本文介绍了MCP（模型上下文协议）的核心概念和实践方法。首先，概述了MCP的架构，包括MCP主机、客户端、服务器以及本地和远程资源。接着，详细阐述了MCP的交互流程，以及MCP服务器的关键功能，如资源、工具和提示。最后，通过一个最小化的MCP服务器示例，指导读者如何构建和调试MCP服务，为AI应用的开发提供了有价值的参考。

💡 MCP 架构由多个关键组件构成，包括发起请求的LLM应用程序（MCP主机）、与服务器保持连接的客户端、提供上下文和工具的服务器，以及本地和远程资源。这些组件协同工作，为LLM提供丰富的上下文信息和操作能力。

⚙️ MCP 交互流程定义了客户端与服务器之间的通信方式。客户端首先获取可用工具列表，然后将用户查询和工具描述发送给LLM。LLM决定是否使用工具，客户端通过服务器执行工具调用，并将结果返回给LLM，最终生成自然语言响应并展示给用户。

🛠️ MCP 服务器提供三种主要类型的功能：资源、工具和提示。资源类似于文件数据，可供客户端读取；工具是LLM可调用的函数；提示是预先编写的模板。这些功能增强了LLM的实用性和灵活性。

💻 构建 MCP 服务器是开发 AI 应用的关键，因为 MCP Client 相对固定。不同的业务场景需要不同的工具和资源，因此需要开发各种MCP服务器来满足需求。了解 MCP Server 的开发流程很有价值。

🚀 通过一个最小化的 MCP 服务器示例，展示了如何使用 Python SDK 快速构建 MCP 服务。该示例包括安装环境、创建 server.py 文件，并添加一个加法工具和一个动态问候资源。通过 MCP Inspector 进行调试，用户可以直观地查看和测试 MCP 服务器的功能。

MCP 模型上下文协议

前言

昨天看到一个抖音MCP服务的源码，发现实现起来还是比较清晰的。萌生了自己动手试着做了一个的想法，以此来加深对MCP理解。先回顾迭代一下MCP的一些相关知识，然后跑通一个简单的MCP服务demo。

MCP 核心架构

• MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。• MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持连接。• MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。• 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。• 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。

交互流程

MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：

1. MCP client 首先从 MCP server 获取可用的工具列表。2. 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。3. LLM 决定是否需要使用工具以及使用哪些工具。4. 如果需要使用工具，MCP client 会通过 MCP server 执行相应的工具调用。5. 工具调用的结果会被发送回 LLM。6. LLM 基于所有信息生成自然语言响应。7. 最后将响应展示给用户。

构建 MCP Server

MCP Server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：

• 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。• 工具（Tools）：可以被 LLM 调用的函数（需要用户批准）。• 提示（Prompts）：预先编写的模板，帮助用户完成特定任务。

这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。

AI 应用的开发更多的是需要编写的不同的 MCP Server，因为 MCP Client 相对固定，且有很多现成的工具实现了这一部分。，不同的业务场景需要使用不同的工具和资源，意味着需要开发出各种各样的 MCP server，来为大模型提供工具和资源。

因此了解 MCP Server 的开发流程很有价值。

最小的 MCP Server 样例

学习新东西，最好先从最小且必要的开始。以下就是 mcp 的 python SDK 中 Quickstart 的样例：

安装环境

推荐使用 uv 来进行 python 项目管理

# 安装uvcurl -LsSf https://astral.sh/uv/install.sh | sh# 创建名为“mcp-server-demo”的项目uv init mcp-server-demo# 进入项目根目录cd mcp-server-demo# 创建虚拟环境venvuv venv# 进入项目虚拟环境source .venv/bin/activate# 安装项目依赖包uv add "mcp[cli]"

新增 server 代码文件

创建 server.py 文件，添加以下代码。

代码来源：github.com/modelcontex…

# server.pyfrom mcp.server.fastmcp import FastMCP# Create an MCP servermcp = FastMCP("Demo")# Add an addition tool@mcp.tool()def add(a: int, b: int) -> int:    """Add two numbers"""    return a + b# Add a dynamic greeting resource@mcp.resource("greeting://{name}")def get_greeting(name: str) -> str:    """Get a personalized greeting"""    return f"Hello, {name}!"

调试

为了调试，运行以下命令，使用 MCP Inspector 来运行 MCP 服务器。

MCP Insepector 会提供一个直观的调试页面，

mcp dev server.py

运行成功后会输出类似： MCP Inspector is up and running at http://127.0.0.1 ，浏览器访问地址这个地址，可以看到如下页面，然后依次点开：Connect》Tools，即可查看到当前 mcp server 拥有的一个名为“add”的工具。