MCP协议Python SDK 开发入门

摘要：大语言模型上下文协议（Model Context Protocol ）允许应用程序以标准化的方式为大语言模型提供上下文，将提供上下文的职责与实际的大语言模型交互分离。这个 Python SDK 实现了完整的 MCP 规范，方便开发人员：

大语言模型上下文协议（Model Context Protocol ）允许应用程序以标准化的方式为大语言模型提供上下文，将提供上下文的职责与实际的大语言模型交互分离。这个 Python SDK 实现了完整的 MCP 规范，方便开发人员：

我们推荐使用 uv 来管理你的 Python 项目。

如果你还没有创建一个由 uv 管理的项目，请先创建一个：

uv init mcp-server-democd mcp-server-demo

示例项目如下所示：

然后将 MCP 添加到你的项目依赖中：

uv add "mcp[cli]"

这个命令用于使用 uv 包管理工具安装 mcp 包及其 cli 可选依赖项。

uv 是一个快速的 Python 包管理工具，类似于 pip 但性能更好。命令 uv add "mcp[cli]" 的含义是：

uv add - 安装指定的 Python 包"mcp[cli]" - 要安装的包名是 mcp，方括号中的 cli 表示安装这个包的 CLI（命令行界面）可选依赖

安装过程如下图所示：

安装完成后，你将能够使用 mcp 的命令行功能。这种语法类似于 pip 的 pip install mcp[cli]，但使用 uv 工具来执行安装过程，通常会比 pip 更快。

或者，对于使用 pip 管理依赖的项目：

pip install "mcp[cli]"

运行独立的 MCP 开发工具

使用 uv 运行 mcp 命令：

uv run mcp

让我们创建一个简单的 MCP 服务器，它暴露一个计算器工具和一些数据：

如下是创建的 server.py 代码：

# 导入FastMCP类，它是MCP服务器框架的一部分from mcp.server.fastmcp import FastMCP# 创建一个名为"Demo"的FastMCP实例mcp = FastMCP("Demo")# 使用@mcp.tool装饰器注册一个工具函数@mcp.tooldef add(a: int, b: int) -> int: """加法函数：将两个数字相加。""" return a + b# 使用@mcp.resource装饰器注册一个资源，通过URL模式匹配访问@mcp.resource("greeting://{name}")def get_greeting(name: str) -> str: """获取个性化问候语，接收name参数。""" return f"Hello, {name}"

你可以通过运行以下命令立即将这个服务器安装到 Claude Desktop 并与之交互：

mcp install server.py

不过，需要先安装并启用 Claude Desktop，目前国内使用有点困难。

或者，你可以使用 MCP 检查器（inspector）进行测试。

https://www.npmjs.com/package/@modelcontextprotocol/inspector

@modelcontextprotocol/inspector 是 MCP (Model Context Protocol) 的一个检查工具，它可以帮助开发者调试和检查 MCP 服务。

@modelcontextprotocol/inspector 的功能

这是一个 Node.js 工具，主要用于：检查和测试 MCP 服务器调试 tool 和 resource 的调用过程验证 MCP 接口实现是否符合规范提供可视化界面查看 MCP 服务的工具和资源

安装命令：npm i @modelcontextprotocol/inspector

用于安装 MCP (Model Context Protocol) 的检查器工具。

npm i 是 npm install 的简写，用于安装 Node.js 包@ 符号表示这是一个作用域包，用于明确包的归属组织或用途@modelcontextprotocol 是组织名，inspector 是包名

可以使用 MCP 检查器进行测试：

source .venv/bin/activate # 激活虚拟环境

mcp dev server.py # 启动 MCP 服务器

Starting MCP inspector...⚙️ Proxy server listening on port 6277 MCP Inspector is up and running at http://127.0.0.1:6274

Inspector 运行起来后，会启动两个服务：

带UI的客户端，默认端口 6274MCP proxy server，默认端口 6277

在浏览器中打开 http://localhost:6274 即可访问使用。

模型上下文协议（MCP）允许你以安全、标准化的方式构建服务器，这些服务器可以向大语言模型（LLM）应用程序暴露数据和功能。你可以将其视为一个专门为大语言模型交互设计的 Web API。

MCP 服务器可以：

通过资源（类似于 REST API 中的 GET 端点；它们用于将信息加载到大语言模型的上下文中）暴露数据。通过工具（类似于 POST 端点；它们用于执行代码或产生副作用）提供功能。通过提示（可重复使用的模板，用于大语言模型交互）定义交互模式。

服务器（server）是与 MCP 协议交互的核心接口。它负责连接管理、协议合规和消息路由。

资源（resources）是向大语言模型暴露数据的方式。它们类似于 REST API 中的 GET 端点——提供数据，但不应执行大量计算或产生副作用。

工具（tools）允许大语言模型通过你的服务器执行操作。与资源不同，工具预计会执行计算并产生副作用。

提示（prompts）是可重复使用的模板，帮助大语言模型有效地与你的服务器交互。

可以在现有的 server.py 代码中添加如下提示（prompts）示例代码：

@mcp.promptdef review_code(code: str) -> str: """ 代码审查提示模板此函数创建一个代码审查的提示模板，将用户提供的代码作为输入，并生成一个要求审查该代码的格式化提示。参数: code (str): 需要审查的代码返回: str: 包含待审查代码的格式化提示字符串 """ return f"Please review this code:\n\n{code}"@mcp.promptdef debug_error(error: str) -> list[base.Message]: """ 调试错误提示模板此函数创建一个用于调试错误的提示模板，将用户提供的错误信息作为输入，并生成一个预设对话格式的提示序列，模拟用户和助手之间的初始交互。参数: error (str): 用户遇到的错误信息返回: list[base.Message]: 包含预设对话的消息列表，模拟用户提问和助手初始回应 """ return [ base.UserMessage("I'm seeing this error:"), # 用户消息：介绍错误 base.UserMessage(error), # 用户消息：包含具体错误内容 base.AssistantMessage("I'll help debug that. What have you tried so far?"), # 助手回应：提出后续问题 ]

通过 MCP Inspector 工具，可以查看到新增的 prompts，如图所示：