模型上下文协议 (Model Context Protocol) 解析

不要再一遍又一遍地编写重复的集成代码了。

如果你将 LLM 连接到数据库或 API，通常需要为每个新模型编写自定义的胶水代码。这会导致局面变得混乱，最终你不得不为许多工具管理大量的连接。

模型上下文协议 (Model Context Protocol, MCP) 解决了这个问题。它就像是 AI 的 USB-C 接口。你只需构建一次工具，任何模型都可以使用它。

该架构包含三个部分：

• Host (宿主)：你使用的应用程序，例如 Claude Code 或 IDE。 • Client (客户端)：宿主内部的连接器。 • Server (服务器)：你构建的用于暴露数据或工具的程序。

你可以使用三个主要原语来构建 MCP 服务器：

  • Tools (工具)：模型调用的用于执行任务的函数，例如发送电子邮件。
  • Resources (资源)：应用程序拉取的只读数据，例如日志文件。
  • Prompts (提示词)：针对特定任务的可复用模板。

以下是如何使用 FastMCP SDK 在 Python 中构建一个基础服务器：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("demo-tools")

@mcp.tool()
def word_count(text: str) -> int:
    """Count words in a text."""
    return len(text.split())

@mcp.resource("notes://team")
def team_notes() -> str:
    """Expose team notes."""
    return "Release freeze starts Friday."

@mcp.prompt()
def code_review(language: str, code: str) -> str:
    """Template for code reviews."""
    return f"Review this {language} code: {code}"

if __name__ == "__main__":
    mcp.run()

这段代码会为你处理复杂的通信。你的文档字符串 (docstrings) 将成为模型的指令。

三个生产环境建议：

  1. 安全性：在运行会更改数据的工具之前，务必请求用户批准。
  2. 上下文：保持工具描述简短。冗长的描述会浪费 Token。
  3. 错误处理：返回清晰的消息。模型可以修复“未找到用户”之类的错误，但无法修复原始代码崩溃。

不要再构建定制化的连接器了。构建一次 MCP 服务器，让每个模型都能使用它。

来源：https://dev.to/galian/model-context-protocol-explained-build-your-first-mcp-server-in-python-ian