背景

随着AI Agent在2025年的火爆，与之相关的MCP协议也越来越受到开发者的重视，本文将结合示例深入了解MCP协议的原理架构以及应用方法。

(What)MCP协议是什么

MCP（Model Context Protocol）是一种专为AI Agent设计的标准化协议，旨在解决AI模型与外部数据、工具之间的集成难题。其核心定位是成为AI领域的“通用接口”，类似于物理世界中的USB-C标准，为不同AI系统提供安全、无缝、可扩展的数据交换能力。

(Why)为什么要使用MCP协议

MCP的作用主要有三点：

• 消除对接碎片化。
就像早期USB-C标准没有诞生之前，我们的手机、电脑设备不得不面临五花八门的插口问题，现在大模型在与各家服务商进行API调用的时候，如果没有统一的协议，那么开发者和使用者不得不面临类似的问题。通过MCP协议，开发者和AI模型可以轻松地集成，实现数据交换和交互。
• 在不同 LLM 提供商和供应商之间切换的灵活性
• 在您的基础设施中保护数据的最佳实践

备注：以上两点在MCP官网有提到，但目前接触不够，暂未有深入体会。

(How)如何实现一个MCP协议

MCP协议的架构构成主要主要由5部分组成：

• MCP主机（MCP Hosts）
如Claude Desktop、IDE 或 AI 工具等想要通过 MCP 访问数据的程序
• MCP客户端（MCP Clients）
与服务器保持 1:1 连接的协议客户端
• MCP服务器（MCP Servers）
通过标准化的模型上下文协议暴露特定功能的轻量级程序
• 本地数据源（Local Data Sources）
MCP 服务器可以安全访问的计算机文件、数据库和服务
• 远程服务（Remote Services）
MCP 服务器可以连接的通过互联网提供的外部系统（例如通过 API）

接下来，我们实现一个MCPServer，这个Server可以通过Web API访问远程的服务器以获取天气信息。

1. 准备环境：安装`uv`

# Mac下使用curl命令安装
curl -LsSf https://astral.sh/uv/install.sh | sh

# Window下使用PowerShell命令安装
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

运行结果：

备注：如果提示 url: (7) Failed to connect to github.com port 443 after 93 ms: Couldn't connect to server 可能需要科学上网或者过一段时间再试。

2. 创建项目

# 为我们的项目创建一个新目录
uv init weather
cd weather

# 创建虚拟环境并激活它
uv venv
source .venv/bin/activate

# 安装依赖
uv add "mcp[cli]" httpx

# 创建我们的服务器文件
touch weather.py

运行结果：

3. 实现weather.py的代码

3.1 导入包并设置实例

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

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

# 常量
BAIDU_API_BASE = "https://api.map.baidu.com/weather/v1/"
BAIDU_API_KEY = "8HkEwz5h********"

3.2 实现辅助函数


# 城市与行政区ID映射表
WEATHER_DISTRICT_ID = {
    "北京": "110100",
    "上海": "310000",
    "广州": "440100",
    "深圳": "440300",
    # 可以根据需要添加更多城市
}

asyncdefmake_baidu_request(district_id: str) -> Dict[str, Any] | None:
    """向百度天气API发出GET请求，处理错误并返回JSON响应"""
    params = {
        "district_id": district_id,
        "data_type": "now",
        "ak": BAIDU_API_KEY
    }
    asyncwith httpx.AsyncClient() as client:
        try:
            response = await client.get(BAIDU_API_BASE, params=params, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            returnNone

defformat_weather(data: Dict) -> str:
    """将天气数据格式化为可读字符串"""
    location = data["result"]["location"]
    now = data["result"]["now"]
    returnf"""
城市: {location['city']}
天气状况: {now['text']}
温度: {now['temp']}°C
体感温度: {now['feels_like']}°C
湿度: {now['rh']}%
风力: {now['wind_class']}
风向: {now['wind_dir']}
更新时间: {now['uptime']}
"""

defget_district_id(city: str) -> str | None:
    """根据城市名称获取对应的行政区ID"""
    return WEATHER_DISTRICT_ID.get(city)

3.3 实现工具执行


@mcp.tool()
asyncdefget_weather(city: str) -> str:
    """获取指定城市的当前天气
    
    Args:
        city: 城市名称
    """
    district_id = get_district_id(city)
    ifnot district_id:
        returnf"未找到{city}对应的行政区ID。"
    
    data = await make_baidu_request(district_id)
    
    ifnot data or data.get("status") != 0:
        return"无法获取天气信息。"
    
    return format_weather(data)

3.4 实现入口函数

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

完整代码

from typing importAny, Dict
import httpx
from mcp.server.fastmcp import FastMCP

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

# 常量
BAIDU_API_BASE = "https://api.map.baidu.com/weather/v1/"
BAIDU_API_KEY = "8HkEwz5h********"

# 城市与行政区ID映射表
WEATHER_DISTRICT_ID = {
    "北京": "110100",
    "上海": "310000",
    "广州": "440100",
    "深圳": "440300",
    # 可以根据需要添加更多城市
}

asyncdefmake_baidu_request(district_id: str) -> Dict[str, Any] | None:
    """向百度天气API发出GET请求，处理错误并返回JSON响应"""
    params = {
        "district_id": district_id,
        "data_type": "now",
        "ak": BAIDU_API_KEY
    }
    asyncwith httpx.AsyncClient() as client:
        try:
            response = await client.get(BAIDU_API_BASE, params=params, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            returnNone

defformat_weather(data: Dict) -> str:
    """将天气数据格式化为可读字符串"""
    location = data["result"]["location"]
    now = data["result"]["now"]
    returnf"""
城市: {location['city']}
天气状况: {now['text']}
温度: {now['temp']}°C
体感温度: {now['feels_like']}°C
湿度: {now['rh']}%
风力: {now['wind_class']}
风向: {now['wind_dir']}
更新时间: {now['uptime']}
"""

defget_district_id(city: str) -> str | None:
    """根据城市名称获取对应的行政区ID"""
    return WEATHER_DISTRICT_ID.get(city)

@mcp.tool()
asyncdefget_weather(city: str) -> str:
    """获取指定城市的当前天气
    
    Args:
        city: 城市名称
    """
    district_id = get_district_id(city)
    ifnot district_id:
        returnf"未找到{city}对应的行政区ID。"
    
    data = await make_baidu_request(district_id)
    
    ifnot data or data.get("status") != 0:
        return"无法获取天气信息。"
    
    return format_weather(data)

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

BAIDU_API_KEY 需要访问 http://lbsyun.baidu.com 注册获取。

4. 启动服务器

通过uv run weather.py启动服务。

5. 测试服务

命令行下运行如下命令安装inspector。

npx @modelcontextprotocol/inspector

运行结果：

6. 调试服务

1. 安装完毕后，在浏览器中打开 http://localhost:5173/。
2. 页面输入调试命令：

• command: uv
• Arguments: --directory /Users/deadwalk/Code/ai_proj_agent/weather run weather.py
备注：

• /Users/deadwalk/Code/ai_proj_agent/weather对应创建的工程目录，请根据自己的情况进行修改。

3. 点击Connect按钮，确认服务可以正常连接；
4. 在右侧Tools点击List Tools->Weather->输入参数"北京"->Run Tool，可以看到正常获得北京的天气情况，此时代表mcp-server-weather可以正常运行了。

运行结果：

7. 集成到其他应用中

7.1 在cherry-studio中集成服务

1. 打开cherry-studio的设置->MCP服务器->编辑JSON，添加如下mcp服务设置：

{
    "mcpServers":{
        "weather":{
            "command":"/Users/deadwalk/.local/bin/uv",
            "args":[
                "--directory",
                "/Users/deadwalk/Code/ai_proj_agent/weather",
                "run",
                "weather.py"
            ]
        }
    }
}

备注：
• /Users/deadwalk/.local/bin/uv 对应uv可执行文件的完整路径，可以通过MacOS/Linux上运行which uv或在Windows上运行where uv来获取此路径。

2. 添加成功之后，启用weather服务和deepseek-chat模型，提问大模型：北京今天的天气是多少？
运行结果：

从图中可以看到，大模型调用了我们之前封装的mcp-server-weather服务，并成功获取了北京的天气。

7.2 在cursor中集成服务

1. 我们也可以在cursor中添加对应的服务
2. 配置完毕MCPserver之后，启用weather服务(weather左侧的绿点点亮)，然后在对话框中询问北京的天气情况即可获得查询结果。

运行结果：

总结

• MCP是一套服务间通信协议，它通过统一的协议，解决了大模型与工具间繁琐的适配通信问题。
• MCP的构成包括：MCP Host、MCP Client、MCP Server、Local Data Source、Remote Data Source。
• 封装MCP-server-weather服务时，需要在工具函数上添加@mcp.tool()装饰器。
• 通过MCP协议，我们可以封装各种服务提供给Cursor、Cherry-Studio、甚至我们自己开发的Agent使用，从而使得LLM+Agent的功能更加强大。

欢迎关注公众号以获得最新的文章和新闻

更多「17AI技术」精彩内容，欢迎点击「阅读原文」

背景

(What)MCP协议是什么

(Why)为什么要使用MCP协议

(How)如何实现一个MCP协议

1. 准备环境：安装uv

2. 创建项目

3. 实现weather.py的代码

3.1 导入包并设置实例

3.2 实现辅助函数

3.3 实现工具执行

3.4 实现入口函数

完整代码

4. 启动服务器

5. 测试服务

6. 调试服务

7. 集成到其他应用中

7.1 在cherry-studio中集成服务

7.2 在cursor中集成服务

总结

1. 准备环境：安装`uv`

MCP协议之MCP简述