
MCP(模型上下文协议)允许开发者将自己的数据源或工具封装为 MCP Server,供 AI 工具调用。本文介绍 MCP Server 的开发流程,包括协议理解、工具定义、代码实现和测试上架的完整步骤。
MCP 采用客户端-服务端架构:
MCP 客户端通过 MCP 协议调用 MCP 服务端提供的工具。
Anthropic 提供了多个语言的 MCP SDK,包括:
选择你熟悉且 SDK 成熟度较高的语言进行开发。
以 Python 为例:
# 创建项目目录
mkdir my-mcp-server
cd my-mcp-server
# 创建虚拟环境(可选但推荐)
python -m venv venv
source venv/bin/activate # Windows 使用 venv\Scripts\activate
# 安装 MCP SDK
pip install mcp以 TypeScript 为例:
# 创建项目目录
mkdir my-mcp-server
cd my-mcp-server
# 初始化 npm 项目
npm init -y
# 安装 MCP SDK
npm install @modelcontextprotocol/sdkMCP Server 的核心是提供工具(Tools)。每个工具包含:
以 Python MCP SDK 为例,定义一个简单工具的代码框架:
from mcp import MPCServer, Tool
server = MPCServer("my-mcp-server")
@server.tool()
def my_tool(param1: str, param2: int) -> str:
"""工具的文档字符串,会被用作工具描述。"""
# 工具的执行逻辑
result = f"处理了 {param1} 和 {param2}"
return resultMCP 支持多种传输方式,常见的有:
对于初次开发,建议先使用 stdio 传输方式,配置和调试相对简单。
工具的描述(description)非常重要——AI 模型会根据描述判断何时调用该工具。
好的工具描述应当:
在正式发布前,先在本地进行测试:
测试通过后,可以考虑打包和分发给用户。
常见的分发方式:
pip install 安装npm install 安装MCP 协议仍在快速发展中。在开发和维护 MCP Server 的过程中,建议:
访问 SkillHub MCP 广场,查看已收录的 27 个 MCP Server 实现参考,或浏览 Skills 页面了解更多 AI 工具能力。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。