目录
1.MCP--基础概念
MCP协议（Model Communication Protocol，模型通信协议）是大语言模型（LLM）与外部系统或其他模型交互时的一种标准化通信框架，旨在提升交互效率、安全性和可扩展性。作用：
1. 标准化模型交互
- 统一接口规范：解决不同模型（如GPT、Claude、Llama）输入/输出格式差异，降低集成复杂度。
- 多模态支持：兼容文本、图像、音频等数据格式（如通过Base64编码传输非结构化数据）。
2. 提升协作效率
- 多模型调度：支持异构模型协同工作（例如GPT-4生成文本，Stable Diffusion生成配图）。
- 工具动态调用：允许模型通过协议请求外部API（如数据库查询、数学计算工具）。
3. 优化性能与扩展性
- 流式传输：支持分块返回结果，减少高延迟场景下的等待时间。
- 负载均衡：根据模型算力动态分配请求，避免单点过载。
例如：AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 也提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。
2.MCP--框架解析
MCP 遵循客户端-服务器c/s架构，其中：
- 主机是发起连接的 LLM 应用程序（Claude for Desktop或其他 AI 工具）。
- 客户端在主机应用程序内部与服务器保持 1：1 连接，负责协议通信。
- 服务器供客户端访问，向客户提供上下文、工具和提示。同时由于 MCP Server 自己控制资源，不用把 API 密钥给 MCP Host，因此更加安全。
基本流程：
当使用 MCP 与 Claude Desktop 交互时，具体流程如下：
1.服务器发现:
Claude Desktop 在启动时连接到配置好的 MCP 服务器
2.握手协议:
当询问数据时，Claude Desktop：确定哪个 MCP 服务器可以提供帮助（在本例中为 sqlite）
通过协议协商能力，从 MCP 服务器请求数据或操作
3.交互流程:
4.安全保证:
- MCP 服务器仅公开特定的、受控的功能，
- MCP 服务器在本地运行，它们访问的资源不会暴露在互联网上
- 需要用户确认敏感操作
3.MCP--核心实现
3.1.资源
资源表示 MCP 服务器想要向客户端提供的任何类型的数据。
这可以包括：文件内容、数据库记录、API 响应、实时系统数据、截图和图片、日志文件等更多内容。每个资源由唯一的 URI 标识，并且可以包含文本或二进制数据。
{
uri: string; // Unique identifier for the resource
name: string; // Human-readable name
description?: string; // Optional description
mimeType?: string; // Optional MIME type
}3.2.提示
MCP 中的提示是预定义的模板，可以：接受动态参数、上下文、链接多个交互 、指导特定工作流程、表面作为 UI 元素（如斜线命令）。
{
name: string; // Unique identifier for the prompt
description?: string; // Human-readable description
arguments?: [ // Optional list of arguments
{
name: string; // Argument identifier
description?: string; // Argument description
required?: boolean; // Whether argument is required
}
]
}3.3.工具
MCP 中的工具允许服务器公开可由客户端调用并由 LLM 用来执行操作的可执行函数。工具的关键方面包括：
- 发现 tools/list：客户端可以通过端点列出可用的工具
- 调用：使用端点调用工具 tools/call，服务器执行请求的操作并返回结果
- 灵活性：工具范围从简单的计算到复杂的 API 交互
与资源一样，工具也由唯一名称标识，并可以包含说明来指导其使用。但是，与资源不同的是，工具表示可以修改状态或与外部系统交互的动态操作。
{
name: string; // Unique identifier for the tool
description?: string; // Human-readable description
inputSchema: { // JSON Schema for the tool's parameters
type: "object",
properties: { ... } // Tool-specific parameters
}
}3.4.采样
采样是 MCP 的一项强大功能，允许服务器通过客户端请求 LLM 完成，从而实现复杂的代理行为，同时保持安全性和隐私性。这种人机交互设计确保用户可以控制 LLM 所看到和生成的内容。采样流程遵循以下步骤：
- sampling/createMessage 服务器向客户端发送请求。
- 客户审核请求并可以修改。
- 来自 LLM 的客户样本。
- 客户检查完成情况。
- 客户端将结果返回给服务器。
{
messages: [
{
role: "user" | "assistant",
content: {
type: "text" | "image",
// For text:
text?: string,
// For images:
data?: string, // base64 encoded
mimeType?: string
}
}
],
modelPreferences?: {
hints?: [{
name?: string // Suggested model name/family
}],
costPriority?: number, // 0-1, importance of minimizing cost
speedPriority?: number, // 0-1, importance of low latency
intelligencePriority?: number // 0-1, importance of capabilities
},
systemPrompt?: string,
includeContext?: "none" | "thisServer" | "allServers",
temperature?: number,
maxTokens: number,
stopSequences?: string[],
metadata?: Record<string, unknown>
}4.MCP--实战演练
MCP官网：
For Client Developers - Model Context Protocol
4.1.工具调用
MCP工具调用流程如下：
- 用户发送问题 ->
- LLM 分析可用工具 ->
- 客户端通过 MCP 服务器来执行所选工具 ->
- 将结果发送回 LLM ->
- LLM根据工具返回结果和用户问题进行回答。
（流程有点像检索增强生成，把检索的部分替换成了调用工具）。
通过 mcp 构建一个获取 Path of Exile 2 游戏最新版本的工具
服务端server.py:
1、首先导入对应的 FastMCP 类（使用 字符串自动生成工具定义，从而轻松创建和维护 MCP 工具，这里的效果后面会展示）以及我们需要获取实时信息的网址（这里是 PoE2 的官网）。
from typing import Any
from mcp.server.fastmcp import FastMCP
# Initialize FastMCP server
mcp = FastMCP("Path of Exile 2 hotfix")
target_url = "https://www.pathofexile.com/forum/view-forum/2212"
2、工具的核心功能函数 - 工具helper 函数（实际上这里就是想要实现的功能，下面只是一个简单的爬虫函数用于示例）。
async def poe2_hotfix(url: str):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}
response = requests.get(url, headers=headers)
async with httpx.AsyncClient() as client:
try:
response = await client.get(url, headers=headers, timeout=30.0)
soup = BeautifulSoup(response.text, 'html.parser')
# 查找包含帖子内容的表格
table = soup.find('table')
result_text = ""
if table:
for row in table.find_all('tr'):
cells = row.find_all('td')
if cells:
for cell in cells:
result_text += cell.get_text(strip=True) + '\n'
result_text += '-' * 50 + '\n' # 分隔线
else:
print('未找到表格元素')
return result_text
except Exception:
return None3、添加 mcp 类中的工具函数（执行处理程序，负责实际执行每个工具的逻辑），每个工具函数对应一个特定的工具。
@mcp.tool()
async def find_poe2_hotfix() -> str:
hotfix_data = await poe2_hotfix(target_url)
if not hotfix_data:
return "Unable to find any hotfix in office"
return hotfix_data4、最后初始化并运行服务器，到这里就可以 server 端的工作就算完成了。
if __name__ == "__main__":
# Initialize and run the server
mcp.run(transport='stdio')然后运行：
mcp dev server.py 
客户端client.py:
需要获取Anthropic.的密钥
基本客户结构
1.首先，让我们设置我们的导入并创建基本的客户端类:
import asyncio
from typing import Optional
from contextlib import AsyncExitStack
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
from anthropic import Anthropic
from dotenv import load_dotenv
load_dotenv() # load environment variables from .env
class MCPClient:
def __init__(self):
# Initialize session and client objects
self.session: Optional[ClientSession] = None
self.exit_stack = AsyncExitStack()
self.anthropic = Anthropic()
# methods will go here
2.服务器连接管理
接下来，我们将实现连接到MCP服务器的方法:
async def connect_to_server(self, server_script_path: str):
"""Connect to an MCP server
Args:
server_script_path: Path to the server script (.py or .js)
"""
is_python = server_script_path.endswith('.py')
is_js = server_script_path.endswith('.js')
if not (is_python or is_js):
raise ValueError("Server script must be a .py or .js file")
command = "python" if is_python else "node"
server_params = StdioServerParameters(
command=command,
args=[server_script_path],
env=None
)
stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
self.stdio, self.write = stdio_transport
self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))
await self.session.initialize()
# List available tools
response = await self.session.list_tools()
tools = response.tools
print("\nConnected to server with tools:", [tool.name for tool in tools])
3.查询处理逻辑
现在让我们添加处理查询和工具调用的核心功能:
async def process_query(self, query: str) -> str:
"""Process a query using Claude and available tools"""
messages = [
{
"role": "user",
"content": query
}
]
response = await self.session.list_tools()
available_tools = [{
"name": tool.name,
"description": tool.description,
"input_schema": tool.inputSchema
} for tool in response.tools]
# Initial Claude API call
response = self.anthropic.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=1000,
messages=messages,
tools=available_tools
)
# Process response and handle tool calls
final_text = []
assistant_message_content = []
for content in response.content:
if content.type == 'text':
final_text.append(content.text)
assistant_message_content.append(content)
elif content.type == 'tool_use':
tool_name = content.name
tool_args = content.input
# Execute tool call
result = await self.session.call_tool(tool_name, tool_args)
final_text.append(f"[Calling tool {tool_name} with args {tool_args}]")
assistant_message_content.append(content)
messages.append({
"role": "assistant",
"content": assistant_message_content
})
messages.append({
"role": "user",
"content": [
{
"type": "tool_result",
"tool_use_id": content.id,
"content": result.content
}
]
})
# Get next response from Claude
response = self.anthropic.messages.create(
model="claude-3-5-sonnet-20241022",
max_tokens=1000,
messages=messages,
tools=available_tools
)
final_text.append(response.content[0].text)
return "\n".join(final_text)
4.交互式聊天界面
现在我们将添加聊天循环和清理功能:
async def chat_loop(self):
"""Run an interactive chat loop"""
print("\nMCP Client Started!")
print("Type your queries or 'quit' to exit.")
while True:
try:
query = input("\nQuery: ").strip()
if query.lower() == 'quit':
break
response = await self.process_query(query)
print("\n" + response)
except Exception as e:
print(f"\nError: {str(e)}")
async def cleanup(self):
"""Clean up resources"""
await self.exit_stack.aclose()
5.主入口点
最后，我们将添加主要的执行逻辑:
async def main():
if len(sys.argv) < 2:
print("Usage: python client.py <path_to_server_script>")
sys.exit(1)
client = MCPClient()
try:
await client.connect_to_server(sys.argv[1])
await client.chat_loop()
finally:
await client.cleanup()
if __name__ == "__main__":
import sys
asyncio.run(main())
uv run client.py server.py 
-
询问你是谁的问题时，LLM 会根据工具开头 FastMCP 类的输入分析并回答。
-
可以看到当询问最新补丁时可以准确回答 PoE2 的最新补丁版本以及时间。
优化 prompt 以及添加更多工具来实现更复杂的功能，比如使用更优的爬虫工具，以及通过深度爬虫爬取对应补丁的帖子，这样在回答的最新补丁版本号的同时返回具体内容。
扫一扫
1724
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
