MCP 实战指南:高德地图和 arXiv API 封装指导教程
本文是 MCP(Model Context Protocol)教程系列的第二阶段,我们将告别理论,直接进入开发实战。你将学会如何把第三方 API快速封装成 Claude 等 AI 模型可直接调用的强大工具。我们将以高德地图地理编码和arXiv 论文检索这两个实用场景为例,内容涵盖资源定义、工具实现、错误处理等核心开发环节,带你一步步完成从零到可用的工具集成。
一、项目初始化与环境搭建
首先,确保你已准备好开发环境。我们推荐使用 Python,因为其生态拥有最完善的 MCP 支持。
创建项目目录:
mkdir my-mcp-server cd my-mcp-server
创建虚拟环境并激活:
python -m venv venv # On Windows .\venv\Scripts\activate # On macOS/Linux source venv/bin/activate
安装核心依赖: MCP 的核心是 mcp
库,此外我们还需要用于 HTTP 请求的 aiohttp
和用于管理异步并发的 anyio
。
pip install mcp aiohttp anyio
创建主文件:
touch server.py
二、MCP 服务器骨架:起点
每个 MCP Server 都需要一个基本的程序结构。我们在 server.py
中搭建骨架。
import asyncio from mcp.server import Server from mcp.server.stdio import stdio_server # 创建 Server 实例,名字叫 "my-custom-tools" app = Server("my-custom-tools") # 此处将在这里注册我们的工具(Tools)和资源(Resources) asyncdef main(): # 使用 stdio 传输层,这是与 Claude 等客户端通信的标准方式 asyncwith stdio_server() as (read_stream, write_stream): await app.run( read_stream, write_stream, app.create_initialization_options() ) if __name__ == "__main__": asyncio.run(main())
现在,你可以运行 python server.py
,虽然它还做不了任何事情,但骨架已经搭好。接下来我们为其注入灵魂。
三、实战一:封装高德地图地理编码 API(Tools)
我们将把高德地图的“地理编码”API 封装成一个 MCP Tool,让 Claude 能够根据地址查询经纬度。
1. 获取 API Key
前往高德开放平台,注册账号并创建一个新应用,获取你的 API Key(your_amap_api_key_here
)。
2. 声明并实现工具
我们在 app
实例上使用 @app.tool()
装饰器来声明一个工具。
import aiohttp from mcp.server.models import ToolResult from mcp.types import Tool # 你的高德 API Key,在实际项目中应从环境变量读取! AMAP_API_KEY = "your_amap_api_key_here" @app.tool() asyncdef geocode_address(address: str) -> Tool: """根据中文地址获取其经纬度坐标。 Args: address: 详细的中文地址,例如:北京市朝阳区阜通东大街6号。 Returns: 返回该地址的经纬度信息。 """ # 构建请求 URL url = f"https://restapi.amap.com/v3/geocode/geo?key={AMAP_API_KEY}&address={address}" # 错误处理与超时控制:使用 aiohttp 和 asyncio.timeout try: asyncwith aiohttp.ClientSession() as session: # 设置 10 秒超时 asyncwith asyncio.timeout(10): asyncwith session.get(url) as response: # 检查 HTTP 状态码是否成功 response.raise_for_status() data = await response.json() # 检查高德 API 返回的业务状态码 if data.get('status') != '1': error_info = data.get('info', 'Unknown error') return ToolResult( content=f"Geocoding API error: {error_info}", isError=True ) # 解析并返回结果 geocodes = data.get('geocodes', []) ifnot geocodes: return ToolResult(content="No results found for the given address.") location = geocodes[0].get('location') formatted_address = geocodes[0].get('formatted_address') result_text = f"地址 '{formatted_address}' 的坐标是:{location}" return ToolResult(content=result_text) except asyncio.TimeoutError: return ToolResult(content="Geocoding request timed out after 10 seconds.", isError=True) except aiohttp.ClientResponseError as e: return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True) except Exception as e: return ToolResult(content=f"An unexpected error occurred: {str(e)}", isError=True)
代码解析与最佳实践:
- 工具声明:
@app.tool()
装饰器将函数注册为 MCP 工具。函数的参数(address: str
)和文档字符串("""..."""
)至关重要,它们会自动成为工具 Schema 的一部分,帮助 Claude 理解如何调用它。 - 错误处理:
asyncio.timeout(10)
:确保网络请求不会无限期挂起。response.raise_for_status()
:处理非 200 的 HTTP 状态码。- 检查高德 API 返回的
status
字段,处理业务逻辑错误。 - 使用多重
except
块捕获不同类型的异常,并返回清晰的错误信息。
- 返回值:必须返回
ToolResult
对象。content
是给模型看的结果,isError=True
用于明确告知模型此次调用失败了。
四、实战二:封装 arXiv 论文检索(Resources & Tools)
MCP 不仅有工具(Tools),还有资源(Resources)。资源代表模型可以“读取”的数据源。arXiv 是一个完美的例子,我们可以提供一个资源列表(论文列表),并提供一个工具来搜索它。
1. 定义 arXiv 资源(Resources)
资源使用 @app.list_resources()
和 @app.read_resource()
装饰器。
from mcp.server.models import ResourceTemplatesResult, ReadResourceResult from mcp.types import ResourceTemplate @app.list_resources() asyncdef list_arxiv_resources() -> ResourceTemplatesResult: """列出可用的 arXiv 相关资源。""" templates = [ ResourceTemplate( uri="arxiv://search", name="arXiv Search Results", description="搜索结果来自 arXiv 论文库", mimeType="text/plain" ) ] return ResourceTemplatesResult(templates=templates) @app.read_resource() asyncdef read_arxiv_resource(uri: str) -> ReadResourceResult: """读取 arxiv://search 资源。 注意:这个示例中,我们简单返回一个提示。 在实际应用中,你可能会在这里缓存或返回最近一次搜索的结果。 """ if uri == "arxiv://search": return ReadResourceResult( content="Use the 'search_arxiv' tool to perform a search first.", mimeType="text/plain" ) # 对于未知的 URI,返回错误 return ReadResourceResult( content=f"Resource not found: {uri}", mimeType="text/plain", isError=True )
2. 实现 arXiv 搜索工具(Tools)
现在实现核心的搜索功能。
@app.tool() asyncdef search_arxiv(query: str, max_results: int = 5) -> Tool: """在 arXiv 库中搜索科学论文。 Args: query: 搜索关键词,例如:'large language model'。 max_results: 返回的最大结果数量,默认为 5。 """ # 构建 arXiv API 请求 URL base_url = "http://export.arxiv.org/api/query" params = { "search_query": f"all:{query}", "start": 0, "max_results": max_results, "sortBy": "submittedDate", "sortOrder": "descending" } try: asyncwith aiohttp.ClientSession() as session: asyncwith asyncio.timeout(15): # arXiv 有时较慢,设置稍长的超时 asyncwith session.get(base_url, params=params) as response: response.raise_for_status() data = await response.text() # arXiv 返回 Atom XML,这里需要解析(示例中简化处理) # 在实际项目中,你应该使用 xml.etree.ElementTree 来解析响应内容 # 这里我们简单地截取一部分文本作为演示 if len(data) > 500: preview = data[:500] + "..." else: preview = data result_content = f"**arXiv Search Results for '{query}':**\n\nRaw API response preview:\n{preview}\n\n*Note: This is a simplified demo. A real implementation would parse the XML and present a formatted list of papers.*" return ToolResult(content=result_content) except asyncio.TimeoutError: return ToolResult(content="arXiv search request timed out after 15 seconds.", isError=True) except aiohttp.ClientResponseError as e: return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True) except Exception as e: return ToolResult(content=f"An unexpected error occurred during arXiv search: {str(e)}", isError=True)
代码解析:
- 资源与工具的结合:理想情况下,
search_arxiv
工具执行搜索后,应该将结果写入arxiv://search
资源,然后read_arxiv_resource
函数可以返回格式化后的结果。本例为简化流程,直接在工具调用中返回了结果。这种“混合”模式在实践中也很常见。 - 参数设计:工具参数
max_results: int = 5
设置了默认值,这让模型在调用时更加灵活。
五、测试与集成
1. 使用 MCP CLI 测试
在开发过程中,你可以使用官方 mcp
CLI 工具来测试你的服务器,而无需启动完整的 Claude 环境。
首先全局安装 CLI:
pip install model-context-protocol
然后在你的项目目录下运行:
mcp dev server.py
这会启动一个交互式会话,你可以使用 list_tools
, call_tool
等命令来测试你的工具是否正常工作。
2. 集成到 Claude
目前,集成到 Claude for Desktop 是体验 MCP 的最佳方式。
- 创建配置文件: 在
~/.anthropic/
(macOS/Linux)或%USERPROFILE%\.anthropic\
(Windows)目录下创建或编辑claude_desktop_config.json
。 - 配置你的 Server: 将你的服务器路径添加到配置文件中。
{ "mcpServers": { "my-custom-tools": { "command": "/path/to/your/venv/bin/python", "args": ["/absolute/path/to/your/project/server.py"], "env": {"AMAP_API_KEY": "your_actual_key_here"} // 推荐从环境变量读取密钥! } } }
Windows 示例:
{ "mcpServers": { "my-custom-tools": { "command": "C:\\path\\to\\your\\project\\venv\\Scripts\\python.exe", "args": ["C:\\path\\to\\your\\project\\server.py"] } } }
重启 Claude:重启 Claude for Desktop 应用,你现在就可以在对话中直接使用你自定义的工具了!例如:
“@geocode_address 帮我查一下深圳腾讯大厦的经纬度。”
“@search_arxiv 帮我找一些关于 diffusion model 的最新论文,找3篇就行。”
总结与进阶
通过本教程,你已经成功完成了:
- 项目初始化:搭建了一个标准的 MCP 服务器开发环境。
- 工具封装:将高德地图 Geocoding API 封装成了一个可靠的 MCP Tool,并实施了全面的错误处理与超时控制。
- 资源定义:理解了 Resource 的概念,并为 arXiv 论文库声明了资源模板。
- 混合实践:实现了另一个 arXiv 搜索工具,演示了如何设计工具参数。
- 测试与集成:学会了如何使用 MCP CLI 测试,并如何将其集成到 Claude 桌面端中。
下一步挑战:
- 完善 arXiv 工具:使用
xml.etree.ElementTree
解析 arXiv 的 XML 响应,并返回格式清晰、包含标题、作者、摘要和链接的论文列表。 - 状态管理:让你的
read_arxiv_resource
能够返回最近一次搜索的真实结果,实现真正的 Resource 功能。 - 更多 API:尝试封装其他你常用的 API,如 GitHub、JIRA、Notion、数据库等。
- 安全性:将 API Keys 等敏感信息移至环境变量中管理。
MCP 的强大在于它能将 AI 模型的能力无缝扩展至整个数字世界。如今,你已具备了创建这些连接器的基本技能,开始构建属于你自己的智能助手工具箱吧!
- 点赞
- 收藏
- 关注作者
评论(0)