模型上下文协议 (MCP)：AI 与外部世界的标准化连接框架-洪萨配资

模型上下文协议 (Model Context Protocol，简称 MCP) 是由「Anthropic 公司（Claude AI 的创造者）于 2023 年底推出的一项开放协议」。其核心目标是「为 AI 模型与外部数据源、工具和服务之间的连接建立统一、安全、高效的标准」，解决当前 AI 生态中集成碎片化、开发重复和安全隐患等挑战。

一、MCP 核心概念：AI 的“万能适配器”

简单而言，你可以将 MCP 理解为一个「“万能适配器”」或「“AI 的连接总线”」。它使得任何兼容的 AI 模型都能够以一种安全、标准化且无需重复开发的方式，灵活接入并利用丰富的外部资源（如数据库、API、文件系统、专业工具等）。

1. 核心特性与价值

标准化接口：

统一资源定义：以一致的描述方式声明外部数据（资源）。
统一工具调用：通过标准化的方式来定义和调用功能（工具）。
价值：极大降低了开发者集成新工具或数据的成本，实现了“一次开发，多处使用”。

安全性：

精细权限控制：服务端明确定义模型访问资源范围和可执行的操作。
沙箱环境：工具执行通常在受控环境中进行，隔离潜在风险。
价值：为企业和开发者提供了可控、可信的 AI 扩展能力，保障系统和数据安全。

模块化：

功能通过独立的 “服务器 (Server)” 模块提供，每个服务器专注于特定领域（如文件操作、数据库查询、天气查询等）。
价值：生态易于扩展和维护，开发者可以按需组合或开发专属的服务器。

模型无关性：

协议设计独立于具体的 AI 模型。理论上，任何支持 MCP 客户端协议的模型（如 Claude、GPT 等）都可以利用相同的 MCP 服务器。
价值：打破了模型与工具之间的绑定，促进了开放生态的形成。

二、MCP 生态资源

MCP 的活力依赖于其蓬勃发展的社区和丰富的可用资源。以下是一些关键的资源导航：

1. 官方与社区服务器列表 (awesome-mcp-servers)

链接：https://github.com/punkpeye/awesome-mcp-servers

描述：这是一个社区维护的精选列表，收录了各类高质量的 MCP 服务器项目，是寻找现成集成方案的首选入口。

2. PyPI 安装包

链接：https://pypi.org/search/?q=mcp

描述：Python 包索引中包含了官方的 mcp SDK 以及众多第三方开发的 MCP 服务器包，方便通过 pip 或 uv 快速安装。

3. MCP 服务平台与社区

MCP.so：一个在线的 MCP 服务器探索与测试平台。
ModelScope MCP 社区 (https://www.modelscope.cn/mcp)：阿里云 ModelScope 平台下的中文 MCP 生态社区。
智谱 MCP 市场 (https://bigmodel.cn/marketplace/index/mcp)：智谱 AI 推出的 MCP 服务器市场。
Smithery.ai：一个用于构建、部署和管理 MCP 服务器的专业平台。

三、MCP 开发入门：构建你的第一个服务器

下面将引导你逐步创建一个具备基础功能的 MCP 服务器。

1. 项目初始化

# 使用 uv 创建并初始化项目（uv 是一个快速的 Python 包管理器和解析器） uv init mcp_base_server cd mcp_base_server # 测试运行主脚本并创建虚拟环境 uv run python main.py

2. 安装核心依赖

# 安装 MCP SDK 及其命令行工具 pip install mcp[cli] # 或使用 uv uv add mcp[cli]

3. 项目结构

创建以下基础模块结构：

mcp_base_server/ ├── __init__.py └── main.py # 服务器主入口文件

4. 编写服务器入口 (main.py)

#!/usr/bin/env python3 """ MCP 基础服务器示例 - 主入口文件 """ import sys import argparse # 导入mcp库 try: from mcp.server.fastmcp import FastMCP except ImportError: print("错误: 未安装MCP SDK。请使用 ‘uv add mcp[cli]‘ 或 ‘pip install mcp[cli]‘ 安装。") sys.exit(1) # 导入自定义的注册函数（将在后面定义） from .registrations import register_tools, register_resources, register_prompts # 默认配置 DEFAULT_HOST = "0.0.0.0" DEFAULT_PORT = 8000 def parse_arguments(): """解析命令行参数""" parser = argparse.ArgumentParser(descriptinotallow="MCP 基础功能示例服务器") # 传输协议选择 parser.add_argument( "--transport", choices=["stdio", "sse", "streamable-http"], default="stdio", help="选择传输协议: stdio(标准输入输出，适用于本地CLI集成), sse(服务器发送事件), streamable-http(流式HTTP)" ) # HTTP相关参数 parser.add_argument( "--host", default=DEFAULT_HOST, help=f"HTTP服务器监听主机地址（默认：{DEFAULT_HOST}）", ) parser.add_argument( "--port", type=int, default=DEFAULT_PORT, help=f"HTTP服务器监听端口（默认：{DEFAULT_PORT}）", ) return parser.parse_args() def main(): """服务器主函数""" args = parse_arguments() transport = args.transport host = args.host port = args.port # 根据传输协议创建和配置MCP server实例 if transport == "stdio": # 创建MCP server实例 mcp = FastMCP("BaseExampleServer") # 注册工具、资源和提示词到实例 register_tools(mcp) register_resources(mcp) register_prompts(mcp) print("启动 MCP 基础示例服务器，传输协议: stdio") mcp.run(transport="stdio") else: # 对于HTTP-based协议，创建时指定host和port mcp = FastMCP("BaseExampleServer", host=host, port=port) # 注册工具、资源和提示词到实例 register_tools(mcp) register_resources(mcp) register_prompts(mcp) if transport == "streamable-http": print(f"启动服务器 (streamable-http)，监听地址: http://{host}:{port}") mcp.run(transport="streamable-http") elif transport == "sse": print(f"启动服务器 (SSE)，监听地址: http://{host}:{port}/sse") mcp.run(transport="sse") if __name__ == "__main__": main()

5. 定义功能：工具、资源与提示词 (registrations.py)

创建一个新文件 registrations.py 来存放功能注册逻辑。

""" MCP 功能注册模块 集中定义工具(Tools)、资源(Resources)和提示词(Prompts) """ import sys from mcp.server.fastmcp import FastMCP # ---------- 工具 (Tools) 注册 ---------- def register_tools(mcp: FastMCP) -> None: """注册所有工具函数到MCP实例""" @mcp.tool() def calc_sum(x: int, y: int) -> str: """ 计算两个整数的和。 参数: x (int): 第一个加数 y (int): 第二个加数 返回: str: 包含计算结果的格式化字符串 """ try: result = x + y returnf"计算结果: {x} + {y} = {result}" except Exception as e: returnf"计算过程中发生错误: {str(e)}" # ---------- 资源 (Resources) 注册 ---------- def register_resources(mcp: FastMCP) -> None: """注册所有资源到MCP实例""" @mcp.resource("system://python/version") def get_python_version() -> str: """ 提供当前运行环境的 Python 版本信息。 返回: str: 格式化的版本信息字符串 """ try: returnf"Python 版本信息:\n{sys.version}" except Exception as e: returnf"获取系统信息时发生错误: {str(e)}" # ---------- 提示词 (Prompts) 注册 ---------- def register_prompts(mcp: FastMCP) -> None: """注册所有提示词模板到MCP实例""" @mcp.prompt() def get_calc_prompt(x: int, y: int) -> str: """ 生成一个请求计算两数之和的提示词。 参数: x (int): 第一个整数 y (int): 第二个整数 返回: str: 构造好的提示词 """ returnf"请帮我计算两个整数的和。这两个数分别是 {x} 和 {y}。请确保输出最终结果。"

「别忘了在主文件 main.py 顶部导入这些注册函数」：from .registrations import register_tools, register_resources, register_prompts

6. 配置与安装为全局工具

在项目根目录的 pyproject.toml 文件中，添加入口点配置：

[project.scripts] mcp-base-server = "mcp_base_server.main:main"

然后，将你的服务器安装到系统环境中，使其成为一个全局可用的命令：

# 在项目根目录执行 uv tool install . --force

安装后，你可以通过以下命令验证：

uv tool list # 输出应包含类似内容： # mcp-base-server v0.1.0 # - mcp-base-server

现在，你可以在任何地方直接使用 mcp-base-server 命令来启动你的服务器了。

四、MCP 服务器使用示例（以 Cherry Studio 为例）

MCP 服务器需要在一个兼容的客户端中运行和使用。以下以 Cherry Studio 为例展示连接流程。

1. 配置 MCP 服务器

在 Cherry Studio 的设置中，找到 MCP 服务器配置区域。

2. 使用已注册的功能

服务器成功连接后，你可以在客户端中直接调用已注册的功能：

(1) 调用工具

在聊天界面，模型现在可以调用 calc_sum 工具来进行计算。

(2) 使用提示词

你可以直接插入或让模型使用我们注册的 get_calc_prompt 提示词模板。

(3) 访问资源

模型可以读取 system://python/version 资源来获取环境信息。

3. 启动与管理服务器连接

在客户端配置中，你可以设置服务器启动命令为 mcp-base-server（因为我们已将其安装为全局工具），并选择传输协议（如 stdio）。

并再AI会话中使用`mcp`服务。如下：

此外针对`sse`和streamable-http协议，可以把安装的工具放到含有外网`ip`的服务器上。

输入外网ip:端口的url地址即可。

五、总结

通过以上步骤，你完成了一个功能完整的 MCP 服务器的开发、安装与基础使用流程。MCP 通过其「标准化、安全性和模块化」的设计，正在成为连接 AI 模型与广阔数字世界的核心桥梁。无论是集成外部 API、查询数据库，还是连接内部业务系统，MCP 都提供了一条高效、统一的路径。

模型上下文协议 (MCP)：AI 与外部世界的标准化连接框架