Model Context Protocol
目录
DeepSeek
MCP（Model Context Protocol，模型上下文协议）是一个开放标准，旨在统一大语言模型与外部数据源、工具及应用程序之间的交互方式。它通过定义标准化的接口，让模型能够动态发现并调用所需资源，从而突破静态训练数据的限制。其主要价值在于解决 AI 与现有软件生态“碎片化集成”的难题，以安全、可扩展的方式增强模型的情境感知与执行能力，为构建功能完备的 AI 代理奠定基础。
什么是 MCP？
MCP 架构中的关键参与者包括：
- MCP 宿主 (Host)：协调和管理一个或多个 MCP 客户端的 AI 应用
- MCP 客户端 (Client)：维持与 MCP 服务端连接并获取上下文供 MCP 宿主使用的组件
- MCP 服务端 (Server)：为 MCP 客户端提供上下文的程序
例如：Visual Studio Code 充当 MCP 宿主。当 Visual Studio Code 建立与 MCP 服务端（如 Sentry MCP 服务端）的连接时，Visual Studio Code 运行时会实例化一个 MCP 客户端对象来维持该连接。当 Visual Studio Code 随后连接到另一个 MCP 服务端（如本地文件系统服务端）时，它会实例化另一个 MCP 客户端对象来维持此连接。
注意，MCP 服务端是指提供上下文数据的程序，无论其运行在何处。MCP 服务端可以在本地或远程执行。例如，当 Claude Desktop 启动文件系统服务端时，该服务端由于使用 STDIO 传输而在同一台机器上本地运行，这通常被称为“本地”MCP 服务端。官方的 Sentry MCP 服务端运行在 Sentry 平台上，并使用可流式 HTTP 传输，这通常被称为“远程”MCP 服务端。
场景示例
我们将编写一个基础的 MCP 服务，它能够：
- 提供一个简单的工具：
add，接收两个整数并返回它们的和。 - 提供一个静态资源：
greeting://{name}，返回一条个性化的问候语。
环境准备
使用官方 MCP Python SDK，它提供了构建服务端和客户端的基础组件。
pip install mcp或者，如果你希望安装包含开发依赖的完整版本：
pip install "mcp[cli]"安装完成后，可以验证安装：
pip show mcp创建 MCP 服务
server.py 中的内容如下：
# 1. 导入必要模块
import asyncio
import mcp.server.stdio
import mcp.types as types
from typing import Any
from mcp.server import Server, NotificationOptions
from mcp.server.models import InitializationOptions
# 2. 创建服务实例
server = Server("simple-mcp-server")
# 3. 添加工具
# 工具是可以被客户端调用的函数。我们将实现一个简单的加法工具
@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
"""列出所有工具"""
return [
types.Tool(
name="add",
description="Add two numbers together",
inputSchema={
"type": "object",
"properties": {
"a": {"type": "number", "description": "First number"},
"b": {"type": "number", "description": "Second number"},
},
"required": ["a", "b"],
},
)
]
@server.call_tool()
async def handle_call_tool(
name: str, arguments: dict
) -> list[types.TextContent]:
"""处理工具调用"""
if name == "add":
a = arguments.get("a")
b = arguments.get("b")
if a is None or b is None:
raise ValueError("Missing arguments a or b")
result = a + b
return [types.TextContent(type="text", text=str(result))]
else:
raise ValueError(f"Unknown tool: {name}")
# 4. 添加资源
# 资源是可以被客户端读取的数据项，可以是静态的或动态生成的
# 我们将实现一个动态资源模板 greeting://{name}，当客户端读取时返回 Hello, {name}!
@server.list_resources()
async def handle_list_resources() -> list[types.Resource]:
"""列出静态资源（本服务没有静态资源）"""
return []
@server.list_resource_templates()
async def handle_list_resource_templates() -> list[types.ResourceTemplate]:
"""列出资源模板"""
return [
types.ResourceTemplate(
uriTemplate="greeting://{name}",
name="Personalized greeting",
description="A greeting message for a specific name",
mimeType="text/plain",
)
]
@server.read_resource()
async def handle_read_resource(uri: Any) -> str:
"""读取资源内容"""
# 将 AnyUrl 对象转换为字符串
uri_str = str(uri)
if uri_str.startswith("greeting://"):
name = uri_str.split("://")[1]
return f"Hello, {name}!"
else:
raise ValueError(f"Unknown resource: {uri}")
# 5. 运行服务
# MCP 服务端通常通过标准输入/输出（stdio）与客户端通信
# 我们需要使用 mcp.server.stdio 提供的辅助函数来启动服务。
async def main():
"""主函数：启动服务"""
async with mcp.server.stdio.stdio_server() as (read_stream, write_stream):
await server.run(
read_stream,
write_stream,
InitializationOptions(
server_name="simple-mcp-server",
server_version="0.1.0",
capabilities=server.get_capabilities(
notification_options=NotificationOptions(),
experimental_capabilities={},
),
),
)
if __name__ == "__main__":
asyncio.run(main())运行和测试
示例目录结构：
server.py完成代码编写后，我们需要测试这个 MCP 服务是否正常工作。
MCP 官方提供了一个图形化调试工具：MCP Inspector，可以用来连接你的服务并测试其功能。
安装并运行 Inspector：
npm install -g @modelcontextprotocol/inspector
mcp-inspector python server.pyInspector 会启动一个 Web 界面，在浏览器中打开该地址。
在实际应用中集成 MCP
在实际应用（如：Cursor）的设置中找到 MCP 模块，并添加 MCP：
{
"mcpServers": {
"simple-mcp-server": {
"command": "python",
"args": ["/absolute/path/to/your/server.py"]
}
}
}点击保存后，如果配置正确，服务状态会显示为绿色的 Running 或 Connected。