使用说明
MCP深潜
生产级MCP（模型上下文协议）开发人员指南
使用实时流、结构化输出和混合架构构建MCP服务器和客户端的全面指南。
什么是MCP？
MCP（模型上下文协议） 是将AI应用程序连接到外部系统的开源标准。它使Claude或ChatGPT等AI应用程序能够连接到：
- 数据源 -本地文件、数据库、API
- 工具 -搜索引擎、计算器、外部服务
- 工作流 -专门的提示和指令模板
存储库结构
MCP-Deep-Dive/
├── docs/
│ └── MCP-Developer-Guide.md # Comprehensive developer guide
├── examples/
│ └── python/
│ ├── mcp_server_example.py # Production-ready MCP server template
│ ├── hybrid_client.py # Hybrid LLM + Direct MCP client
│ ├── requirements.txt # Python dependencies
│ └── .env.example # Environment variables template
├── MCP_Checklist.docx # Implementation checklist (source notes)
└── README.md # This file
快速开始
1.安装依赖项
cd examples/python
pip install -r requirements.txt
2.配置环境
cp .env.example .env
# Edit .env with your API keys
3.运行MCP服务器
python mcp_server_example.py
服务器启动时间 http://localhost:8000/sse
4.运行混合客户端
python hybrid_client.py
关键概念
混合架构
推荐的方法将 大脑 （法学硕士决定） 手 （工具执行）：
┌─────────────────┐ ┌─────────────────┐
│ LLM │ │ MCP Server │
│ (BRAIN) │ │ (HANDS) │
│ "What tool?" │ │ Executes work │
└────────┬────────┘ └────────▲────────┘
│ │
│ Tool decision │ Tool execution
▼ │
┌─────────────────────────────────────────┴───────┐
│ YOUR CLIENT │
│ (CONTROL CENTER) │
│ • Routes LLM decisions to MCP │
│ • Captures real-time progress │
│ • Full visibility into everything │
└──────────────────────────────────────────────────┘
为什么是混合动力？
| 方法 | LLM决定 | 工具执行 | 进度可见性 |
|---|---|---|---|
| 内置MCP | ✅ | ❌ 黑盒子 | ❌ 没有 |
| 直接MCP | ❌ 硬编码 | ✅ 您控制 | ✅ 满 |
| 混合 | ✅ | ✅ 您控制 | ✅ 满 |
文档
查看完整 MCP开发人员指南 用于：
- 核心概念（工具、资源、提示）
- 使用Pydantic的结构化输出
- 进度报告和流媒体
- 完整的架构图
- 最佳实践和模式
示例功能
MCP服务器(mcp_server_example.py)
- 工具:
web_search,calculate - 资源:
customer/{id},metrics/current - 鼓励:
professional_writing_style,code_review_template,debugging_assistant - 进度报告：通过Context实时更新
混合客户端(hybrid_client.py)
- 工具执行过程中的实时进度条
- 彩色终端用户界面
- 对话历史管理
- 命令：
/help,/history,/clear,/tools
资源
- MCP Python SDK
- MCP规范
- MCP检查员 -交互式调试工具
状态
进行中 -该指南正在积极制定中。
许可证
MIT许可证-请参阅 许可证 了解详情。
作者
Aditya Bhatt - 2025
