1. MCP 简介

Model Context Protocol (MCP) 是由 Anthropic 推出的一种开放标准，旨在解决大型语言模型（LLM）与外部数据源、工具之间“语言不通”的问题。

简单来说，MCP 就像是为 AI 量身定制的 USB 接口：

• 标准化：无需为每个 AI 模型编写特定的集成代码。

• 安全性：你可以精准控制 AI 能够访问哪些数据或执行哪些操作。

• 灵活性：支持从本地数据库到远程 API 的各种扩展。

2. FastMCP 安装

FastMCP 是一个受 FastAPI 启发而诞生的轻量级框架，旨在让你以最少的代码量构建高性能的 MCP 服务器。

在你的 Python 环境中运行以下命令即可安装：

pip install fastmcp

3. 示例代码：创建一个天气服务

使用 FastMCP，你只需要通过装饰器 @mcp.tool() 就能将一个普通的 Python 函数转变为 AI 可调用的工具。

from fastmcp import FastMCP

# 初始化 MCP 服务，设置服务名称
mcp = FastMCP("Weather Server")

@mcp.tool()
async def get_weather(city: str) -> str:
    """
    获取指定城市的实时天气。
    
    Args:
        city: 城市名称 (例如: "Beijing", "Tokyo")
    """
    # 这里通常是调用第三方 API，本示例直接返回模拟数据
    return f"{city}: 22°C, sunny"

if __name__ == "__main__":
    # 使用 SSE (Server-Sent Events) 传输协议启动服务
    # 允许局域网访问，并监听 8000 端口
    mcp.run(transport="sse", host="0.0.0.0", port=8000)

4. MCP Client 配置

一旦你的服务运行起来，你需要告诉 MCP 客户端（如 Claude Desktop 或其他集成环境）去哪里找到这个服务。

在你的客户端配置文件（如 claude_desktop_config.json）中添加以下内容：

{
  "mcpServers": {
    "weather": {
      "url": "http://127.0.0.1:8000/sse"
    }
  }
}

注意：

• 请确保将 127.0.0.1 替换为你运行服务器的实际 IP 地址。如果是在本机测试，也可以使用 localhost。

• 自文档化：FastMCP 会自动读取函数的 Docstring 作为工具的描述，这些描述对 AI 理解何时使用该工具至关重要。

• 调试：启动后，访问 http://127.0.0.1:8000/sse 可以检查服务是否在线。

#MCP#​ #LLM#​ #大模型#​ #FastMCP#​ #Python#​

(完)