MCP为连接AI应用与数据源提供了一个通用的开放标准，用单一协议取代了碎片化的集成。通过这个机制，能力小的AI应用会变成更强的应用

在整个MCP的架构中，我们的AI应用（如Cline）作为MCP Hosts，通过内部的MCP Client去接入不同的MCP Server，从而达到增强能力的目的

根据MCP协议，当AI应用连接到MCP Server后，能够获取多种能力，比如Tool，Prompts、Resources等

1. 常见AI应用对MCP Server能力的支持情况

目前MCP还在发展过程中，我们可以通过官方看到常见AI应用目前可以使用的能力情况。

应用对于Tool能力的使用，目前是最广泛的：

2. 代码实现MCP Server

我们要实现一个简单的server，他将有一个tool，可以通过订单号查询物流信息。

这个server在整个架构中的位置，就是下图中绿色的块：

2.1 配置环境

首先，让我们安装 uv 并设置我们的 Python 项目和环境：

安装uv工具（windows）

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

重新开启一个终端，并确认uv已经安装成功

PS G:\workspace\idea\py\hello-mcp-server> uv versionuv
 0.6.6 (c1a0bb85e 2025-03-12)

在macos/linux环境中安装uv

curl -LsSf https://astral.sh/uv/install.sh | sh

uv是一个用 Rust 编写的极快的 Python 包和项目管理器。

官网：https://github.com/astral-sh/uv

创建项目，初始化环境：

# 初始化项目
uv init hello-mcp-server

# 创建Python虚拟环境
cd hello-mcp-server
uv venv

# 激活虚拟环境
.venv\Scripts\activate

# 安装依赖
uv add mcp[cli]

2.2 新建MCP Server : hello_mcp_server.py

我们新建一个Server，并增加tool来模拟通过订单号查询物流信息的功能

2.2.1 定义一个server

导入包并定义mcp实例

"""
pip install mcp[cli]
"""
from mcp.server.fastmcp import FastMCP
from pydantic import Field

# Initialize FastMCP server
mcp = FastMCP("hello-mcp-server", log_level="ERROR")

2.2.2 定义工具

通过@mcp.tool()注解，把一个函数注册为Tool

 # 注册工具的装饰器，可以很方便的把一个函数注册为工具
@mcp.tool()
asyncdef query_logistics(order_id: str = Field(description="订单号")) -> str:
    """查询物流信息。当用户需要根据订单号查询物流信息时，调用此工具
    
    Args:
        order_id: 订单号
    
    Returns:
        物流信息的字符串描述
    """
    # 统一的物流信息数据
    tracking_info = [
        {"time": "2024-01-20 10:00:00", "status": "包裹已揽收", "location": "深圳转运中心"},
        {"time": "2024-01-20 15:30:00", "status": "运输中", "location": "深圳市"},
        {"time": "2024-01-21 09:00:00", "status": "到达目的地", "location": "北京市"},
        {"time": "2024-01-21 14:00:00", "status": "派送中", "location": "北京市朝阳区"},
        {"time": "2024-01-21 16:30:00", "status": "已签收", "location": "北京市朝阳区三里屯"}
    ]

    # 格式化物流信息
    result = f"物流单号：{order_id}\n\n物流轨迹：\n"
    for item in tracking_info:
        result += f"[{item['time']}] {item['status']} - {item['location']}\n"

    return result

2.2.3 使用 MCP Inspector 进行测试

MCP Inspector 是一个用于测试和调试 MCP 服务器的交互式开发工具。

https://modelcontextprotocol.io/docs/tools/inspector

启动MCP Inspector：

执行命令：mcp dev hello_mcp_server.py

(hello-mcp-server) PS G:\workspace\idea\py\hello-mcp-server> mcp dev hello_mcp_server.py
Starting MCP inspector...
Proxy server listening on port 3000

🔍 MCP Inspector is up and running at http://localhost:5173 🚀

通过浏览器打开http://localhost:5173

连接MCP Server:

点击“Connect”启动MCP Server并建立连接

1.使用标准输入输出作为传输层

2.使用命令是uv

3.uv命令的参数

查询所有的Tool：

1.点击“Tools”能力标签

2.点击“List Tools”，查询server中所有的tool（调用了协议的tools/list 端点）

3.显示出所有的tool

执行Tool：

1.选择需要测试的tool

2.输入入参：ORDER-123456，点击“Run Tool”（调用了协议的tools/call 端点）

3.Tool成功返回结果

3. 使用Cline测试Server

打开Cline，点击上边的“MCP Server”

选择“Installed”

点击“Configure MCP Servers”

右边会弹出配置文件

将自己刚写的服务器相关配置填进去，保存

"hello-mcp-server": {
"name": "第一个MCP服务",
"key": "hello-mcp-server",
"command": "uv",       
"args": [
    "--directory",
    "G:\\workspace\\idea\\py\\hello-mcp-server\\",
    "run",
    "--with",
    "mcp",
    "mcp",
    "run",
    "hello_mcp_server.py"
  ],
"disabled": false,
"autoApprove": []
}

整个完整命令相当于：

uv --directory G:\workspace\idea\py\hello-mcp-server\ run --with mcp mcp run hello_mcp_server.py

分为3段：

uv --directory G:\workspace\idea\py\hello-mcp-server\指定工作目录
run --with mcp运行时必须要有mcp包被安装
mcp run hello_mcp_server.py使用mcp启动server

左边会生成对应的服务列表，点击“Done”退出

在Cline对话框中输入提示词：查一下订单为“ORDER-123456”的物流信息

Cline开始调用MCP Server，点击“Approve”同意

MCP Server调用成功

3.1 Cline连接MCP Server的相关Client源码

Cline(相当于MCP架构中的Host)源码中，MCP相关的代码在src/services/mcp/McpHub.ts中，MCP Clinet连接MCP Server的代码在connectToServer:

private async connectToServer(name: string, config: StdioServerParameters): Promise<void> {
  ...

try {
   // 创建新的MCP客户端实例，设置客户端名称和版本信息
   const client = new Client(
    {
     name: "Cline",
     version: this.providerRef.deref()?.context.extension?.packageJSON?.version ?? "1.0.0",
    },
    {
     capabilities: {},        // 客户端没有给服务端暴露能力
    },
   )

   // 创建标准输入输出传输实例，配置命令、参数和环境变量
   // 这个是我们配置文件的内容
   const transport = new StdioClientTransport({
    command: config.command,
    args: config.args,
    env: {
     ...config.env,
     ...(process.env.PATH ? { PATH: process.env.PATH } : {}),
    },
    stderr: "pipe", 
   })

            ......
            
   // 启动传输层，建立实际的进程间通信通道
   await transport.start()
   
   ...

   // 建立MCP客户端连接
   // 连接成功后更新服务器状态为已连接，清除错误信息
   // 初始化并获取服务器提供的工具和资源列表
   await client.connect(transport)
   connection.server.status = "connected"
   connection.server.error = ""

   // 初始化获取工具资源列表
   connection.server.tools = awaitthis.fetchToolsList(name)
   connection.server.resources = awaitthis.fetchResourcesList(name)
   connection.server.resourceTemplates = awaitthis.fetchResourceTemplatesList(name)
  } catch (error) {
   ......
  }
 }

到目前为止我们实现了一个能提供Tool能力的MCP Server

本文来自公众号：AI取经路