手把手教你用MCP和Python完成一个小项目

AI科技论谈

已于 2025-03-28 21:36:41 修改

阅读量2.8k

点赞数 23

分类专栏：大语言模型文章标签： python 开发语言语言模型机器学习

于 2025-03-28 21:32:52 首次发布

本文链接：https://blog.youkuaiyun.com/ai_tech_talk/article/details/146611608

版权

大语言模型专栏收录该内容

8 篇文章

订阅专栏

解锁 MCP：AI 与外部世界的高效连接之道。

微信搜索关注《AI科技论谈》

人工智能的世界在持续发展，几乎每天我们醒来都会看到新的消息。今天我们带大家了解的是MCP（模型上下文协议，Model Context Protocol）。

一、什么是协议？

在计算机领域，协议是一组规则，它决定了两个系统如何相互通信。协议规范着计算机网络中的数据传输、互联网通信，以及软件系统之间的交互。

例如：

HTTP（超文本传输协议，Hypertext Transfer Protocol）：用于实现网站与浏览器之间的通信。
TCP/IP（传输控制协议/网际协议，Transmission Control Protocol/Internet Protocol）：定义了互联网上数据包的路由方式。
JSON - RPC（远程过程调用，Remote Procedure Call）：一种允许以JSON格式进行数据交换的协议。

二、什么是模型上下文协议（MCP）？

模型上下文协议（MCP）是一种开放协议，它能让大语言模型（LLMs）以标准化的方式与外部数据源和工具集成。该协议由Anthropic开发，使AI模型能够轻松地与各种工具和数据源协同工作。

MCP可以类比为USB - C接口，USB - C已成为设备连接的全球标准。正如USB - C为不同设备提供了通用连接点一样，MCP让人工智能系统能够以标准方式与数据和工具进行通信。

三、为什么要使用MCP？

MCP的功能与API（应用程序编程接口）类似，但它的应用潜力更为广泛。传统的API在每次集成时都需要单独进行实现，而通过一次MCP集成就能访问多种不同的数据源和工具。

MCP还支持双向通信。也就是说，人工智能模型不仅能够接收数据，还可以触发特定的操作。

四、MCP的架构

MCP基于简单的客户端 - 服务器架构。一个应用程序可以同时连接多个MCP服务器。该架构由以下组件构成：

MCP主机：作为MCP主机的应用程序用于访问数据或工具。
MCP客户端：主机内的客户端与MCP服务器建立一对一的连接。
MCP服务器：轻量级的服务器，通过MCP提供特定功能，并且可以连接本地或远程数据源。
本地数据源：MCP服务器能够访问的数据，例如文件和数据库。
远程服务：MCP服务器可以访问的基于外部互联网的API。

五、连接生命周期

初始化

客户端向服务器发送初始化请求，请求中包含自身的协议版本和功能信息。
服务器响应，返回自身的协议版本和功能信息。
客户端发送初始化完成通知。
连接建立，开始消息交换。

消息交换：连接建立后，客户端和服务器之间可以相互发送请求和响应消息，也可以传输单向消息。
终止：客户端或服务器都可以终止连接。

六、MCP的核心特性

MCP使用JSON - RPC 2.0消息格式在客户端和服务器之间进行通信。该协议的一些主要特性包括：

资源：提供给用户或人工智能模型的数据和内容。
提示：为用户预先定义的消息和工作流程。
工具：人工智能模型可以运行的功能。

七、实践项目

在这个项目中，我们将构建一个从网站获取最新新闻的架构。

文档中建议使用uv包管理器，而非pip。因此，你可以打开终端，在MacOs和Linux系统中使用下面的第一条命令进行下载，在Windows系统中使用第二条命令下载。

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

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

完成下载后，别忘了重启终端。

接着，为项目创建一个目录。为此，在你希望创建项目的目录中打开终端，并运行以下命令：

uv init mcp-server-project
cd mcp-server-project

然后，创建虚拟环境并安装所需的包。这里我们使用uv包管理器。

# 创建虚拟环境
uv venv
# 在MacOs/Linux系统中激活虚拟环境
source.venv/bin/activate
# 在Windows系统中激活虚拟环境
.venv\Scripts\activate
# 安装库
uv add "mcp[cli]" httpx bs4 dotenv

现在，我们需要在VS Code中打开创建的文件夹。打开后，我们会看到左侧的文件结构已准备就绪。

接下来，我们要更新main.py文件。

from mcp.server.fastmcp import FastMCP
from dotenv import load_dotenv
import httpx
import os
from bs4 import BeautifulSoup
import json

load_dotenv()
# 初始化服务器
mcp = FastMCP("tech_news")

USER_AGENT = "news-app/1.0"

NEWS_SITES = {
    "arstechnica": "https://arstechnica.com"
}

async def fetch_news(url: str):
    """从指定的新闻网站抓取并总结最新新闻。"""
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, timeout=30.0)
            soup = BeautifulSoup(response.text, "html.parser")
            paragraphs = soup.find_all("p")
            text = " ".join([p.get_text() for p in paragraphs[:5]]) 
            return text
        except httpx.TimeoutException:
            return "Timeout error"

@mcp.tool()  
async def get_tech_news(source: str):
    """
    从特定的科技新闻源获取最新新闻。

    参数：
    source：新闻源名称（例如，"arstechnica"或"techcrunch"）。

    返回：
    最新新闻的简要摘要。
    """
    if source not in NEWS_SITES:
        raise ValueError(f"Source {source} is not supported.")

    news_text = await fetch_news(NEWS_SITES[source])
    return news_text

if __name__ == "__main__":
    mcp.run(transport="stdio")

上述代码能够从指定的网站获取最新新闻，其工作步骤如下：

首先，进行必要的导入。
此代码未使用API，但如果你使用API，可以通过load_dotenv()获取密钥。
使用FastMCP初始化服务器。
"news - app/1.0"是我们指定的应用名称。
NEWS_SITES包含了要从中获取新闻的网站。如果你愿意，可以在此处添加更多网站。
fetch_news()函数从指定网站获取新闻。
get_tech_news()函数是我们的工具。通过在函数上添加@mcp.tool()装饰器，我们将其指定为一个工具。函数中的文档字符串对于模型理解该工具的工作方式非常重要。
我们的MCP服务器通过mcp.run(transport="stdio")运行。不过，我们不会通过VS Code运行服务器。

Claude桌面应用程序可以直接运行我们准备好的MCP服务器，因此我们将使用Claude桌面应用程序。你可以从这里下载：https://claude.ai/download 。

然后，我们打开设置并进入开发者设置。在此处点击“编辑配置”。

点击“编辑配置”后，会为我们打开一个文件夹。在这个文件夹中，我们使用文本编辑器打开claude_desktop_config.json文件，在其中输入服务器信息。

这个文件包含了Claude运行我们服务器的相关设置。有几点需要注意：

mcp - server - project是我们创建的项目文件名称。如果你用了不同的名称，可以在此处更改。
你需要在“命令”部分添加uv包管理器的路径。文档中此部分只写了“uv”，但对我来说这样不行，所以我添加了路径。你可以在终端中运行“which uv”命令来查找路径。
你还可以将“args”中的路径更改为你自己的项目路径。为此，你可以在项目目录的终端中运行“pwd”命令获取完整路径。
完成修改后保存并关闭文件。

{
    "mcpServers": {
        "mcp-server-project": {
            "command": "/Users/busekoseoglu/.local/bin/uv",
            "args": [
                "--directory",
                "/Users/busekoseoglu/Desktop/PROJELER/LLM Portfolio/mcp-server-project",
                "run",
                "main.py"
            ]
        }
    }
}