深入解析 Model Context Protocol (MCP)：无缝连接 LLM 与外部世界的开放协议

什么是 MCP？

Model Context Protocol (MCP) 是一个开放协议，旨在实现 LLM 应用与外部数据源和工具之间的无缝集成。无论您是构建 AI 驱动的 IDE、增强聊天界面，还是创建自定义 AI 工作流，MCP 都提供了一种标准化的方式来连接 LLM 与外部世界。

简单来说，MCP 是一种客户端-服务器架构的协议，允许 LLM 应用程序（如 Claude、各种 IDE 等）通过标准化的接口访问外部数据和功能。这解决了 LLM 在实际应用中常见的一些痛点：

• LLM 无法直接访问实时数据（如天气、股票行情等）
• LLM 无法执行外部操作（如发送邮件、控制设备等）
• LLM 无法访问用户的本地文件或其他私有数据

通过 MCP，这些限制得到了优雅的解决，同时保持了安全性和可扩展性。

MCP 的核心架构

MCP 采用客户端-服务器架构，主要包含以下几个组件：

• MCP 主机（Host）：如 Claude Desktop、IDE 或其他 AI 工具，通过 MCP 访问数据
• MCP 客户端（Client）：与服务器保持 1:1 连接的协议客户端
• MCP 服务器（Server）：轻量级程序，通过标准化的 MCP 协议公开特定功能
• 本地数据源：计算机上的文件、数据库和服务，MCP 服务器可以安全访问这些内容
• 远程服务：通过互联网可用的外部系统（例如通过 API），MCP 服务器可以连接这些服务

主机可以同时连接多个服务器，每个服务器提供不同的功能，形成一个生态系统：

主机（Claude、IDE 等）<--MCP 协议--> 服务器 A <--> 本地数据源 A
                     <--MCP 协议--> 服务器 B <--> 本地数据源 B
                     <--MCP 协议--> 服务器 C <--> 远程服务 C

MCP 的核心概念

MCP 服务器可以提供三种主要类型的功能：

1. 资源（Resources）：客户端可以读取的文件类数据（如 API 响应或文件内容）
2. 工具（Tools）：LLM 可以调用的函数（需要用户批准）
3. 提示（Prompts）：帮助用户完成特定任务的预写模板

资源（Resources）

资源是可以被客户端读取的文件类数据。它们可以是文本或二进制形式，并有唯一的 URI 标识。资源可以是：

• 直接资源：固定内容的资源
• 资源模板：可以通过参数动态生成的资源

例如，一个文件系统 MCP 服务器可以将本地文件作为资源提供给 LLM，使其能够读取用户的文件。

工具（Tools）

工具是 MCP 中最强大的原语之一，允许服务器向客户端公开可执行的功能。通过工具，LLM 可以与外部系统交互，执行计算，并在现实世界中采取行动。

每个工具都有明确的定义，包括：

• 名称
• 描述
• 输入参数模式（使用 JSON Schema）
• 输出格式

工具设计为由模型控制，但通常需要人类批准才能执行，这保证了安全性。

提示（Prompts）

提示是预定义的模板，可以帮助用户完成特定任务。它们可以包含动态部分，嵌入资源上下文，并支持多步工作流。

MCP 服务器开发案例：天气服务器

让我们通过一个实际例子来理解 MCP 服务器的开发。我们将构建一个简单的天气服务器，它提供两个工具：获取天气警报和获取天气预报。

步骤 1：设置环境

# 创建项目目录
uv init weather
cd weather

# 创建虚拟环境并激活
uv venv
source .venv/bin/activate  # MacOS/Linux
# 或 .venv\Scripts\activate  # Windows

# 安装依赖
uv add "mcp[cli]" httpx

# 创建服务器文件
touch weather.py

步骤 2：实现天气服务器

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# 初始化 FastMCP 服务器
mcp = FastMCP("weather")

# 常量
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

async def make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发送请求并进行适当的错误处理。"""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """将警报特征格式化为可读字符串。"""
    props = feature["properties"]
    return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""

@mcp.tool()
async def get_alerts(state: str) -> str:
    """获取美国州的天气警报。

    Args:
        state: 美国州的两字母代码（例如 CA, NY）
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "无法获取警报或未找到警报。"

    if not data["features"]:
        return "该州没有活跃警报。"

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """获取某个位置的天气预报。

    Args:
        latitude: 位置的纬度
        longitude: 位置的经度
    """
    # 首先获取预报网格端点
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "无法获取该位置的预报数据。"

    # 从 points 响应获取预报 URL
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "无法获取详细预报。"

    # 将周期格式化为可读的预报
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # 仅显示接下来的 5 个周期
        forecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

if __name__ == "__main__":
    # 初始化并运行服务器
    mcp.run(transport='stdio')

步骤 3：配置 Claude Desktop 连接服务器

要使用 Claude Desktop 连接到我们的服务器，需要编辑配置文件：

{
	"mcpServers": {
		"weather": {
			"command": "uv",
			"args": [
				"--directory",
				"/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
				"run",
				"weather.py"
			]
		}
	}
}

此配置告诉 Claude Desktop 如何启动我们的天气服务器，并使 Claude 能够使用我们实现的工具。

MCP 客户端开发案例

接下来，让我们看看如何开发一个 MCP 客户端，该客户端可以连接到任何 MCP 服务器并利用其功能。

步骤 1：设置环境

点击深入解析 Model Context Protocol (MCP)：无缝连接 LLM 与外部世界的开放协议查看全文。