MCP是一种标准化协议，用于连接大模型与外部工具（如数据库、API等），通过客户端-服务器架构实现统一调用。以下是客户端与服务端的配置和使用详解：
一、服务端创建与部署
服务端负责提供工具能力（如API调用、数据查询等），需提前配置工具并生成访问端点。
1. 创建MCP服务
- 阿里云平台创建
登录阿里云OpenAPI Explorer → 创建MCP服务 → 填写名称（如mcp-demo）、选择文档语言 → 添加云产品API（单个服务不超过30个API） → 生成Streamable HTTP Endpoint和SSE Endpoint。 - 自建本地服务（Python示例）
使用FastMCP库创建工具（如网络搜索）：
from mcp.server import FastMCP
app = FastMCP('web-search')
@app.tool()
async def web_search(query: str) -> str:
# 调用搜索API（示例为智谱AI）
return search_results
if __name__ == "__main__":
app.run(transport='stdio') # 通过标准输入输出运行
2. 服务端类型
- Stdio模式
本地进程间通信，无需网络（命令示例：npx -y exa-mcp-server）。 - SSE模式
远程服务，通过HTTP传输（需配置SSE Endpoint）。
二、客户端（MCP Client）配置
客户端是集成MCP服务的应用（如IDE、聊天工具），需连接服务端端点。
1. 主流客户端配置
- 通义灵码（VS Code/JetBrains）
→ 插件设置 → 添加MCP服务 → 类型选STDIO→ 命令填npx mcp-remote ${SSE Endpoint}→ 完成OAuth授权。 - Cherry Studio
→ 模型服务设置 → 添加MCP服务器 → URL填入Streamable HTTP Endpoint → 授权并启动服务。 - Windsurf
→ 设置 → 粘贴MCP服务的JSON配置（含命令和环境变量） → 保存后显示绿点即成功。
2. 通用配置参数
| 参数 | 说明 |
|---|---|
| 类型 | STDIO（本地）或SSE（远程） |
| 命令 | 启动服务的命令（如npx -y figma-developer-mcp --stdio） |
| 环境变量 | API密钥等（如EXA_API_KEY=your_key） |
| Endpoints | 阿里云返回的Streamable HTTP/SSE Endpoint |
三、使用流程与调优
1. 调用示例
- 自然语言指令
在客户端输入：
查询成都地域的ECS实例列表，设置x_mcp_region_id为cn-chengdu。 - 结果返回
客户端显示API调用结果（如实例列表）或错误提示。
2. 常见调优技巧
- 参数传递问题
若未正确传递地域参数（如x_mcp_region_id），需在服务端修改API描述：
→ 编辑API概述 → 补充“必须传递RegionId和x_mcp_region_id”。 - 简化非必填参数
删除API文档中冗余参数，减少Token消耗并提高准确性。 - 权限控制
确保RAM用户有API调用权限，避免授予删除等高危权限。
四、进阶场景与生态
1. 工具扩展案例
- 本地文件操作
配置Filesystem MCP Server，支持读写桌面文件（命令：npx @modelcontextprotocol/server-filesystem）。 - AI搜索整合
组合时间服务（uvx mcp-server-time）和Exa搜索（npx exa-mcp-server），实现时效性检索。 - 数据库管理
Neon MCP Server连接GitHub Copilot，直接生成PostgreSQL查询代码。
2. 开发框架支持
- Java/Spring生态
使用@Tool注解暴露业务方法，通过ToolCallbackProvider注册服务。 - 容器化部署
Docker封装MCP Server增强安全性（防止远程代码执行风险）。
五、常见问题
- 服务无法连接
检查Endpoint是否正确、OAuth是否授权、网络是否通畅。 - API调用失败
确认RAM用户权限，或检查参数是否符合API文档要求。 - 性能限制
单个MCP Server建议不超过30个API，过多会降低模型选择准确性。
推荐阅读
软件测试/测试开发丨Pytest测试用例生命周期管理-Fixture
软件测试/测试开发丨Python学习笔记之基本数据类型与操作
