快速入门：使用 Python 构建 MCP 服务器

简介

Anthropic 的模型上下文协议 (MCP) 使 AI 代理能够与外部工具、数据源和服务进行交互。本指南将引导您使用官方 MCP Python SDK 在 Python 中构建 MCP 服务器，将其与 AI 助手集成，并将其部署以供生产使用。

1. MCP Python SDK 概述

MCP Python SDK 提供了构建 MCP 服务器和客户端的工具，从而促进大型语言模型 (LLM) 与外部数据源或工具之间的无缝集成。此 SDK 遵循完整的 MCP 规范，确保兼容性和标准化。（GitHub 仓库）

2. 安装

要将 MCP 集成到您的 Python 项目中，建议使用 Python 包管理器 uv：

uv add "mcp[cli]"

或者，如果您使用 pip：

pip install mcp

3. 快速入门：构建 MCP 服务器

让我们创建一个简单的 MCP 服务器，它提供一个计算器工具和一个个性化的问候资源：

from mcp.server.fastmcp import FastMCP

# 初始化 MCP 服务器
mcp = FastMCP("Demo Server")

# 定义一个加法工具
@mcp.tool()
def add(a: int, b: int) -> int:
    """Adds two numbers."""
    return a + b

# 定义一个动态问候资源
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Generates a personalized greeting."""
    return f"Hello, {name}!"

# 运行服务器
if __name__ == "__main__":
    mcp.run()

4. 测试 MCP 服务器

要使用 MCP Inspector 测试服务器：

mcp dev server.py

此命令启动 MCP Inspector，允许您与服务器的功能进行交互和验证。

6. 客户端集成

6.1. 示例： 与 Claude Desktop 等 AI 助手集成：

mcp install server.py

此命令将服务器安装到 Claude Desktop 中，从而实现助手和 MCP 服务器之间的无缝交互。

6. 部署注意事项

部署 MCP 服务器时：

• 安全性：实施身份验证机制，例如 API 密钥或 OAuth，以控制访问。
• 可扩展性：利用 Docker 等容器化工具来管理跨各种环境的部署。
• 监控：设置日志记录和监控以跟踪服务器性能并及时诊断问题。