MCP Server开发教程

快速开始

面向服务端开发者

在本教程中，我们将构建一个简单的MCP天气服务端，并将其连接到主机Claude for Desktop。我们将从基本设置开始，然后逐步深入到更复杂的用例。

​
我们将构建什么

许多LLM目前没有获取天气预报和恶劣天气警报的能力。让我们使用MCP来解决这个问题！

我们将构建一个暴露两个工具的服务端：get-alerts和get-forecast。然后我们将服务端连接到MCP主机（在本例中为Claude for Desktop）：

服务端可以连接到任何客户端。我们在这里选择Claude for Desktop是为了简单起见，但我们也有关于构建自己的客户端的指南，以及其他客户端的列表。

为什么选择Claude for Desktop而不是Claude.ai？

因为服务端是本地运行的，MCP目前只支持桌面主机。远程主机正在积极开发中。

​
MCP核心概念

MCP服务端可以提供三种主要类型的功能：

1. 资源：客户端可以读取的文件类数据（如API响应或文件内容）
2. 工具：LLM可以调用的函数（需用户批准）
3. 提示：帮助用户完成特定任务的预写模板

本教程将主要关注工具。

Python教程(其他语言看这里)

让我们开始构建我们的天气服务端！你可以在这里找到我们将构建的完整代码。

预备知识

本快速入门假设你熟悉：

• Python
• 像Claude这样的LLM

系统要求

• 已安装Python 3.10或更高版本。
• 你必须使用Python MCP SDK 1.2.0或更高版本。

设置你的环境

首先，让我们安装uv并设置我们的Python项目和环境：

Linux

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

确保之后重新启动终端，以确保uv命令被识别。

现在，让我们创建并设置我们的项目：

Liunx

# 为我们的项目创建一个新目录
uv init weather
cd weather

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate

# 安装依赖项
uv add "mcp[cli]" httpx

# 创建我们的服务端文件
touch weather.py

现在让我们深入构建你的服务端。

构建你的服务端

导入包并设置实例

将这些添加到weather.py的顶部：

    from typing import Any
    import httpx
    from mcp.server.fastmcp import FastMCP
    
    # 初始化FastMCP服务端
    mcp = FastMCP("weather")
    
    # 常量
    NWS_API_BASE = "https://api.weather.gov"
    USER_AGENT = "weather-app/1.0"

FastMCP类使用Python类型提示和文档字符串自动生成工具定义，使得创建和维护MCP工具变得容易。

辅助函数

接下来，让我们添加用于查询和格式化来自国家气象局API的数据的辅助函数：

    async def make_nws_request(url: str) -> dict[str, Any] | None:
        """向NWS API发出请求并进行适当的错误处理。"""
        headers = {
            "User-Agent": USER_AGENT,
            "Accept": "application/geo+json"
        }
        async with httpx.AsyncClient() as client:
            try:
                response = await client.get(url, headers=headers, timeout=30.0)
                response.raise_for_status()
                return response.json()
            except Exception:
                return None
    
    def format_alert(feature: dict) -> str:
    """Format an alert feature into a readable string."""
    props = feature["properties"]
    return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""

实现工具执行

工具执行处理程序负责实际执行每个工具的逻辑。让我们添加它：

    @mcp.tool()
    async def get_alerts(state: str) -> str:
        """获取美国州的天气警报。
    
        参数:
            state: 两个字母的美国州代码（例如CA, NY）
        """
        url = f"{NWS_API_BASE}/alerts/active/area/{state}"
        data = await make_nws_request(url)
    
        if not data or "features" not in data:
            return "无法获取警报或未找到警报。"
    
        if not data["features"]:
            return "该州没有活跃的警报。"
    
        alerts = [format_alert(feature) for feature in data["features"]]
        return "\n---\n".join(alerts)
    
    @mcp.tool()
    async def get_forecast(latitude: float, longitude: float) -> str:
        """获取某个位置的天气预报。
    
        参数:
            latitude: 位置的纬度
            longitude: 位置的经度
        """
        # 首先获取预测网格端点
        points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
        points_data = await make_nws_request(points_url)
    
        if not points_data:
            return "无法获取该位置的预测数据。"
    
        # 从points响应中获取预测URL
        forecast_url = points_data["properties"]["forecast"]
        forecast_data = await make_nws_request(forecast_url)
    
        if not forecast_data:
            return "无法获取详细预测。"
    
        # 将时间段格式化为可读的预测
        periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # Only show next 5 periods
        forecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""
            forecasts.append(forecast)
    
        return "\n---\n".join(forecasts)

运行服务端

最后，让我们初始化并运行服务端：

    if __name__ == "__main__":
        # 初始化并运行服务端
        mcp.run(transport='stdio')

你的服务端完成了！运行uv run weather.py以确认一切正常。

现在让我们从现有的MCP主机Claude for Desktop测试你的服务端。

使用Claude for Desktop测试你的服务端

Claude for Desktop尚未在Linux上提供。Linux用户可以继续构建客户端教程，以构建一个连接到我们刚刚构建的服务端的MCP客户端。

首先，确保你已经安装了Claude for Desktop。你可以在这里安装最新版本。 如果你已经安装了Claude for Desktop，请确保它已更新到最新版本。

我们需要为你想使用的任何MCP服务端配置Claude for Desktop。为此，请在文本编辑器中打开你的Claude for Desktop应用程序配置~/Library/Application Support/Claude/claude_desktop_config.json。如果文件不存在，请确保创建它。

例如，如果你安装了VS Code：

Linux

code ~/Library/Application\ Support/Claude/claude_desktop_config.json

然后你将在mcpServers键中添加你的服务端。只有在至少正确配置了一个服务端的情况下，MCP UI元素才会在Claude for Desktop中显示。

在这种情况下，我们将添加我们的单个天气服务端，如下所示：

Linux

{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

你可能需要在command字段中输入uv可执行文件的完整路径。你可以通过在MacOS/Linux上运行which uv或在Windows上运行where uv来获取此路径。

确保你传入服务端的绝对路径。

这告诉Claude for Desktop：

1. 有一个名为“weather”的MCP服务端
2. 通过运行uv --directory /ABSOLUTE/PATH/TO/PARENT/FOLDER/weather run weather.py来启动它

保存文件，并重新启动Claude for Desktop。

这告诉Claude for Desktop：

1. 有一个名为“weather”的MCP服务端
2. 通过运行java -jar /ABSOLUTE/PATH/TO/PARENT/FOLDER/weather/build/libs/weather-0.1.0-all.jar来启动它

保存文件，并重新启动Claude for Desktop。
</Tabs.Tab>

​

使用命令测试

让我们确保Claude for Desktop能够识别我们在weather服务端中暴露的两个工具。你可以通过查找锤子图标来做到这一点：

点击锤子图标后，你应该看到列出的两个工具：

如果你的服务端没有被Claude for Desktop识别，请继续故障排除部分以获取调试提示。

如果锤子图标已经显示，你现在可以通过在Claude for Desktop中运行以下命令来测试你的服务端：

• 萨克拉门托的天气如何？
• 德克萨斯州有哪些活跃的天气警报？

由于这是美国国家气象局服务，查询仅适用于美国位置。

​
幕后发生了什么

当你提出问题时：

1. 客户端将你的问题发送给Claude
2. Claude分析可用的工具并决定使用哪个工具
3. 客户端通过MCP服务端执行所选工具
4. 结果被发送回Claude
5. Claude制定自然语言响应
6. 响应显示给你！

​
故障排除

Claude for Desktop集成问题

从Claude for Desktop获取日志

与MCP相关的Claude.app日志写入~/Library/Logs/Claude中的日志文件：

• mcp.log将包含有关MCP连接和连接失败的一般日志。
• 名为mcp-server-SERVERNAME.log的文件将包含来自命名服务端的错误（stderr）日志。

你可以运行以下命令列出最近的日志并跟随任何新的日志：

    # 检查Claude的日志以查找错误
    tail -n 20 -f ~/Library/Logs/Claude/mcp*.log

服务端未在Claude中显示

1. 检查你的claude_desktop_config.json文件语法
2. 确保你的项目路径是绝对的而不是相对的
3. 完全重新启动Claude for Desktop

工具调用静默失败

如果Claude尝试使用工具但它们失败：

1. 检查Claude的日志以查找错误
2. 验证你的服务端构建和运行没有错误
3. 尝试重新启动Claude for Desktop

这些都不起作用。我该怎么办？

请参阅我们的调试指南以获取更好的调试工具和更详细的指导。

天气API问题

错误：无法检索网格点数据

这通常意味着：

1. 坐标在美国以外
2. NWS API出现问题
3. 你被限速

修复：

• 验证你使用的是美国坐标
• 在请求之间添加小延迟
• 检查NWS API状态页面

错误：没有活跃的警报用于[STATE]

这不是错误 - 这只是意味着该州当前没有天气警报。尝试不同的州或在恶劣天气期间检查。

有关更高级的故障排除，请查看我们的调试MCP指南

​
下一步

构建客户端

服务端示例

调试指南

使用LLM构建MCP