本文详细介绍了从开发者角度出发，如何利用MCP（模型上下文协议）快速构建AI工具箱。通过Python SDK，演示了创建MCP Server的全过程，包括本地STDIO、SSE协议的使用，以及将MCP Server发布到公网的两种方式：PyPI发布和云服务器部署。文章深入浅出地讲解了MCP的核心概念和实现细节，帮助开发者更好地理解和应用MCP协议，构建自己的AI工具。

🔨 **MCP 核心概念：** MCP（模型上下文协议）作为AI与外部工具的中间层，允许大模型通过标准输入输出通道或SSE协议调用工具，简化了AI与外部工具的交互过程。

🐍 **Python SDK 快速上手：** 演示了使用Python SDK创建MCP Server的步骤，包括安装uv、初始化项目、编写工具和资源，以及使用STDIO和SSE协议进行本地测试。

🌐 **发布 MCP Server：** 介绍了两种发布MCP Server的方式：通过PyPI发布，方便他人下载使用；以及部署到云服务器，通过SSE协议提供远程调用服务，扩展了MCP Server的使用范围。

💡 **STDIO 与 SSE 协议对比：** STDIO协议将MCP Server下载到本地运行，而SSE协议则允许远程调用，提供了不同的部署和使用场景。

视频版： www.bilibili.com/video/BV1RN…

MCP简单来说就是AI大模型的标准化工具箱。在我们之前的很多期视频里面，只是讨论了如何使用别人已经编写好的MCP Server，对接到AI客户端里面，实现各种智能体与工作流。本期视频我们转换到开发者的角度，超简单，几分钟之内编写一个MCP Server，并且把它发布上线，提供给所有人去使用。

本期视频内容较多，并且十分硬核，可以帮助我们从开发者的角度更加深入理解MCP协议。在爬爬虾的这期视频里面，对MCP协议有过详细介绍了，这里我们简单总结一下。

概念与准备工作：

MCP全称是模型上下文协议，MCP服务或者叫做MCP Server，作为AI与外部工具的中间层，代替人类访问并且操作外部工具。MCP Server本质上就是一段Nodejs或者Python程序，大模型通过操作系统的STDIO，也就是标准输入输出通道，或者SSE协议调用某个MCP Server。

消息格式是类似这种的，MCP Server接收到这些消息以后，通过自己的代码功能或者使用API请求，访问外部工具并且完成任务。MCP Server本质上就是一段Python或者nodejs程序，编写一个MCP Server，也就是编写这段程序。

我们来到MCP在GitHub上面的官方仓库，就是这个地址。

MCP Github首页：github.com/modelcontex…

这里有两个SDK，Python还有Typescript SDK。SDK也就是开发工具包，本期视频我们主要以Python的SDK为例，演示下创建一个MCP Server。

我们点击Python SDK，在安装这一部分，MCP推荐使用uv去管理Python项目。我们点击这个链接，uv是目前热度最高的Python环境管理工具。我们准备工作的第一步，就是把uv安装一下。

在UV的官网，点击installation，找到对应系统的安装命令。

UV安装：docs.astral.sh/uv/getting-…

我是Windows系统的，我就执行这个命令。我把这个命令复制一下，注意这是一个Powershell的命令。在桌面右键在终端打开，我们打开一个Powershell的命令行窗口，把命令粘贴进来，回车执行。

UV安装成功以后，我们可以来查看一下电脑上已经安装过的Python版本，输入这个命令

uv python list

这里列出的是电脑上的Python版本还有它的安装路径。

我现在想把这个3.13的版本安装一下，执行这个命令

uv python install 3.13

创建MCP项目

我新建了一个文件夹叫mcp_server，我准备在这里面创建我们第一个MCP Server。我在Powershell这边使用CD命令，先切换到我们刚才创建的文件夹，

然后执行

uv init . -p 3.13

就是把当前这个文件夹初始化成一个Python工程，Python版本是 3.13。

接下来我们把MCP的SDK安装一下，执行这个命令

uv add "mcp[cli]"

这个命令就是把MCP的SDK也就是开发工具包安装上

接下来我们找一个IDE打开我们刚才新创建的文件夹，这里我使用vs code。使用vs code编写Python程序。我们需要在左侧的extension里面搜索Python，然后把Python debugger跟Python这两个插件安装一下。

接下来我们使用vs code打开刚才创建的文件夹，就是这个MCP Server的文件夹。我们看到UV已经帮我们配置好了开发环境：

.venv文件夹是Python的虚拟环境pyproject文件定义了项目的基本信息main.py文件是一个基础的代码样例

编写MCP Server

接下来开始编写MCP Server，然后我们来到Python SDK这边，前面几步已经完成了，下面需要做的是把代码拷贝进来。我把代码复制一下。

# 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}!"

前两行的写法是固定的：在MCP包里面导入FastMCP，然后使用FastMCP初始化MCP对象。接下来这一句

@mcp.tool()

是Python里面的装饰器，用来给下面这个函数增加功能，在这里表示声明下面这个函数是一个MCP工具。

@mcp.tool()def add(a: int, b: int) -> int:    """Add two numbers"""    return a + b

这里有几个关键点：

这个"""Add two numbers"""注释是必须要写的，这个注释的意思是使用自然语言告诉AI大模型这个函数的功能是什么。在这个例子里面，就是把两个数字加起来。AI大模型拿到这个MCP Server以后，他就知道我有一个工具，这个工具可以帮助我精确的计算加法。在这个例子里面，代码非常的简单，当然，我们也可以把一些很复杂的功能放到这里面，形成一些很有用的工具。第二个关键点是这里的类型修饰符add(a: int, b: int) -> int:。在这个函数里面接收两个int变量，然后返回一个int值。这个类型修饰符是一定要写的，它有助于帮助大模型理解工具的传参是什么类型的，可以帮助大模型更精准的调用MCP工具。

我们看到修饰符有两种：mcp.tool 还有 mcp.resource：

mcp.tool声明了这是一个工具，类似于Http Rest API里面的post方法。大模型使用工具与外部系统进行交互，通常会产生副作用，比如写入文件，发送邮件，还有写数据库等等。下面的resource类似于HTTP里面的get方法，通常resource为大模型提供只读数据，resource只是请求数据，但不会产生任何副作用，有点像rest API里面的get方法。

一个MCP Server的代码就这么多，最后我们再加两句话，让它可以变成一个可以独立运行的程序。我们就加上这一句 mcp.run()，括号里面是协议，这里我们先使用最简单的STDIO协议。

完整代码：

# 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}!"if __name__ == "__main__":    mcp.run(transport='stdio')

我们找一个AI客户端来试一下刚才编写好的程序。这里我使用的AI客户端是Cherry studio，爬爬虾之前有一期完整视频介绍使用Cherry studio接入MCP Server。

我们先进入设置，找到MCP服务器，右上角如果有一个红色的叹号，我们需要先把UV跟Bun安装一下，Cherry Studio使用的是它内置的UV还有Bun。

这里的协议选择stdio，注意命令这里写uv，不要写错了。下面的参数都是固定的:

填好以后点击保存，这里打上一个绿灯，就配置成功了。

我们来试一下，我们选择一个AI模型，这里我用的Gemini 2.5 Flash。爬爬虾之前有一期视频介绍把Gemini接入Cherry studio。

在MCP服务器这里，找到我们刚才添加的那个，

我们来试一下它的加法。这里看到它调用了MCP，正确的传递了参数，并且拿到了结果，最后完成了输出。

除了使用Cherry Studio，接下来我们换一个AI客户端，这里我准备使用cursor。我们先打开cursor，找到右上角的设置MCP，点击添加，cursor这边需要编写Json文件。

我们来到Cherry studio，找到设置还是MCP，找到这个编辑按钮，我们把这个配置文件整个复制出来，然后粘贴到cursor里面。保存一下，这里打上一个绿灯，就配置成功了。

使用SSE协议

接下来我们进入第二部分，使用SSE协议。接下来，我们把这个MCP Server改成SSE协议的，改成SSE协议非常的简单，只需要在代码里的最后一行，把STDIO改成SSE。

if __name__ == "__main__":    mcp.run(transport='sse')

改成SSE，我们需要服务端这边把它启动起来，右上角点击这个启动按钮，我们启动起来以后，把这个监听的地址复制一下，

回到Cherry studio的设置，找到我们的MCP，这次把类型从stdio改成SSE。接下来填写一个URL，我们填写刚才复制的Server端的地址，后面加/sse。好，这样完成，我们保存一下，回到聊天界面。

我们再试一下，在下面把MCP服务器选中，询问AI一个问题，它成功调用了MCP Server并且给出了结果。我们回到vs code这边，可以看到这些远程的调用记录，这样证明了实际的代码执行是在vs code这边，AI客户端通过SSE协议远程调用了这个方法，并且拿到了结果。

STDIO vs SSE

总结一下SSE与STDIO的区别：

STDIO协议一般是客户端把MCP Server也就是这个Python程序下载到本机并且本机运行，AI客户端与MCP Server使用STDIO也就是操作系统的标准输入输出通道进行交互。使用STDIO协议，AI客户端与MCP Server的距离更近一些。SSE协议则是把MCP Server也就是这个Python程序单独部署，AI客户端与MCP Server使用SSE协议进行远程调用。使用SSE协议，AI客户端与MCP Server的距离更远一些。

除了SSE协议，MCP Server目前还支持另外一种是streamable-http，这个跟SSE功能非常像，也是远程调用。

我们把协议类型改成streamable-http，启动起来，

if __name__ == "__main__":    mcp.run(transport='streamable-http')

然后客户端也需要相应的改动。我们来到客户端，这里的类型选择streamable-http，URL末尾从sse改成mcp，最后点击保存，这样同样的可以配置成功。

我们再来试一下，同样的完成了调用，最终结果也是正确的。同样的，我们可以把这套配置放到cursor上面。

cursor有一点不同的是，需要把这里的baseUrl改成url

好，本期视频前半段的内容我们就完成了。我们介绍了如何在本地编写一个MCP Server，并且在本地的AI客户端里面去使用，这里我们介绍了三种协议：STDIO，SSE还有streamable HTTP。

将MCP Server发布到公网

下一个章节，我们把这个MCP Server发布到公网上面，让所有人都可以使用。把一个MCP Server发布到公网上面有两种方式：

最常见的就是把它打包成一个Python包，并且上传到Pypi上面，其他人使用uvx命令就可以自动的下载到这个Python包，并且本地执行。另外一种方式，我们就使用SSE协议，把我们的程序部署到一个云服务器上面，然后暴露出来一个公网链接，其他人使用这个公网链接，就可以使用我们的MCP Server。

方法一：发布到PyPI

这里我们先看第一种方法，上传到Pypi上面。这里我新建一个文件夹，叫做tech_shrimp_mcp_demo，因为Pypi是没有命名空间的，所以我们的测试程序最好在前面加上自己的名字，以免跟别人混淆起来。

我们在命令行切换到对应的文件夹，我们输入

uv init . --package -p 3.13

把这个文件夹初始化一下，后面加--package表示初始化的时候把它初始化成一个Python包，然后指定Python版本3.13。

接下来还是添加MCP的依赖，

uv add "mcp[cli]"

好，我们再用vs code打开这个文件夹，这次我们要把代码写到这个__init__.py，看到这里面已经有个main方法了，我们保留这个main方法，接下来把我们刚才写的本地的那套代码粘贴在上面，然后把mcp.run写到main方法里面。这里的协议使用stdio。

完整代码：

# 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}!"def main() -> None:    mcp.run(transport='stdio')

代码就编写完成了，我们执行这个命令打包试一下，

uv build

看到打包成功了，接下来我们把这个打好了包发布到Pypi上面，提供给所有人下载使用。

首先我们需要注册一下Pypi，在右上角点击register，填写用户名，邮箱密码，然后我们需要收一下验证邮件，这里来到我的邮箱，点击验证链接，完成验证。

接下来点击生成恢复码，屏幕上一共会出现8组恢复码，我们把它保存下来。接下来我们把第一组恢复码填进去，点击verify，点击添加双重身份验证。

然后我们去手机的软件市场下载微软的Authenticator，点击上面的加号，然后选择个人账户，使用手机扫描电脑屏幕上的二维码，然后把手机上生成的这个6位数的验证码填写过来，这样就完成了双重身份验证。

在account setting这里往下找，有一个API TOKEN，

我们点击一下，随便填个名字，然后范围选择所有项目，点击生成，这样就生成了一个很长的Pypi的API TOKEN，我们把它复制下来保存好。

有了TOKEN以后，我们执行这个命令

uv publish --token pypi-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

后面就是Pypi网站的TOKEN，回车，这样就发布成功了。

我们找到右上角自己的名字your projects，这个就是我们刚刚上传的MCP Server，我们点击view，这就是一个功能齐全的Python包，当然为了正规，最好填一个项目描述，然后我们就可以在客户端里面使用这个MCP Server了。

我们把这个包的名字复制一下，回到Cherry studio这边，添加服务器-->快速创建，类型选择STDIO，命令填写uvx，一定不要搞错了，下面的参数就把我们自己上传的那个包名填写过来，最后点击保存。

我们可以把这个配置文件发送给任何一个小伙伴们去使用，这是我们自己发布到公网上的MCP Server，其他人通过这个名字就可以下载下来并且本地使用，效果非常的棒，感觉很好。

方法二：部署到公网服务器

我们来看MCP的另外一种发布方式，在公网上暴露一个SSE的地址，然后让其他人进行远程调用。我们只需要把写好的Python程序部署到一个公网IP的云服务器上面就可以了。

这是我的一台Ubuntu系统的云服务器，我们先把UV安装一下，这里来到UV的官网，找到Linux系统的安装命令，复制进来执行一下。UV安装完成以后，记得重开一下命令行窗口，

首先创建一个文件夹叫mcp_demo，然后我们进入到这个文件夹。

这是我们本期视频创建的第一个项目，注意这个不是打包那个，这里需要改一下main.py，首先要把协议改成sse，接下来再添加一句话，

mcp.settings.host = "0.0.0.0" # 允许远程连接

这样可以让我们的Server从远程被访问到。

完整代码：

# 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}!"if __name__ == "__main__":    mcp.settings.host = "0.0.0.0" # 允许远程连接    mcp.run(transport='sse')

接下来我们把这个代码main.py直接拖到服务器对应的目录，下面还需要把pyproject文件也拖进来。代码准备好以后，我们使用UV来启动，首先配置虚拟环境

uv venv

第二步安装依赖

uv pip install .

就是安装当前目录这个项目的依赖，下一个命令就可以启动了

uv run main.py

我们还是来到Cherry studio，来编辑一下这个MCP服务器，类型选择SSE，URL这里填

http://服务器公网IP:8000/sse。

总结

总结一下本期视频，我们使用Python SDK从0到1创建MCP工具，总共介绍了4种场景：

本地使用STDIO本地使用SSE发布STDIO发布SSE

Nodejs那边原理跟Python是一模一样的，只是换了一种编程语言，本期视频篇幅有限，我们就不展开讲了。

感谢大家点赞支持，我们下期再见。