小程序建站平台_运动网站建设教程_重庆网络推广公司_网站关键词优化公司哪家好

目录

🚀 从零构建 MCP Server 与 Client：打造你的第一个 AI 工具集成应用

🧱 1. 准备工作

🛠️ 2. 构建 MCP Server（服务端）

2.1 初始化服务器

🧩 3. 添加自定义工具（Tools）

3.1 创建工具文件

3.2 修改 server.py 注册工具

🖥️ 4. 构建 MCP Client（客户端）

🧪 5. 联调测试（Server + Client）

🧠 总结与下一步

---

---

🚀 从零构建 MCP Server 与 Client：打造你的第一个 AI 工具集成应用

随着大型语言模型（LLM）能力的飞速发展，如何让 AI 模型灵活调用外部工具、实时访问外部数据，成为开发者面临的重要挑战。
模型上下文协议（Model Context Protocol，简称 MCP）作为一种开放标准，为 LLM 提供了类似“USB-C”统一接口，使模型能够以标准方式调用资源与服务。

本篇博客将带你一步步从零搭建：

• ✅ MCP 服务器（Server）

• ✅ MCP 客户端（Client）

• ✅ 自定义工具（Tool）

• ✅ 实现 Server-Client 联调

• ✅ 与 Claude、ChatGPT 等大模型无缝集成！

---

🧱 1. 准备工作

开发环境建议：

• Python 3.10+

• MCP Python SDK（安装方法见下文）

• 支持 MCP 协议的 AI 应用（如 Claude Desktop、ChatGPT 插件版）

安装基础依赖：

pip install mcp-sdk

创建项目基本目录：

mcp_demo/
├── server.py
├── client.py
├── tools/
│   └── file_reader.py
├── requirements.txt

---

🛠️ 2. 构建 MCP Server（服务端）

MCP Server 负责注册并提供工具，供 AI 模型调用。

2.1 初始化服务器

在 server.py 中创建 MCP Server 实例，并运行。

from mcp.server.fastmcp import FastMCP# 创建 MCP Server 实例
mcp = FastMCP("Demo MCP Server")if __name__ == "__main__":mcp.run()

运行：

python server.py

此时 Server 会以本地模式（stdio）监听连接。

---

🧩 3. 添加自定义工具（Tools）

工具是 MCP 中模型可以调用的能力模块。比如读取文件、调用 API、发起数据库查询等。

我们先添加一个简单工具：列出本地目录下所有 .txt 文件。

3.1 创建工具文件

在 tools/file_reader.py 中定义工具：

import os
from mcp.server.fastmcp import tool@tool()
def list_txt_files(directory: str = ".") -> list[str]:"""列出指定目录下所有 .txt 文件"""try:return [f for f in os.listdir(directory) if f.endswith(".txt")]except Exception as e:return [str(e)]

这里用 @tool() 装饰器标记函数，MCP Server 会自动注册它为可调用工具。

3.2 修改 server.py 注册工具

将 tools.file_reader 导入到 server.py：

from mcp.server.fastmcp import FastMCP
import tools.file_reader  # 导入工具模块，自动注册mcp = FastMCP("Demo MCP Server")if __name__ == "__main__":mcp.run()

现在 MCP Server 已提供了一个 "list_txt_files" 工具，供后续客户端调用。

---

🖥️ 4. 构建 MCP Client（客户端）

MCP Client 作为中介，负责与 Server 通信，协调 AI 应用请求与工具调用。

在 client.py 中创建 MCP Client 实例：

from mcp.client import MCPClientdef main():# 连接到 Server（本地也可以用 stdio 通信）client = MCPClient(server_address="http://localhost:8000")client.connect()# 列出可用工具tools = client.list_tools()print("当前可用工具列表:", tools)# 调用 list_txt_files 工具params = {"directory": "."}result = client.call_tool("list_txt_files", params)print("目录下的 .txt 文件:", result)client.disconnect()if __name__ == "__main__":main()

运行：

python client.py

如果一切顺利，你将看到 MCP Client 成功调用 MCP Server 提供的 list_txt_files 工具，并返回本地目录下的所有 .txt 文件。

---

🧪 5. 联调测试（Server + Client）

完整流程如下：

1. 启动 server.py

2. 再运行 client.py

3. Client 通过标准输入输出（stdio）或 HTTP 与 Server 通信

4. Server 提供工具，Client 调用工具返回结果

5. AI 应用可以无感知调用这些工具，执行复杂任务

可以在支持 MCP 的 AI 应用中，如 Claude Desktop，配置 MCP Client，体验完整联动！

示例提问：

请帮我列出我电脑上当前目录的所有 txt 文件。

→ AI 调用 MCP → MCP Client 转发请求 → MCP Server 执行 list_txt_files → 返回结果！

---

🧠 总结与下一步

通过本篇教程，你已经掌握了：

• 什么是 MCP 协议

• 如何搭建 MCP Server

• 如何定义并注册自定义工具

• 如何搭建 MCP Client

• 如何实现 Client-Server 联调

• 如何与 AI 应用对接调用工具

这为你后续开发多工具协同、多资源访问、智能体智能扩展打下了坚实基础！

---

在下一篇内容中，我们将探索：

• 如何将 MCP 与 LangChain、Semantic Kernel 等框架集成

• 如何扩展 MCP 实现多模型、多资源、多场景的动态调度！