一个简单的MCP Server本地搭建过程

the_one
2,006 阅读5分钟

在当今 AI 飞速发展的时代，大型语言模型 (LLM) 如 Claude、ChatGPT 等已经在代码生成、内容创作等方面展现出惊人的能力。然而，这些强大的模型存在一个明显的局限性——它们通常与外部系统和工具隔离，无法直接访问或操作用户环境中的资源和工具。

而 Model Context Protocol (MCP) 的出现，正是为了解决这一问题。

首先你要了解什么是MCP？

Model Context Protocol (MCP) 是由 Anthropic 公司推出的一个开放协议，它标准化了应用程序如何向大型语言模型 (LLM) 提供上下文和工具的方式。我们可以将 MCP 理解为 AI 应用的"USB-C 接口"——就像 USB-C 为各种设备提供了标准化的连接方式，MCP 为 AI 模型提供了与不同数据源和工具连接的标准化方式。

image.png

简单来说，MCP可以做到以下事情：

  • 读取和写入本地文件
  • 查询数据库
  • 执行命令行操作
  • 控制浏览器
  • 与第三方 API 交互

这极大地扩展了 AI 助手的能力边界，使其不再仅限于对话框内的文本交互。

MCP架构

image.png 以上图片来源于 MCP 官方文档

MCP 的架构相对简单，主要包含两个核心组件：

  1. MCP 服务器 (Server) ：提供工具和资源的服务端，可以使用任何编程语言实现，只要能够通过 stdout/stdin 或 HTTP 通信。
  2. MCP 客户端 (Client) ：使用 MCP 服务器提供的工具和资源的 AI 应用，如 Claude Desktop、Cursor 编辑器等。

MCP 服务器向客户端提供两种主要能力：

  • 工具 (Tools) ：可执行的函数，允许 AI 执行特定操作
  • 资源 (Resources) ：提供给 AI 的上下文信息，如文件内容、数据库结构等

使用Python的FastMCP搭建MCP Server

这里为什么是选择搭建MCP Server而不是MCP Client，一个是MCP Server的适用面更广，可以提供给许许多多的Client调用，还有一个就是MCP Client相比MCP Server的搭建稍微更复杂一点，读者老爷们可以点个赞，下期出MCP Client搭建的教学🫡🫡🫡

首先我们会用到一个py的包管理器，叫做UV，可以通过以下安装

# 这是一个全局安装
pip install uv

然后再使用以下命令初始化一个项目目录

uv init mcp-server

得到这样一个项目目录

image.png

接着我们需要添加一些依赖

uv add bilibili-api-python "mcp[cli]"

这里的bilibili-api-python是一个便于我们使用bilibili的api的第三方包，而mcp[cli]则是mcp包以及依赖cli

安装完依赖后，这里我们需要在main.py中输入以下这段

from bilibili_api import search, sync
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Bilibili MCP Server")

@mcp.tool()
def general_tool(keyword: str) ->dict:
    """
    Search Bilibili API with the given keyword.

    Args:
        keyword : Search term to look for on Bilibili.

    Returns:
        Dictionary containing the search results from Bilibili.
    
    """
    return sync(search.search(keyword))

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

现在我们来逐步解析这段代码

首先是

首先是引入对应的api，以及定义一个FastMCP，因为是MCP Server嘛，定义这个MCP的名字为Bilibili MCP Server

from bilibili_api import search, sync
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Bilibili MCP Server")

然后是接下来的核心片段

@mcp.tool()
def general_tool(keyword: str) ->dict:
    """
    Search Bilibili API with the given keyword.

    Args:
        keyword : Search term to look for on Bilibili.

    Returns:
        Dictionary containing the search results from Bilibili.
    
    """
    return sync(search.search(keyword))

@mcp.tool()是一个装饰器，表示这是一个mcp的tool，其中的注解非常的关键，它类似于一个prompt，告诉大模型这个是tool是用来干什么的，以便大模型能够更高效地检索应该使用的工具

最后就是启动这个MCP Server

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

transpost表示连接的方式，因为我们这里是使用本机，所以是stdio

配置Client

这里我使用的是Vscode的插件Cline，配置MCP Client，这里我是之前配置过了一次

image.png

配置参数解析

✅ disabled:
  • 类型：布尔值
  • 含义：是否禁用该配置项
  • 当前值为 false，表示该配置是启用状态
✅ timeout:
  • 类型：整数（单位通常是秒）
  • 含义：等待此命令启动或响应的最大时间，超时后可能会触发错误或重试机制
  • 当前值为 60 秒
✅ command:
  • 类型：字符串
  • 含义：要执行的主命令
  • 当前值为 "uv"，即使用 UV —— Rust 编写的 Python 包管理工具和虚拟环境运行器
✅ args:
  • 类型：字符串数组
  • 含义：传递给 uv 命令的参数列表
  • 这里等价于在终端中运行以下命令：
# 这里的路径就是你项目的绝对路径
cd D:\workspace\interview\xzc\recording\mcp-server
uv run main.py
具体含义：
  • --directory <path>：切换到指定目录后再执行命令
  • run main.py：使用 UV 来运行 main.py 文件（会自动处理依赖）
✅ transportType:
  • 类型：字符串
  • 含义：进程间通信方式
  • "stdio" 表示通过标准输入输出（stdin/stdout）与该子进程通信

接着我们Ctrl + s 保存配置文件，左边就会出现一个服务了，这里为绿色表示开启状态，然后点击蓝色的Done，我们就可以开始使用啦

image.png 使用之前需要配置一下大模型的厂商和key

image.png 比如我询问一下大模型，你能帮我找一些哔哩哔哩上的人气up主吗，出现了以下的内容，这边是因为我把之前的mcp server给暂停掉了，所以出现了无法完成MineCraft UP主搜索任务

image.png

现在你可以尽情搭建你想要的MCP Server，都看到这里了，不妨点个赞和关注😋😋😋，下期介绍MCP Server

avatar
文章
阅读
粉丝