MCP（Model Context Protocol）：大模型 Agent 开发的统一规范与实战指南

一、MCP 技术体系核心解析

1. MCP 的本质与价值

2. 与 Function calling 的对比

• 编写外部函数需大量代码（常达上百行）
• 需为每个函数编写 JSON Schema 说明
• 需设计提示词模板以提高调用准确率

二、MCP 客户端开发实战

1. 开发环境准备：uv 工具

• 安装：
  # 方法1：通过pip
  pip install uv
  # 方法2：通过curl
  curl -LsSf https://astral.sh/uv/install.sh | sh
  

• 基本用法：
  # 创建虚拟环境
  uv venv myenv
  # 激活虚拟环境（Linux/macOS）
  source myenv/bin/activate
  # 安装依赖
  uv add mcp openai python-dotenv
  

2. 极简客户端搭建

import asyncio
from mcp import ClientSession
from contextlib import AsyncExitStack

class MCPClient:
    def __init__(self):
        self.session = None
        self.exit_stack = AsyncExitStack()

    async def connect_to_mock_server(self):
        print("✅ MCP客户端已初始化，未连接到服务器")

    async def chat_loop(self):
        print("\nMCP客户端已启动！输入'quit'退出")
        while True:
            query = input("\nQuery: ").strip()
            if query.lower() == 'quit':
                break
            print(f"\n🤖 [Mock Response] 你说的是：{query}")

    async def cleanup(self):
        await self.exit_stack.aclose()

async def main():
    client = MCPClient()
    try:
        await client.connect_to_mock_server()
        await client.chat_loop()
    finally:
        await client.cleanup()

if __name__ == "__main__":
    asyncio.run(main())

3. 接入在线模型（OpenAI/DeepSeek）

1. 创建.env 文件：
   # OpenAI配置
   BASE_URL="反向代理地址"
   MODEL=gpt-4o
   OPENAI_API_KEY="你的API密钥"
   
   # 或DeepSeek配置
   BASE_URL=https://api.deepseek.com
   MODEL=deepseek-chat
   OPENAI_API_KEY="你的DeepSeek密钥"
   

2. 修改客户端代码：
   python环境下运行

   import os
   from openai import OpenAI
   from dotenv import load_dotenv
   
   class MCPClient:
       def __init__(self):
           load_dotenv()
           self.openai_api_key = os.getenv("OPENAI_API_KEY")
           self.base_url = os.getenv("BASE_URL")
           self.model = os.getenv("MODEL")
           self.client = OpenAI(api_key=self.openai_api_key, base_url=self.base_url)
   
       async def process_query(self, query: str) -> str:
           messages = [{"role": "user", "content": query}]
           response = self.client.chat.completions.create(
               model=self.model,
               messages=messages
           )
           return response.choices[0].message.content
   

   
   

4. 接入本地模型（ollama/vLLM）

• ollama 配置（以 QwQ-32B 为例）：
  BASE_URL=http://localhost:11434/v1/
  MODEL=qwq
  OPENAI_API_KEY=ollama
  

• vLLM 配置：
  BASE_URL=http://localhost:8000/v1
  MODEL=./QwQ-32B
  OPENAI_API_KEY=EMPTY
  

三、MCP 服务器开发与通信

1. 服务器核心概念

• Resources：资源访问（如文件、API 响应）
• Tools：工具函数（如天气查询、数据库操作）
• Prompts：提示词模板（用于 Agent 开发各环节）

• stdio：本地进程间通信，适用于同一环境
• HTTP+SSE：远程通信，支持服务器向客户端实时推送数据

2. 天气查询服务器示例

1. 安装依赖：
   uv add mcp httpx
   

2. 服务器代码：
   python运行

   from mcp.server.fastmcp import FastMCP
   import httpx
   
   mcp = FastMCP("WeatherServer")
   OPENWEATHER_API_BASE = "https://api.openweathermap.org/data/2.5/weather"
   API_KEY = "你的OpenWeather密钥"
   
   @mcp.tool()
   async def query_weather(city: str) -> str:
       """查询指定城市的天气（城市名需为英文）"""
       params = {
           "q": city,
           "appid": API_KEY,
           "units": "metric",
           "lang": "zh_cn"
       }
       async with httpx.AsyncClient() as client:
           response = await client.get(OPENWEATHER_API_BASE, params=params)
           return format_weather(response.json())
   
   def format_weather(data):
       # 格式化天气数据为易读文本
       return f"{data['name']}：温度{data['main']['temp']}°C，{data['weather'][0]['description']}"
   
   if __name__ == "__main__":
       mcp.run(transport='stdio')  # 以stdio方式运行
   

   
   

3. 客户端调用服务器

async def connect_to_server(self, server_script_path: str):
    # 启动服务器进程
    server_params = StdioServerParameters(
        command="python",
        args=[server_script_path]
    )
    stdio_transport = await stdio_client(server_params)
    self.session = ClientSession(*stdio_transport)
    await self.session.initialize()

    # 调用工具
    result = await self.session.call_tool("query_weather", {"city": "Beijing"})
    print(result.content[0].text)  # 输出北京天气

四、MCP 进阶应用与生态

1. 进阶功能探索

• SSE 通信：适用于远程服务器，需修改客户端和服务器代码以支持 HTTP 接口
• Resources 服务器：提供本地文件、数据库等资源访问接口
• Prompt 服务器：统一管理 Agent 开发中的提示词模板，提高复用率

2. 开源 MCP 服务器资源

• 官方服务器合集：https://github.com/modelcontextprotocol/servers
• 热门导航站：https://github.com/punkpeye/awesome-mcp-servers
• 实用工具集：涵盖数据库操作、网页爬取、云服务集成等

3. 企业级应用场景

• 智能客服：集成知识库查询、订单系统访问
• 数据分析：连接数据仓库，自动生成分析报告
• 自动化运维：通过命令行工具远程控制服务器

五、总结