mcp教程（python）

首先我们先知道mcp底层会发生什么

底层发生了什么（以windsurf为例）

当你提出问题时：

1. client 将你的问题发送给模型 client可以是市场上支持使用mcp的软件也可以是自己写的client。

2. 模型分析可用的 tools 并决定使用哪些 tool 将相关设置设置好模型自己会分析

3. client 通过 MCP server 执行选择的 tool 运行你写的，或者下载的mcp server

4. 结果被发回给 模型

5. 模型制定自然语言响应

6. 响应显示给你！

一，依赖安装

系统要求

• 已安装 Python 3.10 或更高版本。

• 你必须使用 Python MCP SDK 1.2.0 或更高版本。

建议先创建虚拟环境 可以使用uv 也可以使用canda

首先，让我们安装 并设置我们的 Python 项目和环境：uv

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

# 创建 virtual environment 并激活它
uv venv
.venv\Scripts\activate

# 安装依赖
uv add mcp[cli] httpx

# 创建我们的 server file
new-item weather.py

二、服务器的搭建

导入包并设置实例

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

# 初始化 FastMCP server
mcp = FastMCP("weather")

# Constants
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"

FastMCP class 使用 Python type hints 和 docstrings 来自动生成 tool definitions，从而轻松创建和维护 MCP tools。

接下来，让我们添加 helper functions，用于查询和格式化来自 National Weather Service API 的数据：

async def make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发送请求，并进行适当的错误处理。"""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """将警报 feature 格式化为可读的字符串。"""
    props = feature["properties"]
    return f"""
事件: {props.get('event', 'Unknown')}
区域: {props.get('areaDesc', 'Unknown')}
严重性: {props.get('severity', 'Unknown')}
描述: {props.get('description', 'No description available')}
指示: {props.get('instruction', 'No specific instructions provided')}
"""

功能解析：

• 异步请求： 使用 httpx.AsyncClient 进行异步 HTTP 请求，这意味着程序可以在等待响应时执行其他任务，提高效率。

• 请求头设置：

  • User-Agent: 标识请求来源，遵循 NWS API 的使用政策。

  • Accept: 指定期望的响应格式为 GeoJSON，这是 NWS API 提供地理数据的标准格式。

• 错误处理：

  • timeout=30.0: 设置请求超时时间为 30 秒，防止长时间等待无响应的请求。

  • response.raise_for_status(): 如果 HTTP 状态码不是 200（成功），会抛出异常。

  • try-except 块捕获所有异常并返回 None，确保函数不会因异常而崩溃。

def format_alert(feature: dict) -> str:
    """将警报 feature 格式化为可读的字符串。"""
    props = feature["properties"]
    return f"""
事件: {props.get('event', 'Unknown')}
区域: {props.get('areaDesc', 'Unknown')}
严重性: {props.get('severity', 'Unknown')}
描述: {props.get('description', 'No description available')}
指示: {props.get('instruction', 'No specific instructions provided')}
"""

功能解析：

• 数据提取：

  • feature["properties"]: 从 GeoJSON 特性中提取属性字典，包含警报的详细信息。

• 格式化输出：

  • 使用字典的 .get() 方法安全地获取值，避免因键不存在而引发 KeyError。

  • 为每个字段提供默认值（如 "Unknown" 或 "No description available"），确保输出完整。

• 信息内容：

  • event: 警报类型（如 "Severe Thunderstorm Warning"）。

  • areaDesc: 受影响区域的描述。

  • severity: 严重程度（如 "Severe" 或 "Moderate"）。

  • description: 警报详细描述。

  • instruction: 建议采取的行动。

Tool execution handler 负责实际执行每个 tool 的逻辑。

@mcp.tool()
async def get_alerts(state: str) -> str:
    """获取美国州的天气警报。

    Args:
        state: 两个字母的美国州代码（例如 CA、NY）
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "无法获取警报或未找到警报。"

    if not data["features"]:
        return "该州没有活跃的警报。"

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """获取某个位置的天气预报。

    Args:
        latitude: 位置的纬度
        longitude: 位置的经度
    """
    # 首先获取预报网格 endpoint
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "无法获取此位置的预报数据。"

    # 从 points response 中获取预报 URL
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "无法获取详细预报。"

    # 将 periods 格式化为可读的预报
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # 仅显示接下来的 5 个 periods
        forecast = f"""
{period['name']}:
温度: {period['temperature']}°{period['temperatureUnit']}
风: {period['windSpeed']} {period['windDirection']}
预报: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

最后，让我们初始化并运行 server：

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

三、windsurf（编程软件）配置。

项目运行需要魔法

将上面所有代码粘贴进创建的文件夹内。

点击对话框边上的

会进入一个js文件，然后进行配置。配置参数如下，使用uv运行，修改自己的文件路径。

点击refresh就会显示mcp文件数量，在对话框输入相关消息模型自动会获取天气信息。如下图：