给AI装上"手脚"：MCP工具入门指南

写在前面：还是有不少读者私信我关于如何编写一个MCP工具，虽然MCP是24年出来的产物，但也不妨在25年温故而知新

直到我了解了MCP（Model Context Protocol）——一个能让AI"长出手脚"的协议。今天就来聊聊这个能让AI真正"干活"的神器。

---

一、先说说AI的"残疾"问题

在聊MCP之前，我们先来看看传统AI有多"残疾"：

是的，全都做不到。

AI的本质局限

传统的AI模型（比如GPT、Claude）本质上是什么？是一个超级文本处理器。

它能做的事情：

• ✅ 理解你说的话
• ✅ 根据训练知识回答问题
• ✅ 生成文本、代码、文章
• ✅ 分析和总结内容

它做不到的事情：

• ❌ 知道现在几点
• ❌ 读取你电脑上的文件
• ❌ 帮你发送邮件
• ❌ 查询实时股票价格
• ❌ 操作任何外部系统

打个比方：传统AI就像一个被关在玻璃房里的天才——脑子很好使，但没有手脚，出不去，摸不到外面的世界。

💡 为什么会这样？

因为AI模型在训练完成后，就被"定格"了。它的知识来自训练数据，训练数据是什么时候截止的，它的知识就到什么时候。

而且，出于安全考虑，AI默认是不能直接访问外部系统的——毕竟谁也不想AI随便读取你的隐私文件或者乱发邮件对吧？

但问题是，这也让AI变得"不接地气"。很多实际工作，光靠"说"是完成不了的。

---

二、MCP是什么？给AI装"手脚"的协议

**MCP（Model Context Protocol，模型上下文协议）**是Anthropic公司在2024年11月发布的一个开放标准。

用一句话解释：

MCP就像是AI的"USB接口"——让AI可以插上各种"外设"，获得新的能力。

🔌 MCP的核心思想

MCP定义了一套标准的"对话语言"，让AI和外部工具可以互相"听懂"。

角色	作用	类比
MCP Server	提供具体能力的"工具箱"	USB设备（键盘、鼠标等）
MCP Client	负责沟通的"中间人"	USB接口
AI Model	决定什么时候用什么工具	电脑主机

有了MCP，AI的能力就从"只能说"变成了"能说也能做"：

---

三、举个栗子：让AI知道"现在几点"

光说理论太抽象，我们来做一个最简单的例子——让AI能够回答"现在几点了"。

整体流程

🛠️ 动手实现

好，我们来一步步实现这个功能。

第一步：准备环境

首先确保你有Python环境（推荐3.10以上版本）。

# 创建项目目录
mkdir my-first-mcp
cd my-first-mcp

# 创建虚拟环境（推荐）
python -m venv venv
source venv/bin/activate  # Mac/Linux
# 或者 venv\Scripts\activate  # Windows

第二步：安装依赖

pip install mcp

第三步：编写MCP Server

创建一个文件 time_server.py：

"""
一个简单的MCP Server示例：获取当前时间
"""
from datetime import datetime
from zoneinfo import ZoneInfo
from mcp.server.fastmcp import FastMCP

# 创建MCP服务器实例
mcp = FastMCP("时间助手")

@mcp.tool()
def get_current_time(timezone: str = "Asia/Shanghai") -> str:
    """
    获取指定时区的当前时间
    
    Args:
        timezone: 时区名称，默认为中国时区（Asia/Shanghai）
    
    Returns:
        格式化的当前时间字符串
    """
    try:
        tz = ZoneInfo(timezone)
        now = datetime.now(tz)
        
        # 返回友好的时间格式
        return now.strftime("%Y年%m月%d日 %H:%M:%S")
    except Exception as e:
        return f"获取时间失败：{str(e)}"

@mcp.tool()
def get_weekday() -> str:
    """
    获取今天是星期几
    
    Returns:
        星期几的中文表示
    """
    weekdays = ["星期一", "星期二", "星期三", "星期四", "星期五", "星期六", "星期日"]
    today = datetime.now(ZoneInfo("Asia/Shanghai"))
    return weekdays[today.weekday()]

@mcp.tool()
def time_until(target_time: str) -> str:
    """
    计算距离目标时间还有多久
    
    Args:
        target_time: 目标时间，格式为 HH:MM
    
    Returns:
        距离目标时间的描述
    """
    try:
        now = datetime.now(ZoneInfo("Asia/Shanghai"))
        target = datetime.strptime(target_time, "%H:%M").replace(
            year=now.year, month=now.month, day=now.day,
            tzinfo=ZoneInfo("Asia/Shanghai")
        )
        
        # 如果目标时间已过，算到明天
        if target < now:
            target = target.replace(day=now.day + 1)
        
        diff = target - now
        hours, remainder = divmod(int(diff.total_seconds()), 3600)
        minutes, _ = divmod(remainder, 60)
        
        return f"距离 {target_time} 还有 {hours}小时{minutes}分钟"
    except Exception as e:
        return f"计算失败：{str(e)}"

if __name__ == "__main__":
    mcp.run()

第四步：运行测试

python time_server.py

如果没有报错，说明MCP Server已经启动成功了！

第五步：配置Claude Desktop（可选）

如果你使用Claude Desktop，可以在配置文件中添加这个MCP Server。

找到配置文件位置：

• Mac: ~/Library/Application Support/Claude/claude_desktop_config.json
• Windows: %APPDATA%\Claude\claude_desktop_config.json

添加以下配置：

{
  "mcpServers": {
    "time-server": {
      "command": "python",
      "args": ["/你的路径/time_server.py"]
    }
  }
}

重启Claude Desktop后，你就可以问它"现在几点"了，它会真的告诉你准确时间！

---

四、MCP工具的工作原理详解

上面我们跑通了一个例子，现在来深入理解一下MCP是怎么工作的。

完整通信流程

sequenceDiagram
    participant U as 用户
    participant C as Claude
    participant MC as MCP Client
    participant MS as MCP Server
    
    U->>C: 现在几点了？
    C->>C: 分析：需要获取实时时间
    C->>MC: 请求调用 get_current_time
    MC->>MS: 发送工具调用请求
    MS->>MS: 执行 Python 代码获取系统时间
    MS->>MC: 返回：2025年12月30日 15:25:30
    MC->>C: 返回时间数据
    C->>C: 组织自然语言回复
    C->>U: 现在是2025年12月30日下午3点25分30秒

MCP工具的三要素

每个MCP工具都需要定义三个东西：

要素	作用	在代码中的体现
名称	工具的唯一标识	函数名，如 get_current_time
描述	告诉AI这个工具能干嘛	docstring，AI根据描述决定是否调用
参数	工具需要的输入	函数参数，如 timezone: str

@mcp.tool()
def get_current_time(timezone: str = "Asia/Shanghai") -> str:
    """
    获取指定时区的当前时间  ← 这是描述，AI会读这个
    
    Args:
        timezone: 时区名称  ← 这是参数说明
    """
    # 实际执行的代码
    ...

🧠 AI是怎么决定用哪个工具的？

这是很多人好奇的问题。答案是：AI根据工具的描述来判断。

当你问"现在几点"时，AI会：

1. 看到 get_current_time 工具的描述是"获取指定时区的当前时间"
2. 判断这个工具能回答你的问题
3. 决定调用这个工具

所以，写好工具描述非常重要！描述写得好，AI才能在正确的时候调用正确的工具。

---

五、更多实用MCP工具示例

光有时间工具还不够，再给大家展示几个实用的MCP工具思路：

示例一：文件读取工具 📁

@mcp.tool()
def read_file(file_path: str) -> str:
    """
    读取指定路径的文本文件内容
    
    Args:
        file_path: 文件的完整路径
    """
    try:
        with open(file_path, 'r', encoding='utf-8') as f:
            return f.read()
    except FileNotFoundError:
        return f"文件不存在：{file_path}"
    except Exception as e:
        return f"读取失败：{str(e)}"

示例二：天气查询工具 🌤️

import requests

@mcp.tool()
def get_weather(city: str) -> str:
    """
    查询指定城市的当前天气
    
    Args:
        city: 城市名称，如"北京"、"上海"
    """
    # 这里用免费的天气API
    api_url = f"https://wttr.in/{city}?format=3"
    try:
        response = requests.get(api_url, timeout=10)
        return response.text
    except Exception as e:
        return f"查询天气失败：{str(e)}"

示例三：计算器工具

@mcp.tool()
def calculate(expression: str) -> str:
    """
    计算数学表达式的结果
    
    Args:
        expression: 数学表达式，如 "2 + 3 * 4"
    """
    try:
        # 安全地计算表达式
        result = eval(expression, {"__builtins__": {}}, {})
        return f"{expression} = {result}"
    except Exception as e:
        return f"计算失败：{str(e)}"

示例四：翻译工具

@mcp.tool()
def translate_to_english(text: str) -> str:
    """
    将中文翻译成英文
    
    Args:
        text: 要翻译的中文文本
    """
    # 这里可以接入翻译API
    # 示例使用免费的API
    ...

---

六、MCP工具开发最佳实践

用了MCP一段时间，总结了一些开发技巧：

技巧一：工具描述要写清楚

# ❌ 不好的写法
@mcp.tool()
def do_something(x):
    """处理数据"""  # 太模糊，AI不知道什么时候用
    ...

# ✅ 好的写法
@mcp.tool()
def calculate_monthly_salary(base_salary: float, bonus: float) -> str:
    """
    计算月薪总额（基本工资+奖金）
    
    当用户询问薪资计算、月薪总额、工资加奖金等问题时使用此工具
    
    Args:
        base_salary: 基本工资，单位为元
        bonus: 奖金，单位为元
    
    Returns:
        月薪总额的详细说明
    """
    ...

技巧二：做好错误处理

@mcp.tool()
def read_file(file_path: str) -> str:
    """读取文件内容"""
    try:
        with open(file_path, 'r', encoding='utf-8') as f:
            return f.read()
    except FileNotFoundError:
        return f"❌ 文件不存在：{file_path}"
    except PermissionError:
        return f"❌ 没有权限读取：{file_path}"
    except Exception as e:
        return f"❌ 读取出错：{str(e)}"

技巧三：返回结构化信息

# ❌ 不好的返回
return "15:25"

# ✅ 好的返回
return f"当前时间：2025年12月30日 15:25:30（北京时间）"

技巧四：合理拆分工具

方式	优点	缺点
一个大工具	简单	AI难以准确调用
多个小工具	AI容易选择正确的	代码稍多

---

七、MCP vs 传统方案对比

可能有人会问：用API不也能实现这些功能吗？

确实可以，但MCP有独特的优势：

详细对比

维度	传统API调用	MCP协议
AI集成	需要自己写调用逻辑	AI自动判断和调用
标准化	每个API格式不同	统一的协议标准
发现机制	需要预先知道有哪些API	AI自动发现可用工具
权限控制	各自实现	协议层面支持
错误处理	需要自己处理	标准化的错误格式

总结：MCP不是要替代API，而是在AI和API之间建立一个标准化的"翻译层"，让AI能更聪明地使用各种工具。

---

八、MCP生态：现成的工具推荐

如果你不想自己开发，社区已经有很多现成的MCP工具可以直接用：

工具名称	功能	适用场景
filesystem	文件系统操作	读写文件、创建目录
github	GitHub操作	创建Issue、PR、查看代码
postgres	数据库操作	查询和操作PostgreSQL
brave-search	网络搜索	实时搜索互联网信息
puppeteer	浏览器自动化	网页截图、自动化测试
slack	Slack消息	发送消息、管理频道

这些工具都可以在 MCP官方仓库 找到。

---

九、常见问题解答

❓ Q1：MCP安全吗？会不会泄露我的数据？

答：MCP本身只是一个协议，安全性取决于你如何实现。建议：

• 只授权必要的权限
• 敏感操作加确认机制
• 本地运行的工具只在本地工作

❓ Q2：MCP支持哪些AI模型？

答：目前主要支持Claude。不过因为是开放协议，其他模型也在逐步支持中。

❓ Q3：不会写代码能用MCP吗？

答：可以用社区现成的工具。配置一下就能用，不需要自己写代码。

❓ Q4：MCP和Function Calling有什么区别？

答：Function Calling是各家AI自己的实现，格式不统一。MCP是开放标准，更通用。

---

十、最后说几句

MCP的出现，让AI从"只会说"变成了"能说能做"。这是一个重要的进化。

我们正处在AI 3.0的早期阶段。MCP就是这个阶段的关键技术之一。

从一个简单的"获取当前时间"开始，你可以给AI装上越来越多的"手脚"——读文件、查数据库、发邮件、控制智能家居...

AI不再是玻璃房里的天才，而是真正能帮你干活的助手。

这才是AI应该有的样子。

---

相关资源：

• MCP官方文档：modelcontextprotocol.io
• MCP工具仓库：github.com/modelcontex…
• Anthropic官方博客

彩蛋：

其实"让AI调用工具"这个想法并不新鲜。早在ChatGPT的插件系统就在尝试了。但那个系统比较封闭，而且后来还被砍了。

MCP的聪明之处在于：它是一个开放标准。任何人都可以基于这个标准开发工具，任何AI都可以接入这个协议。

开放带来繁荣。期待看到MCP生态越来越丰富的那一天。

---

如果这篇文章对你有帮助，欢迎分享给需要的朋友~