我要投稿

人人能看懂的大模型MCP，附MCP服务实战指南

发布日期：2025-06-07 16:08:17 浏览次数： 1840

作者：观智能

微信搜一搜，关注“观智能”

大模型(本文特指大语言模型)本来是这样一个东西：我们输入一段文字给它，它返回一段文字给我们。这就是大模型能且唯一能够做的事情。

那么它又是如何做到获取天气信息、操作数据库、订机票、点外卖的？显然，背后一定借助了完成对应事情的工具，而且我们需要在大模型和工具之间建立一个桥梁。

我们通过一个例子来认识这个桥梁背后的工作逻辑。

假设我们开发了一个程序，这个程序就是上面所说的大模型和工具之间的桥梁。现在用户在程序的文本输入框中输入：“请在数据库中查询张三的信息”，在使用体验上，用户以为自己直接在和大模型对话，实际上该程序接收到用户的问题后，把问题内容进行了扩充：

上面经过程序扩充的内容才作为用户的问题被发送给了大模型，大模型按照约定的格式回复的内容如下：

接下来程序便依据上述大模型的回复信息去调用了user_info这个工具，假设工具返回信息为：“姓名：张三，年龄：25，性别：男....”，这个工具返回信息被程序再次扩充成如下形式：

上面的内容被再次输入给大模型，大模型返回：

这便是用户最终得到的答案⬆️。

所以用户以为：

实际上：

MCP Host和MCP Client正是扮演了上面例子中桥梁的角色，MCP Server扮演了上面例子中工具的角色，MCP(模型上下文协议)正是通过这些角色来完成上面例子中的工作流程的，这几个角色间数据的传输方式和格式遵从MCP规范。

接下来我们同样通过一个简单的例子来学习如何自己开发一个MCP Server并在MCP Host中使用它。

开发一个工具当然不限定语言，这里我们使用Python。

首先安装uv，不了解uv的读者也可跟着教程走下去：

选择一个文件夹作为MCP Server的目录，在该目录中执行命令，完成uv项目的初始化：

在生成的文件中，我们打开pyproject.toml:

编辑该文件，这里只需要在依赖里面添加一个本教程用到的叫“mcp”的Python库。

接下来创建一个叫main.py的文件，我们在这里写MCP Server的代码：

参照上图，一个MCP服务包含图中标注的4个关键点：

关键点1：创建一个mcp对象，对象的描述信息作为参数。

关键点2和3：使用装饰器装饰一个函数，这个函数正是我们所说的工具，函数建议带上详细的类型注解和参数注释(如图中3所示)，大模型正是通过这些信息判断应该调用什么工具的！一个服务里面当然可以有多个工具，即多个函数。

关键点4：使用mcp.run("stdio")启动服务，这里的参数"stdio"表示这是一个本地服务，通过标准输入输出的方式和MCP其它角色通信。

最后，把我们的MCP Server配置到MCP Host中去，这里以Cline为例(Windows系统)：

关于Cline的使用方法请参见往期：万物对接大模型:【爆火】MCP原理与使用指南

来测试一下效果：

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-07-22

Trae 2.0 And SOLO模式

2025-07-22

AI工具调用三大协议深度解析：从Function Calling到MCP到A2A的技术演进

2025-07-22

为啥别人用AI编程像开挂？只是因为选对了工具！

2025-07-22

AI智能体架构全流程全解析：一次请求背后，到底发生了什么？

2025-07-22

从四大巨头的竞赛看中国通用大模型的突围之路

2025-07-22

用上下文管理器+装饰器优雅管理Flask请求生命周期，告别冗余代码

2025-07-22

Dify-Mermaid转换器

2025-07-22

AI 的新理解

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

DeepSeek R1-0528 小版本升级

2025-05-29

高效 Agents 构建指南

2025-05-23

Qwen3发布: 4B干掉旧代 72B / Windsurf又增加新的免费计划

2025-04-29

忽视小模型和知识库，企业AI应用必将是死路一条

2025-05-07

SpringAI Alibaba实战文生图、聊天记忆功能

2025-06-01

CAG 与 RAG：哪种方法能带来性能更好的人工智能

2025-05-07

从RAG到CoT再到MCP，一文读懂AI Agent落地难题｜大模型研究

2025-05-07

分而治之：全面解析分布式分离 Inference 系统

2025-04-29

AIGC合规落地全景图 | 如何做好AIGC数据合规

2025-06-07

2025-05-20

大家都在问

AI智能体架构全流程全解析：一次请求背后，到底发生了什么？

2025-07-22

一场关于Manus的闭门会议纪要：谷歌前主管、顶级VC和SaaS产品负责人说了什么？

2025-07-22

上下文工程如何重塑智能体的“思考方式”？

2025-07-21

从IMO金牌到GPT-5：OpenAI如何用一场“技术营销”重新定义AI推理？

2025-07-21

小语言模型才是Agentic AI的未来？

2025-07-21

为什么Perplexity要打造自有浏览器Comet？

2025-07-19

用Dynamic chunk去干掉tokenizer？

2025-07-19

来自 Manus 的一手分享：如何构建 AI Agent 的上下文工程？

2025-07-19

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB