MCP基础概念与快速入门
《MCP基础概念与快速入门》共 0.2 万字，通篇围绕 MCP、上下文、安全、Agent 展开，归在「Agent 与工具调用」这一层。
适合要让 AI 真的去干活、不只是陪人聊天的人
目录骨架（8 节）
- 示例代码
- MCP基础概念
- MCP快速入门
- MCP Client
- MCP 核心架构
- MCP 通信机制
- MCP Server
- 1. 安装 uv，设置环境变量
示例代码
📎 附件：mcp-demo.zip（zip, 4KB）
原文链接：https://www.yuque.com/attachments/yuque/0/2025/zip/2424104/1753931389683-a2fe4d0e-e16b-45d1-bebf-c01a2405c9e5.zip
MCP基础概念
MCP（Model Context Protocol，模型上下文协议） ，2024 年 11 月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。MCP 的主要目的在于解决当前 AI 模型因数据孤岛限制而无法充分发挥潜力的难题，MCP 使得 AI 应用能够安全地访问和操作本地及远程数据，为 AI 应用提供了连接万物的接口。
Function Calling 是 AI 模型调用函数的机制，MCP 是一个标准协议，使 AI 模型与 API 无缝交互，而 AI Agent 是一个自主运行的智能系统，利用 Function Calling 和 MCP 来分析和执行任务，实现特定目标。
MCP 官方文档：https://modelcontextprotocol.io/introduction
MCP 客户端：https://modelcontextprotocol.io/clients
MCP SDK：https://github.com/modelcontextprotocol/python-sdk
MCP 核心架构
- MCP 主机（MCP Hosts）：发起请求的 LLM 应用程序（例如 Claude Desktop、IDE 或 AI 工具）。
- MCP 客户端（MCP Clients）：在主机程序内部，与 MCP server 保持 1:1 的连接。
- MCP 服务器（MCP Servers）：为 MCP client 提供上下文、工具和 prompt 信息。
- 本地资源（Local Resources）：本地计算机中可供 MCP server 安全访问的资源（例如文件、数据库）。
- 远程资源（Remote Resources）：MCP server 可以连接到的远程资源（例如通过 API）。
MCP client 充当 LLM 和 MCP server 之间的桥梁，MCP client 的工作流程如下：
- MCP client 首先从 MCP server 获取可用的工具列表。
- 将用户的查询连同工具描述通过 function calling 一起发送给 LLM。
- LLM 决定是否需要使用工具以及使用哪些工具。
- 如果需要使用工具，MCP client 会通过 MCP server 执行相应的工具调用。
- 工具调用的结果会被发送回 LLM。
- LLM 基于所有信息生成自然语言响应。
- 最后将响应展示给用户。
MCP 通信机制
MCP 协议支持两种主要的通信机制：基于标准输入输出 stdio 的本地通信和基于 SSE（Server-Sent Events）的远程通信。这两种机制都使用 JSON-RPC 2.0 格式进行消息传输，确保了通信的标准化和可扩展性。
- 本地通信：通过 stdio 传输数据，适用于在同一台机器上运行的客户端和服务器之间的通信。
- 远程通信：利用 SSE 与 HTTP 结合，实现跨网络的实时数据传输，适用于需要访问远程资源或分布式部署的场景。
MCP Server
MCP Server 是 MCP 架构中的关键组件，它可以提供 3 种主要类型的功能：
- 资源（Resources）：类似文件的数据，可以被客户端读取，如 API 响应或文件内容。
- 工具（Tools）：可以被 LLM 调用的函数（需要用户批准）。
- 提示（Prompts）：预先编写的模板，帮助用户完成特定任务。
这些功能使 MCP server 能够为 AI 应用提供丰富的上下文信息和操作能力，从而增强 LLM 的实用性和灵活性。
MCP快速入门
MCP 通过三种主要原语（Primitives）增强 LLM 的功能，理解这些原语是编写 MCP 的关键：
- 提示（Prompts）：预定义的指令或模板，指导 LLM 如何处理输入或生成输出。
- 资源（Resources）：提供额外上下文的结构化数据，例如文件或数据库内容。
- 工具（Tools）：可执行的函数，允许 LLM 执行操作（如查询 API）或检索信息。
- 关键点：这些原语是 MCP 的核心，决定了服务器能为 LLM 提供什么能力。
在我们的示例中，使用 Claude for Desktop 作为客户端，自己编写 python 文件作为服务端，在 Claude Desktop 里调用 server.py。
先决条件
- 已安装 python 3.10 或更高
- 已安装 Claude for Desktop
1. 安装 uv，设置环境变量
打开 Powershell，输入如下命令：
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"