Playbook 2025

用Python构建MCP服务器的快速入门指南

引言

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的MCP Python SDK在Python中构建MCP服务器，将其与AI助手集成，并将其部署用于生产使用。

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，促进了大型语言模型（LLM）和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。 ()

2.安装

要将MCP集成到Python项目中，建议使用 uv，Python包管理器：

uv add "mcp[cli]"

或者，如果您正在使用 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，它提供了一个计算器工具和一个个性化的问候资源：

from mcp.server.fastmcp import FastMCP

# Initialize the MCP server
mcp = FastMCP("Demo Server")

# Define an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Adds two numbers."""
    return a + b

# Define a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Generates a personalized greeting."""
    return f"Hello, {name}!"

# Run the server
if __name__ == "__main__":
    mcp.run()

4.测试MCP服务器

要使用MCP检查器测试服务器，请执行以下操作：

mcp dev server.py

此命令启动MCP检查器，允许您与服务器交互并验证服务器的功能。

6.客户集成

6.1. 例子： 与Claude Desktop等人工智能助手集成：

mcp install server.py

此命令将服务器安装到Claude Desktop中，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：实现身份验证机制，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各种环境中的部署。
• 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。