能。2)PowerShell版本兼容CMD命令，同时支持类Unix命令和高级脚本操作，适合复杂任务和跨平台用户。3)普通用户进行简单环境管理时两者差异不大，但需要复杂脚本或系统管理时PowerShell更具优势等
Prompt：开启与AI高效对话的钥匙
m0_54069809的博客
07-18 803
Prompt是与AI高效对话的"钥匙"，通过精心设计的文本指令引导AI生成优质回答。优质Prompt包含五大核心要素：角色设定（明确AI身份）、任务描述（具体工作）、背景信息（提供上下文）、格式要求（输出结构）和约束规则（限制条件）。常用技巧包括零样本提示（直接提问）、少样本提示（提供范例）和思维链（分步思考）。掌握Prompt技巧能精准控制AI输出、提升效率并激发创意，是解锁AI潜力的关键。
The Survey of Few-shot Prompt Learning on Graph
qq_51580006的博客
07-21 994
例如，预训练可以集中于学习两个节点之间的连接模式（链路预测任务），而微调旨在调整可以处理节点或图属性（节点分类或图分类任务）。在黑盒场景中，预训练模型通常以API或云服务的形式提供(Model-as-a-Service, MaaS)，我们只能得到其输出（如节点表示），但无法访问其内部参数和梯度。例如，在社交网络中，节点特征对分类结果有很大影响，而在蛋白质网络中，图结构起着更本质的作用。例如，当训练图具有不同的尺度（即变化的节点数），训练这样的一系列。复杂度的可学习参数，此类设计需要大量的存储资源。
在ComfyUI中CLIP Text Encode (Prompt)和CLIPTextEncodeFlux的区别
qq_39934403的博客
07-18 453
功能默认 token 限制77 tokens (固定)77 / 可配置 / 可变超长处理截断或报错截断 / 支持更长（取决实现）适用范围Flux pipelines / 高级 workflows稳定性高高，但取决扩展版本它们可能对 token 支持长度不同：→固定 77 tokens。→取决于实现，可能支持 >77 tokens，但若推送给标准 SD 模型仍仅使用前 77 tokens。
Clip微调系列：《MaPLe: Multi-modal Prompt Learning》
小小老大MUTA的博客
07-17 606
Clip微调系列：《MaPLe: Multi-modal Prompt Learning》重点内容总结
ode、Claude Desktop 等客户端配置 MCP Server，还有 npx 可能在 Windows 上运行失败的问题，都可以参考 Code Runner MCP Server 的 README 和源代码，完全开源：https://github.com/formulahendry/mcp-server-code-runnery/mcp-ser
04-04
### 解决 npx 在 Windows 上运行失败问题 当遇到 `npx` 在 Windows 平台上无法正常运行的情况时，通常可能是由于环境变量未正确配置、Node.js 安装不完全或者权限不足等原因引起的。以下是针对该问题的具体分析和解决方案： #### 环境变量检查 确保 Node.js 已经被正确安装并添加到系统的 PATH 变量中。可以通过以下命令验证： ```bash node -v && npm -v ``` 如果上述命令返回版本号，则说明环境已正确配置；否则需要重新安装 Node.js 或者手动调整 PATH 路径[^3]。 #### 权限问题排查 某些情况下，可能是因为当前用户缺乏执行脚本所需的权限。尝试以管理员身份启动命令提示符或 PowerShell，并再次运行 `npx` 命令来测试是否仍然存在错误。 --- ### 配置 MCP Server 的方法 对于 MCP 报错问题：“Error executing MCP tool: Not connected”，可以按照如下方式完成 MCP Server 的配置： #### 打开 Cursor 设置界面 通过访问 Cursor 应用程序中的 **Settings > Features > MCP Servers** 页面，进入 MCP 服务管理区域[^1]。 #### 创建新的 MCP Server 点击“Add New Server”按钮创建一个新的服务器实例，在弹出窗口中填写必要的参数信息： - **名称 (Name)**：为新建立的服务指定一个易于辨识的名字，例如 “FileSystem MCP Server”。这一步骤有助于后续管理和区分不同类型的连接[^2]。 其他可选字段依据实际需求补充即可，比如端口号、认证密钥等高级选项可以根据官方文档进一步查阅设定指南。 #### 测试连通性 保存更改之后，利用内置工具发起一次简单的请求操作，确认新建好的 MCP Server 是否能够成功响应客户端指令。如果没有异常反馈，则表明整个流程已经顺利完成部署。 --- ### 综合处理建议 结合以上两部分内容来看，先解决基础开发环境中可能出现的基础障碍——即修复因路径缺失而导致的 `npx` 功能受限状况；再依照具体业务场景下的指导手册逐步完善关于远程协作平台方面的各项细节安排。两者相辅相成才能达到预期效果。 ```python import subprocess def run_npx_command(command): try: result = subprocess.run(['npx', command], check=True, text=True, capture_output=True) return f'Successfully executed {command}. Output:\n{result.stdout}' except subprocess.CalledProcessError as e: return f'Failed to execute {command}. Error message:\n{e.stderr}' print(run_npx_command('--version')) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

无心水

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值