这篇文章得到了大家的广泛阅读,让大家对 MCP 的概念和使用也有了一个基础的认知,也介绍了如何使用 MCP Server,这篇再来介绍下如何从 0 开发一个自己的 MCP Server。
MCP 本质上是为 AI 大模型提供调用外部工具的能力,MCP Server 就是这个能力的具体实现——你可以通过它,把你已有的 API、脚本、服务包装成 AI 能理解和调用的 MCP 工具。
这篇我们就以获取图片为例来创建一个 MCP Server,让 AI 根据自然语言来获取图片网站上的图片,比如 Pixabay 图片网站,它就提供了 API 可以让外界来搜索图片。
Pixabay API 文档:
https://pixabay.com/api/docs/
MCP 官方提供了 Python、Node、Java、Kotlin 等 SDK 接入,我们为了方便测试使用,本文以 Node 为例进行演示,请确保你安装了最新版本的 Node。
安装 Node 环境
如果你还没有安装 Node.js 和 npm,你可以从 nodejs.org 下载并安装,然后验证 Node.js 是否正确安装:
node --version
npm --version
安装过程,略。
创建 MCP Server 项目
创建一个 MCP Server 项目:
mkdir pixabay
cd pixabay
初始化一个新的 npm 项目:
npm init -y
安装相关依赖:
npm install @modelcontextprotocol/sdk zod
npm install -D @types/node typescript
创建主要目录和文件:
mkdir src
touch src/index.ts
更新 package.json 文件,添加以下主要配置项:
{
"type": "module",
"bin": {
"pixabay": "./build/index.js"
},
"scripts": {
"build": "tsc && chmod 755 build/index.js"
},
"files": [
"build"
],
}
在根目录创建 tsconfig.json 文件,内容如下:
{
"compilerOptions": {
"target": "ES2022",
"module": "Node16",
"moduleResolution": "Node16",
"outDir": "./build",
"rootDir": "./src",
"strict": true,
"esModuleInterop": true,
"skipLibCheck": true,
"forceConsistentCasingInFileNames": true
},
"include": ["src/**/*"],
"exclude": ["node_modules"]
}
到此,项目初始化完成,现在让我们开始构建一个图片搜索的 MCP 服务器吧。
构建 MCP Server
在项目 index.ts
文件中添加 MCP Server:
// MCP - NODE SDK
import { McpServer } from"@modelcontextprotocol/sdk/server/mcp.js";
// 导入 StdioServerTransport 类,用于处理服务器的输入输出通信
import { StdioServerTransport } from"@modelcontextprotocol/sdk/server/stdio.js";
// 导入用于验证输入参数的库
import { z } from"zod";
// Pixabay API URL
const baseUrl = "https://pixabay.com/api/";
/**
* 定义了 MCP Server 实例。
*/
const server = new McpServer({
name: "pixabay",
version: "1.0.0",
capabilities: {
resources: {},
tools: {},
},
});
/**
* 定义了一个名为 "pixabay-image-search" 的工具。
* 该工具接受一个查询字符串和一个图像类型作为输入参数,
* 并返回一个包含图像信息的 JSON 字符串。
*/
server.tool(
'pixabay-image-search',
{
query: z.string(),
type: z.string()
},
async ({ query, type = 'all' }) => {
try {
// 检查是否设置了 PIXABAY_KEY 环境变量
if (!process.env.PIXABAY_KEY) {
console.error("PIXABAY_KEY environment variable is not set");
process.exit(1);
}
console.log("PIXABAY_KEY", process.env.PIXABAY_KEY);
// 构建 Pixabay API 请求 URL
const requestUrl = `${baseUrl}?key=${process.env.PIXABAY_KEY}&q=${query}&image_type=${type}&per_page=3`;
// 发送请求并获取响应
const response = await fetch(requestUrl);
// 检查响应状态
const json = await response.json();
// 返回响应结果
return {
content: [{
type: 'text',
text: JSON.stringify({
images: json.hits || [],
total_results: json.total,
query,
}, null, 2)
}]
}
} catch (e) {
return {
content: [{
type: 'text',
text: `Error: ${e instanceof Error ? e.message : 'Unknown error'}`
}],
isError: true
};
}
}
)
/**
* 启动服务器并建立与传输层的连接。
* 该函数创建一个标准输入输出的服务器传输实例,
* 并使用该实例将服务器连接到传输层。
*/
asyncfunction startServer() {
// 创建一个标准输入输出的服务器传输实例,用于处理服务器的输入输出通信
const transport = new StdioServerTransport();
// 等待服务器通过指定的传输实例建立连接
await server.connect(transport);
}
// 启动服务器
startServer();
这里主要定义了一个 McpServer,然后添加了一个名为 pixabay-image-search
的 MCP Tool 工具,用来从 Pixabay 根据关键字和类型搜索图片。
最后使用以下命令进行构建:
npm run build
根据之前的项目定义,最终会在 build 目录中构建为 index.js 文件。
调试 MCP Server
官方提供了一个 Inspector 调试工具,它是一款用于测试和调试 MCP 服务器的交互式开发者工具,详细介绍和使用方法如下:
https://modelcontextprotocol.io/docs/tools/inspector
启动调试参考命令:
sudo npx @modelcontextprotocol/inspector node build/index.js
启动成功后,访问以下地址:
http://127.0.0.1:6274/
这个界面主要分为三个区域:
- 左侧进行环境变量配置、MCP Server 连接/重启等操作;
- 中间选择要调试的 MCP 工具;
- 右侧对选择的 MCP 工具进行调试。
如图,测试成功。
在工具中使用 MCP Server
在 Claude for Desktop 中使用
首先需要安装 Claude 桌面版,安装地址如下:
https://claude.ai/download
然后打开以下配置文件:
~/Library/Application Support/Claude/claude_desktop_config.json
添加 MCP Server 配置:
{
"mcpServers": {
"pixabay": {
"command": "node",
"args": [
"../pixabay/build/index.js"
],
"env": {
"PIXABAY_KEY": "..."
}
}
}
}
注意,请替换成自己的 index.js 文件全路径和 PIXABAY_KEY。
然后再重启 Claude 桌面软件,可以看到有一个 MCP 工具可用:
然后我们发起测试一下:
成功通过自然语言获取到了猫吃饭的图片,通过 Claude for Desktop 测试自定义的 MCP Server 调用成功。
在 VS Code 中使用
在 VS Code 中只需要安装一个 ROO CODE 插件,不懂的请先看这篇:
然后添加 MCP 图标配置 MCP Server:
{
"mcpServers": {
"pixabay": {
"command": "node",
"args": [
"../pixabay/build/index.js"
],
"env": {
"PIXABAY_KEY": "..."
}
}
}
}
配置成功后如图所示:
然后同样发起测试:
成功通过自然语言获取到了猫吃饭的图片,通过 VS Code 测试自定义的 MCP Server 调用成功。
测试没问题后,我们就可以把代码发布到 npm 仓库供其他人使用了。
总结
本文从 MCP Server 开发实战出发,完整演示了从零搭建一个 MCP Server 的流程。你不仅掌握了 MCP Server 的构建方式,也能体验到了 MCP 工具在开发者日常工作中带来的提效魔法。
重点回顾如下:
- MCP Server 是大模型调用外部服务的桥梁;
- 通过 Node.js 和官方 SDK 快速开发 MCP Server;
- 利用
Inspector
工具调试,所见即所得; - 轻松集成到 Claude、VS Code、Cursor 等 AI 工具中;
这不仅是一次 MCP 技术实战,也是一种新的编程范式的探索,让 AI 通过 MCP 调用我们的代码,把人类的创意和机器的执行力结合起来。
你也可以尝试把更多的业务能力封装成 MCP 工具,比如:商品推荐、新闻摘要、天气预报,甚至接入自己的数据库或私有系统等等,让 AI 真正成为我们日常工作中的得力助手。
如何零基础入门 / 学习AI大模型?
大模型时代,火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业?
”“谁的饭碗又将不保了?
”等问题热议不断。
不如成为「掌握AI工具的技术人」
,毕竟AI时代,谁先尝试,谁就能占得先机!
想正式转到一些新兴的 AI 行业,不仅需要系统的学习AI大模型。同时也要跟已有的技能结合,辅助编程提效,或上手实操应用,增加自己的职场竞争力。
但是LLM相关的内容很多,现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学,学习成本和门槛很高
那么我作为一名热心肠的互联网老兵,我意识到有很多经验和知识值得分享给大家,希望可以帮助到更多学习大模型的人!至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费
】
👉 福利来袭
优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈
全套AGI大模型学习大纲+路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
👉 福利来袭
优快云大礼包:《2025最全AI大模型学习资源包》免费分享,安全可点 👈
这份完整版的大模型 AI 学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费
】
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。