使用说明
用Python构建MCP服务器的快速入门指南
引言
Anthropic的模型上下文协议（MCP）使AI代理能够与外部工具、数据源和服务进行交互。本指南将引导您使用官方的MCP Python SDK在Python中构建MCP服务器，将其与AI助手集成，并将其部署用于生产使用。
1.MCP Python SDK概述
MCP Python SDK提供了构建MCP服务器和客户端的工具，促进了大型语言模型（LLM）和外部数据源或工具之间的无缝集成。此SDK遵循完整的MCP规范，确保兼容性和标准化。 (GitHub存储库)
2.安装
要将MCP集成到Python项目中，建议使用 uv，Python包管理器：
uv add "mcp[cli]"
或者，如果您正在使用 pip:
pip install mcp
3.快速入门：构建MCP服务器
让我们创建一个简单的MCP服务器，它提供了一个计算器工具和一个个性化的问候资源：
from mcp.server.fastmcp import FastMCP
# Initialize the MCP server
mcp = FastMCP("Demo Server")
# Define an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
"""Adds two numbers."""
return a + b
# Define a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
"""Generates a personalized greeting."""
return f"Hello, {name}!"
# Run the server
if __name__ == "__main__":
mcp.run()
4.测试MCP服务器
要使用MCP检查器测试服务器，请执行以下操作：
mcp dev server.py
此命令启动MCP检查器，允许您与服务器交互并验证服务器的功能。
6.客户集成
6.1. 例子： 与Claude Desktop等人工智能助手集成：
mcp install server.py
此命令将服务器安装到Claude Desktop中，实现助手和MCP服务器之间的无缝交互。
6.部署注意事项
部署MCP服务器时：
- 安全：实现身份验证机制，如API密钥或OAuth，以控制访问。
- 可扩展性：利用Docker等容器化工具来管理各种环境中的部署。
- 监控：设置日志记录和监控，以跟踪服务器性能并及时诊断问题。
