概述

内容简介

本文主要介绍MCP（Model Context Protocol）的相关内容。在MCP Server开发方面，以python在linux环境构建MCP服务为例，介绍了环境设置，服务构建过程。

基本概念

MCP总体架构如图所示

image

MCP 的核心遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器，参考 Introduction - Model Context Protocol

  • MCP主机：类似于IDE或AI工具这样的程序，可以通过MCP访问程序
  • MCP客户端：与服务端保持连接的协议客户端
  • MCP服务器：提供功能服务的轻量级程序，每个程序都可以通过MCP公开特定功能
  • 本地数据源：本地的MCP服务器可以安全访问本地的文件、数据库和服务
  • 远程服务：MCP服务器可以通过互联网（如）API连接到外部系统

MCP Server 开发

本文以python在linux环境构建MCP服务为例，具体python开发，可以参考官方github MCP Python SDK，其他语言的sdk在MCP官网也有介绍

环境设置

官方推荐使用uv来管理MCP项目，如下为安装uv的指令

1
curl -LsSf https://astral.sh/uv/install.sh | sh

创建流程如下代码所示

1
2
3
4
5
6
7
8
9
10
11
# inti
uv init project
cd project

# create virtual environment and activate
uv venv
source .venv/bin/activate

# install dependency
uv add "mcp[cli]" httpx
touch main.py

服务构建

准备工作

新建 mcp_server.py ，用于开发mcp服务，添加如下代码用于导入包和设置实例，其中 FastMCP 类使用 Python 类型提示和文档字符串自动生成工具定义，从而创建和维护 MCP 工具

1
2
3
4
5
from mcp.server.fastmcp import FastMCP

MCP_SERVER_NAME = "server-name"

mcp = FastMCP(MCP_SERVER_NAME)

在 main.py 中添加主函数

1
2
3
4
5
6
7
from mcp_server import mcp

def main():
    mcp.run()
    
if __name__ == "__main__":
    main()

至此，即可正式在 mcp_server.py 中开始开发mcp服务。

服务开发

FastMCP提供了三种典型MCP函数：tool、resource以及prompt

此外，为了让 LLM 更好的理解该服，通常需要在函数定义下方第一行，添加注释，来描述该函数的作用

  • tool：工具将常规的python函数转换为 LLM 可以在对话中调用的功能，从而让 LLM 可以通过该函数执行查询数据库、调用API、计算等任务
  • resource：资源表示 MCP 客户端可以读取的数据或文件，这允许 LLM 访问与对话相关的文件、数据库内容、配置或动态生成的信息
  • prompt：prompt是可重复使用的消息模板，可帮助 LLM 生成结构化、有针对性的响应，使得可以定义 LLM 可以在不同的客户端和环境中使用的一致、可重复使用的模板

tool

一个加法的示例如下，tool包括其他函数均需要显式指定参数类型和返回值类型

1
2
3
4
@mcp.tool()
def sum(a: int, b: int) -> int:
    """Add two numbers together."""
    return a + b

通过如上函数定义，即定义了一个加法服务，从而 LLM 即可通过调用该 MCP 服务来实现加法

tool的返回类型可以为原始类型（str、int、float、bool等），也可以为通用类型、自定义类型等，具体可见 MCP Python SDK

1
2
3
4
@mcp.tool() 
def greet(name: str) -> str:
	"""Greeting"""
	return f"Hello, {name}!"

resource

一个resource的例子如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"
	
@mcp.resource("file://documents/{name}")
def read_document(name: str) -> str:
    """Read a document by name."""
    # This would normally read from disk
    return f"Content of {name}"

@mcp.resource("config://settings")
def get_settings() -> str:
    """Get application settings."""
    return """{
  "theme": "dark",
  "language": "en",
  "debug": false
}"""

prompt

一个prompt的例子如下

1
2
3
4
5
6
7
8
9
10
11
12
13
14
from mcp.server.fastmcp.prompts import base

@mcp.prompt(title="Code Review")
def review_code(code: str) -> str:
    return f"Please review this code:\n\n{code}"


@mcp.prompt(title="Debug Assistant")
def debug_error(error: str) -> list[base.Message]:
    return [
        base.UserMessage("I'm seeing this error:"),
        base.UserMessage(error),
        base.AssistantMessage("I'll help debug that. What have you tried so far?"),
    ]

运行测试

至此，即可通过运行 uv run main.py 来确认是否一切正常（默认无输出）

其他

mcp还提供了Image来处理图像、Context来与底层 MCP 会话交互或访问服务器功能（包括日志记录、进度报告等）等其他功能，具体同样参考 MCP Python SDK