MCP快速入门—快速构建自己的服务器

引言

随着大语言模型(LLM)技术的快速发展，如何扩展其能力边界成为开发者关注的重点。MCP(Model Capability Protocol)作为一种协议标准，允许开发者构建自定义服务器来增强LLM的功能。
正文内容

1. MCP核心概念与技术背景

MCP服务器主要提供三种能力类型：

• 资源(Resources)：客户端可读取的类似文件的数据（如API响应或文件内容）
  
• 工具(Tools)：经用户批准后LLM可调用的函数
  
• 提示(Prompts)：帮助用户完成特定任务的预编写模板
  

本教程将重点介绍工具类型的实现，通过构建两个实用工具(get-alerts和get-forecast)来扩展Claude的功能，使其能够获取天气预报和恶劣天气警报。
2. 环境准备与项目初始化

2.1 系统要求

• Python 3.10或更高版本
  
• Python MCP SDK 1.2.0或更高版本
  

2.2 安装uv并创建项目

1. # 安装uv包管理器
2. curl -LsSf https://astral.sh/uv/install.sh | sh
4. # 创建项目目录
5. uv init weather
6. cd weather
8. # 创建并激活虚拟环境
9. uv venv
10. source .venv/bin/activate
12. # 安装依赖
13. uv add "mcp[cli]" httpx
15. # 创建服务器文件
16. touch weather.py

复制代码

3. 构建天气服务器

3.1 初始化FastMCP实例

1. from typing import Any
2. import httpx
3. from mcp.server.fastmcp import FastMCP
5. # 初始化FastMCP服务器
6. mcp = FastMCP("weather")
8. # 常量定义
9. NWS_API_BASE = "https://api.weather.gov"
10. USER_AGENT = "weather-app/1.0"
11. ```
13. FastMCP类利用Python类型提示和文档字符串自动生成工具定义，简化了MCP工具的创建和维护过程。

复制代码

3.2 实现辅助函数

1. async def make_nws_request(url: str) -> dict[str, Any] | None:
2.     """向NWS API发起请求并处理错误"""
3.     headers = {
4.         "User-Agent": USER_AGENT,
5.         "Accept": "application/geo+json"
6.     }
7.     async with httpx.AsyncClient() as client:
8.         try:
9.             response = await client.get(url, headers=headers, timeout=30.0)
10.             response.raise_for_status()
11.             return response.json()
12.         except Exception:
13.             return None
15. def format_alert(feature: dict) -> str:
16.     """格式化警报特征为可读字符串"""
17.     props = feature["properties"]
18.     return f"""
19. Event: {props.get('event', 'Unknown')}
20. Area: {props.get('areaDesc', 'Unknown')}
21. Severity: {props.get('severity', 'Unknown')}
22. Description: {props.get('description', 'No description available')}
23. Instructions: {props.get('instruction', 'No specific instructions provided')}
24. """

复制代码

3.3 实现工具功能

1. @mcp.tool()
2. async def get_alerts(state: str) -> str:
3.     """获取美国各州的天气警报
4.    
5.     Args:
6.         state: 两字母州代码(如CA, NY)
7.     """
8.     url = f"{NWS_API_BASE}/alerts/active/area/{state}"
9.     data = await make_nws_request(url)
11.     if not data or "features" not in data:
12.         return "无法获取警报或未发现警报"
14.     if not data["features"]:
15.         return "该州无活跃警报"
17.     alerts = [format_alert(feature) for feature in data["features"]]
18.     return "\n---\n".join(alerts)
20. @mcp.tool()
21. async def get_forecast(latitude: float, longitude: float) -> str:
22.     """获取某地天气预报
23.    
24.     Args:
25.         latitude: 纬度
26.         longitude: 经度
27.     """
28.     # 首先获取预测网格端点
29.     points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
30.     points_data = await make_nws_request(points_url)
32.     if not points_data:
33.         return "无法获取该位置的预测数据"
35.     # 从points响应中获取预测URL
36.     forecast_url = points_data["properties"]["forecast"]
37.     forecast_data = await make_nws_request(forecast_url)
39.     if not forecast_data:
40.         return "无法获取详细预测"
42.     # 将时间段格式化为可读预测
43.     periods = forecast_data["properties"]["periods"]
44.     forecasts = []
45.     for period in periods[:5]:  # 仅显示接下来5个时段
46.         forecast = f"""
47. {period['name']}:
48. 温度: {period['temperature']}°{period['temperatureUnit']}
49. 风速: {period['windSpeed']} {period['windDirection']}
50. 预测: {period['detailedForecast']}
51. """
52.         forecasts.append(forecast)
54.     return "\n---\n".join(forecasts)

复制代码

3.4 运行服务器

1. if __name__ == "__main__":
2.     # 初始化并运行服务器
3.     mcp.run(transport='stdio')

复制代码

4. 连接Claude for Desktop进行测试

4.1 配置客户端

1. {
2.   "mcpServers": {
3.     "weather": {
4.       "command": "uv",
5.       "args": [
6.         "--directory",
7.         "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
8.         "run",
9.         "weather.py"
10.       ]
11.     }
12.   }
13. }

复制代码

4.2 测试命令

• "萨克拉门托的天气怎么样？"
  
• "德克萨斯州有哪些活跃的天气警报？"
  

5. 技术实现原理

当用户提问时，系统会经历以下流程：

• 客户端将问题发送给Claude
  
• Claude分析可用工具并决定使用哪些
  
• 客户端通过MCP服务器执行选定工具
  
• 结果返回给Claude
  
• Claude生成自然语言响应
  
• 向用户显示响应
  

结论

本文详细介绍了如何使用Python和MCP SDK快速构建一个功能完整的天气服务器。通过实现get-alerts和get-forecast两个工具，我们成功扩展了Claude的能力，使其能够查询实时天气信息。这种模式可以推广到其他领域，为LLM添加各种实用功能。MCP协议的灵活性和Python SDK的易用性使得开发者可以快速构建和集成自定义功能，极大地丰富了LLM的应用场景。
MCP 核心架构解析

来源：豆瓜网用户自行投稿发布，如果侵权，请联系站长删除