前言：

MCP (Model Context Protocol) 是一个开放协议，用于标准化应用程序如何向 LLM 提供上下文。可以将 MCP 想象成 AI 应用程序的 USB-C 接口。就像 USB-C 为设备连接各种外设和配件提供标准化方式一样，MCP 为 AI 模型连接不同的数据源和工具提供了标准化的方式。

MCP与Serverless的创新融合，正在重塑着AI应用架构的未来格局，将为AI应用带来更高的灵活性、安全性和效率。在不久后的未来，华为云AI原生应用运行平台+MCP整体产品组合方案，能够与华为开发者空间在多个维度实现深度结合，为开发者打造更高效、便捷且创新的开发环境。

本案例选择云主机本地搭建MCP Server服务作为示例，在华为开发者空间云主机部署MCP Server服务，基于MaaS提供的免费DeepSeek-R1大模型调用MCP Server提供的工具来进行功能实现。

通过实际操作，让大家深入了解如何利用云主机完成MCP Server开发和部署，如何通过大模型调用MCP Server服务。

MCP 的核心遵循客户端-服务器架构，其中主机应用程序可以连接到多个服务器：

• MCP 主机：希望通过 MCP 访问数据的 Claude Desktop、IDE 或 AI 工具等程序；
• MCP 客户端：与服务器保持 1：1 连接的协议客户端；
• MCP 服务器：轻量级程序，每个程序都通过标准化的 Model Context Protocol 公开特定功能；
• 本地数据源：MCP 服务器可以安全访问的计算机文件、数据库和服务；
• 远程服务：MCP 服务器可以连接到的 Internet 上可用的外部系统（例如，通过 API）。

本案例选择云主机本地搭建MCP Server服务作为示例，在华为开发者空间云主机部署MCP Server服务，基于MaaS提供的免费DeepSeek-R1大模型调用MCP Server提供的工具来进行功能实现。

通过实际操作，让大家深入了解如何利用云主机完成MCP Server开发和部署，如何通过大模型调用MCP Server服务。

适用对象

• 企业
• 个人开发者
• 高校学生

案例时间

本案例总时长预计60分钟。

案例流程

说明：

1. 用户打开华为开发者空间云主机；
2. 浏览器下载VSCode，完成安装配置；
3. VSCode中使用cline插件配置MaaS提供免费版DeepSeek-R1模型；
4. MCP Server服务开发及部署；
5. Cline插件配置MCP Server服务并调用MCP Server提供的工具。

资源总览

本案例预计花费0元。

环境配置

开发者空间配置

面向广大开发者群体，华为开发者空间提供一个随时访问的“开发桌面云主机”、丰富的“预配置工具集合”和灵活使用的“场景化资源池”，开发者开箱即用，快速体验华为根技术和资源。

如果还没有领取开发者空间云主机，可以参考免费领取云主机文档领取。

领取云主机后可以直接进入华为开发者空间工作台界面，点击进入桌面连接云主机。

免费领取DeepSeek-R1满血版

详细步骤请参考案例中步骤2.1

安装VSCode

详细步骤请参考案例中步骤2.2

安装并配置Cline插件

详细步骤请参考案例中步骤2.3

项目构建

Server环境设置

1.在VSCode中，左上角点击文件->打开文件夹，在截图目录下创建文件mcp-test，点击左上角打开。

通过Ctrl + `键打开终端，安装并设置运行脚本所需的Python所需的环境和配置。

也可以点击顶部终端->新建终端打开。

curl -fsSL https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0037/uv-installer.sh -o uv-installer.sh | sh

sudo snap install astral-uv --classic

安装完毕后，在终端输入uv --version,查看uv版本。

2. 通过Ctrl + `键打开终端，执行如下命令完成工程初始化，运行成功后，左侧目录下会出现weather文件夹。

uv init weather

cd weather

3. 初始化完毕后，进行虚拟环境创建并激活，将以下命令复制到终端中。

uv venv

source .venv/bin/activate

4. 激活完成后，在终端前方会出现（weather）字样，代表激活成功。

5. 执行以下命令安装MCP Server开发所需要的依赖包。

uv add "mcp[cli]" httpx -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

6. 创建weather.py文件，创建完毕后，在weather文件夹下会出现weather.py文件，表示文件创建成功。

touch weather.py

MCP Server功能实现

1. 初始化Server实例，并定义API变量。将以下代码复制到创建的weather.py文件中。

FastMCP类使用Python类型提示和文档字符串自动生成工具定义，从而轻松创建和维护MCP工具。

from typing import Any

import httpx

from mcp.server.fastmcp import FastMCP

# Initialize FastMCP server

mcp = FastMCP("weather")

# Constants

NWS_API_BASE = "https://api.weather.gov"

USER_AGENT = "weather-app/1.0"

2. 定义用于查询和格式化Weather Service API中的数据的帮助函数：

async def make_nws_request(url: str) -> dict[str, Any] | None:

"""Make a request to the NWS API with proper error handling."""

headers = {

"User-Agent": USER_AGENT,

"Accept": "application/geo+json"

}

async with httpx.AsyncClient() as client:

try:

response = await client.get(url, headers=headers, timeout=30.0)

response.raise_for_status()

return response.json()

except Exception:

return None

def format_alert(feature: dict) -> str:

"""Format an alert feature into a readable string."""

props = feature["properties"]

return f"""

Event: {props.get('event', 'Unknown')}

Area: {props.get('areaDesc', 'Unknown')}

Severity: {props.get('severity', 'Unknown')}

Description: {props.get('description', 'No description available')}

Instructions: {props.get('instruction', 'No specific instructions provided')}

"""

3. 定义MCP Server工具函数get_alerts和get_forecast，工具函数用来执行查询天气情况的逻辑，将以下代码复制到VSCode中。

@mcp.tool()

async def get_alerts(state: str) -> str:

"""Get weather alerts for a US state.

Args:

state: Two-letter US state code (e.g. CA, NY)

"""

url = f"{NWS_API_BASE}/alerts/active/area/{state}"

data = await make_nws_request(url)

if not data or "features" not in data:

return "Unable to fetch alerts or no alerts found."

if not data["features"]:

return "No active alerts for this state."

alerts = [format_alert(feature) for feature in data["features"]]

return "\n---\n".join(alerts)

@mcp.tool()

async def get_forecast(latitude: float, longitude: float) -> str:

"""Get weather forecast for a location.

Args:

latitude: Latitude of the location

longitude: Longitude of the location

"""

# First get the forecast grid endpoint

points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"

points_data = await make_nws_request(points_url)

if not points_data:

return "Unable to fetch forecast data for this location."

# Get the forecast URL from the points response

forecast_url = points_data["properties"]["forecast"]

forecast_data = await make_nws_request(forecast_url)

if not forecast_data:

return "Unable to fetch detailed forecast."

# Format the periods into a readable forecast

periods = forecast_data["properties"]["periods"]

forecasts = []

for period in periods[:5]: # Only show next 5 periods

forecast = f"""

{period['name']}:

Temperature: {period['temperature']}°{period['temperatureUnit']}

Wind: {period['windSpeed']} {period['windDirection']}

Forecast: {period['detailedForecast']}

"""

forecasts.append(forecast)

return "\n---\n".join(forecasts)

4. 定义主函数，在云主机部署MCP Server，将以下代码复制到VSCode中，进行服务器部署。

if __name__ == "__main__":

# Initialize and run the server

mcp.run(transport='stdio')

5. 在终端输入以下命令，运行脚本，如果能查询到Server进程表示部署成功。

uv run weather.py

Cline插件上配置MCP Server

1. 配置Server。点击之前安装的Cline插件，随后点击上方MCP Server->Installed->Configure MCP Servers。

将以下代码替换到cline_mcp_settings.json文件中。

{

"mcpServers": {

"weather": {

"disabled": false,

"timeout": 60,

"command": "uv",

"args": [

"--directory",

"/home/developer/IDEProjects/mcp-test/weather",

"run",

"weather.py"

],

"transportType": "stdio"

}

}

}

2. 替换关键参数。args中的地址需要根据自身实际地址进行替换。

在终端输入pwd，获取路径，对args中的路径参数进行替换。

3. 将json文件中的路径参数替换之后ctrl+s进行保存，可以看到，MCP Server提供两个工具，分别为get_alerts和get_forecast，至此MCP Server配置完成。

Cline插件调用MCP Server工具查询天气

1. cline新建会话，点击Auto-approve，设置MCP服务开关配置。

2. 选择Use MCP Servers，打开调用开关。再点击上放三角缩放页面。

3. 由于本地搭建的Server服务使用的是美国天气服务API，所以这里我们提问：未来三天纽约天气怎么样？点击右侧三角符进行提问。

首次提问会询问经纬度坐标，选择默认坐标运行即可。稍等片刻后，返回纽约天气

4. 在服务运行过程中可以看到成功调用本地MCP Server提供的工具，表示大模型可以成功自动调用MCP提供的工具，并能根据工具进行结果返回。

至此，基于华为开发者空间云主机搭建MCP Server服务到此结束。

更多案例，点击案例中心查看~