当前位置： 首页 > news >正文

MCP（模型上下文协议）简单案例

news 来源：原创 2025/5/29 22:28:17

MCP（模型上下文协议）的标准化接口

MCP（Model Context Protocol，模型上下文协议）是由Anthropic开发的一种开放协议，旨在标准化大型语言模型（LLM）与外部数据源和工具的交互方式1。它就像AI应用程序的USB-C接口，为AI模型提供了一种标准化的方式来连接不同的数据源和工具1。

MCP的核心功能

MCP协议包含以下几个核心功能：

  1. Resources（资源）：允许LLM访问外部数据源，如文件、数据库或API1。

  2. Tools（工具）：提供LLM可以调用的函数或操作，扩展模型的能力1。

  3. Prompts（提示词）：预定义的提示模板，可用于指导模型生成特定类型的输出1。

  4. Sampling（采样）：管理模型生成过程中的参数调整1。

  5. Roots（根目录）：定义资源访问的起始点1。

  6. Transports（传输层）：支持多种协议实现，包括stdio（标准输入/输出）和SSE（服务器发送事件）1。

MCP的架构

MCP遵循客户端-服务器架构，主要包含以下组件：

  1. MCP主机（MCP Hosts）：发起请求的LLM应用程序，如聊天机器人、AI工具等14。

  2. MCP客户端（MCP Clients）：在主机程序内部，与MCP服务器保持连接14。

  3. MCP服务器（MCP Servers）：提供数据、工具和服务的外部系统14。

如何通过MCP暴露AI代理服务

1. 开发MCP服务器

要暴露您的AI代理服务，首先需要开发一个MCP服务器。以Python为例，您可以使用官方提供的SDK进行开发：

import httpx
from mcp.server import FastMCP

# 初始化FastMCP服务器
app = FastMCP('your-service-name')

# 使用@app.tool()装饰器定义工具
@app.tool()
async def your_ai_agent_function(parameter1: str, parameter2: int) -> str:
    """
    您的AI代理服务描述
    
    Args:
        parameter1: 参数1的描述
        parameter2: 参数2的描述
        
    Returns:
        返回值描述
    """
    # 实现您的AI代理逻辑
    return "结果"

# 运行服务器
if __name__ == "__main__":
    app.run(transport='stdio')  # 或使用'sse'作为传输层

2. 选择传输协议

MCP支持两种主要的传输协议：

  • stdio（标准输入/输出）：更为常用，适合本地运行1。
  • SSE（服务器发送事件）：适用于远程服务1。

3. 注册和发布MCP服务器

开发完成后，您可以通过以下方式使您的MCP服务可被其他应用访问：

  1. 本地安装：通过mcp install your_script.py命令安装到支持MCP的客户端应用（如Claude Desktop）中1。

  2. 发布到npm：如果是JavaScript/TypeScript实现，可以将您的MCP服务器发布到npm供其他开发者使用21。

  3. 使用远程代理：通过MCP-Connect等工具，将基于本地stdio的MCP服务器通过HTTP/HTTPS请求暴露给远程客户端7。

4. 与客户端集成

支持MCP的客户端（如Claude Desktop、Cursor、VSCode的Cline插件等）可以通过配置文件连接到您的MCP服务：

{
  "mcpServers": {
    "your-service-name": {
      "command": "运行命令",
      "args": ["参数1", "参数2"],
      "env": {}
    }
  }
}

5. 集成到现有框架

MCP可以与多种现有框架集成：

  • LangChain：通过langchain-mcp-adapters可以将MCP工具无缝集成到LangChain工作流中1。

  • LlamaIndex：可以将MCP工具转换为可直接使用的LlamaIndex工具23。

实际应用案例

  1. 图像生成：可以使用huggingface上的模型，如FLUX.1-schnell，创建图像生成MCP服务器1。

  2. 网络搜索：开发网络搜索工具，让AI能够获取最新信息1。

  3. 数据库交互：创建与MySQL、PostgreSQL、SQLite等数据库交互的MCP服务器7。

  4. API集成：如APISIX-MCP，通过自然语言交互完成APISIX网关资源的查询与管理21。

  5. 物联网控制：通过将MCP协议桥接到MQTT，实现通过自然语言指令控制智能家居和IoT设备20。

MCP实际开发示例与调试

1. 基于网络搜索的MCP服务器开发详细步骤

以下是开发一个网络搜索MCP服务器的完整过程：

import httpx
from mcp.server import FastMCP

# 初始化 FastMCP 服务器
app = FastMCP('web-search')

@app.tool()
async def web_search(query: str) -> str:
    """
    搜索互联网内容

    Args:
        query: 要搜索内容

    Returns:
        搜索结果的总结
    """

    async with httpx.AsyncClient() as client:
        response = await client.post(
            'https://open.bigmodel.cn/api/paas/v4/tools',
            headers={'Authorization': '您的API KEY'},
            json={
                'tool': 'web-search-pro',
                'messages': [
                    {'role': 'user', 'content': query}
                ],
                'stream': False
            }
        )

        res_data = []
        for choice in response.json()['choices']:
            for message in choice['message']['tool_calls']:
                search_results = message.get('search_result')
                if not search_results:
                    continue
                for result in search_results:
                    res_data.append(result['content'])

        return '\n\n\n'.join(res_data)

if __name__ == "__main__":
    app.run(transport='stdio')

2. 使用MCP Inspector进行调试

MCP提供了可视化工具MCP Inspector来调试你的服务器：

# 通过npx运行Inspector
npx -y @modelcontextprotocol/inspector uv run web_search.py

# 或通过mcp dev命令运行
mcp dev web_search.py

运行后，在浏览器打开提供的地址（通常是http://127.0.0.1:5173），点击Connect按钮连接你的服务器，然后在Tools标签中可以测试你的工具1。

3. 实现Sampling功能

Sampling功能允许在工具执行前后进行操作，例如用户确认删除文件的场景：

# 服务端
from mcp.server import FastMCP
from mcp.types import SamplingMessage, TextContent

app = FastMCP('file_server')

@app.tool()
async def delete_file(file_path: str):
    # 创建SamplingMessage触发sampling callback函数
    result = await app.get_context().session.create_message(
        messages=[
            SamplingMessage(
                role='user', content=TextContent(
                    type='text', text=f'是否要删除文件: {file_path} (Y)')
            )
        ],
        max_tokens=100
    )

    # 根据返回值执行操作
    if result.content.text == 'Y':
        return f'文件 {file_path} 已被删除！！'

在客户端中设置相应的sampling_callback函数处理用户交互1。

4. 开发Prompt和Resource功能

from mcp.server import FastMCP

app = FastMCP('prompt_and_resources')

# 定义Prompt模板
@app.prompt('翻译专家')
async def translate_expert(
        target_language: str = 'Chinese',
) -> str:
    return f'你是一个翻译专家，擅长将任何语言翻译成{target_language}。请翻译以下内容：'

# 定义静态资源
@app.resource('echo://static')
async def echo_resource():
    return 'Echo!'

# 定义带参数的资源模板
@app.resource('greeting://{name}')
async def get_greeting(name):
    return f'Hello, {name}!'

适配现有大模型

1. 使用DeepSeek等非Claude模型

创建一个MCPClient类来调用你的MCP服务，使非Claude模型也能利用MCP功能：

import json
import asyncio
import os
from typing import Optional
from contextlib import AsyncExitStack

from openai import OpenAI
from dotenv import load_dotenv

from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

load_dotenv()

class MCPClient:
    def __init__(self):
        self.session: Optional[ClientSession] = None
        self.exit_stack = AsyncExitStack()
        self.client = OpenAI()  # 使用DeepSeek或其他OpenAI兼容接口
        
    async def connect_to_server(self):
        # 连接到MCP服务器
        server_params = StdioServerParameters(
            command='uv',
            args=['run', 'your_mcp_server.py']
        )
        
        # 建立连接
        stdio_transport = await self.exit_stack.enter_async_context(
            stdio_client(server_params))
        stdio, write = stdio_transport
        self.session = await self.exit_stack.enter_async_context(
            ClientSession(stdio, write))
        
        await self.session.initialize()

在process_query方法中，你可以利用function calling机制让DeepSeek等模型调用MCP服务1。

大型项目中的MCP应用案例

1. APISIX-MCP：API管理的智能化

APISIX-MCP通过自然语言交互完成API网关资源的管理，支持以下操作：

  • 通用操作：检索和删除资源
  • API资源操作：管理路由、服务、上游、SSL证书等
  • 插件操作：管理插件配置、全局规则等
  • 安全配置：管理密钥、消费者、凭证等6

配置示例：

{
  "mcpServers": {
    "apisix-mcp": {
      "command": "npx",
      "args": ["-y", "apisix-mcp"],
      "env": {
        "APISIX_SERVER_HOST": "your-apisix-server-host",
        "APISIX_ADMIN_API_PORT": "your-apisix-admin-api-port"
      }
    }
  }
}

这种AI+MCP的组合显著降低了API管理的认知成本，提升了运维效率6。

2. mcp2mqtt：连接智能家居设备

该项目将MCP协议桥接到MQTT，实现通过自然语言指令控制智能家居、IoT设备和机器人，特别适合物联网开发者学习和应用8。

相关文章：

  • XILINX DDR3专题---(1)IP核时钟框架介绍
  • Python及C++中的列表
  • 2025届蓝桥杯JavaB组个人题解（题目全）
  • 【音视频】SDL播放PCM音频
  • 【音视频】SDL渲染YUV格式像素
  • 十六届蓝桥杯嵌入式省赛直播基本外设驱动
  • 设计模式 Day 8：策略模式（Strategy Pattern）完整讲解与实战应用
  • Bartender 5 for Mac 多功能菜单栏管理
  • CSS ＞子元素选择器和空格
  • 2025年第十六届蓝桥杯省赛C++ A组真题
  • nvm list available 无法查看解决办法
  • GEO优化实战指南：构建生成式AI时代的品牌内容霸权
  • 汇舟问卷：国外问卷调查技巧有哪些，具体该怎么操作
  • Linux-内核驱动-makemenu，make modules，make uImage，杂项
  • AI编程案例拆解|基于机器学习XX评分系统-前端篇
  • DAPP实战篇：使用ethersjs连接智能合约并输入地址查询该地址余额
  • 【愚公系列】《Python网络爬虫从入门到精通》048-验证码识别（滑动拼图验证码）
  • Dify智能体平台源码二次开发笔记（3） - 智能体API的三方验证集成
  • 国网B接口云镜控制接口流程详解以及检索失败原因（电网B接口）
  • leetcode 204. Count Primes
  • 如何对网站做优化/seo上首页
  • 网站开发到上线 多久/百度2022第三季度财报
  • 西宁手机微网站/网络营销竞价推广
  • 邢台网站推广/网络优化是干什么的
  • 潍坊专业网站建设哪家便宜/惠州seo
  • 武汉网站建设S小蝌蚪互联/佛山网站建设制作公司