部署MCP服务和Cline交互的最简实践

最新推荐文章于 2025-04-24 16:45:01 发布

zl.rs

最新推荐文章于 2025-04-24 16:45:01 发布

阅读量900

点赞数 30

分类专栏： LLM 文章标签： ai python

本文链接：https://blog.csdn.net/qq_50764711/article/details/147171706

版权

LLM 专栏收录该内容

1 篇文章

订阅专栏

简介

什么是MCP？

MCP全称Model Context Protocol，模型上下文协议，它将AI模型和应用程序之间通信交互协议进行了统一，这让开发者只需要专注于应用程序的开发，而如何将开发的应用程序集成到AI模型中，MCP做了很好的规范和定义，应用程序只需简单集成MCP SDK即可优雅嵌入AI模型，非常方便

Cline是什么？

Cline是VC Code上的一款AI插件，在这里我们可以将其理解为一个支持MCP协议的客户端，同类型的客户端还有Cursor、Claude App等。因为Cline免费，所以下面笔者将以Cline作为实践的MCP客户端

MCP中的toots功能

MCP主要提供五种功能，分别是resources、prompts、tools 、toots和sampling，笔者将以使用更多的tools来实践和介绍

toots，是MCP服务中可以被LLM调用的函数，当然这需要用户同意使用MCP服务提供的tools后才会被调用，不过目前的MCP客户端都可以设置LLM决定调用哪些tools之后，不需要用户批准自动进行调用

使用Python编写最简MCP服务

使用Python 编写mcp服务要求已安装 Python 3.10 或更高版本

笔者这里用Windows电脑做的测试，首先打开Windows 命令控制台，执行

`powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"`

这会为你安装uv，uv是python的一个高性能包管理工具，旨在替代传统的pip

下载好uv之后，需要重新打开一个控制台让uv的PATH生效。然后到一个目录创建服务工程

# 创建工程，进入工程目录
uv init weather
cd weather

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

# 安装 dependencies
uv add mcp[cli] httpx

# 创建文件weather.py

完成上面的配置后，工程目录结构大致如下

在这里插入图片描述
编辑weather.py，代码如下

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather")

@mcp.tool()
def get_weather(location: str) -> str:
    """获取指定地点的天气预报。
    参数：
        location (str): 城市名，如 'New York'。
    返回：
        str: 天气信息。
    """
    return f"{location} 的天气：温度 25°C，晴朗"

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

这个mcp server非常简单，可以查询天气，但是笔者这里把天气信息进行了硬编码。代码部分到此为止，这里值得注意的是 mcp.run(transport='sse')

mcp客户端在使用mcp服务时，是需要和mcp服务进行通信的，其大致原理笔者将会在文末补充。进程间通信就需要一些通信手段，目前MCP主要采用的通信手段有两种，分别是stdio传输和SSE传输

stdio传输和SSE传输

当你的MCP服务是一个使用你的本地机器资源为你提供服务的应用时，你可以采用stdio的方式进行通信。采用stdio的通信方式不需要你启动服务本身，MCP客户端（例如Cline）会在合适的时机通过你配置的路径启动MCP服务，必要的参数通过命令行参数的方式提供给MCP服务，以此实现通信。当然，这种方式的MCP服务只能你本地机器可以使用

与之对应的是采用SSE进行通信的MCP服务。采用SEE方式的服务需要你手动运行服务，并再后台运行等待随时被调用，MCP客户端通过网络访问服务。这样的好处就是可以让你的服务给更多人使用

回到我们的Demo，mcp.run(transport='sse')就表示我们的服务采用sse的方式和MCP客户端通信

run

因为我们采用SEE的方式和MCP服务通信，所以这里需要我们手动运行服务，执行命令uv run weather.py

在这里插入图片描述
有以上日志出现说明你的服务已经成功run起来，MCP客户端可以通过http://0.0.0.0:8000和服务通信

服务搭建好了，我们去Cline客户端配置

Cline插件配置

我们选择Cline作为MCP客户端

在这里插入图片描述
在VS Code插件商店搜索下载Cline，这会让你的VS Code左侧多出一个Cline的按钮。点击进入cline的界面，笔者这里选择了OpenRouter的API，模型选择了deepseek/deepseek-char:free，免费。需要注意的是选择了OpenRouter之后，需要先获取API Key才能选择模型，这里如何获取API Key各位可以通过其它文章设置，笔者这里不再赘述

配置好之后我们可以去chat页面聊天验证是否配置成功

请添加图片描述
有回答说明你配置成功，到这里我们还需要去配置MCP服务

请添加图片描述
进入MCP服务配置页面之后，选择Remote Servers。填写Server Name和Server URL，完成后点击Add Server。这些操作实则会生成一个名为cline_mcp_settints.json的文件，该文件定义了Cline插件可以使用的所有MCP服务，文件内容如下：

{
  "mcpServers": {
    "'weather": {
    	"disabled": true,
    	"timeout": 60,
    	"url":"http://192.168.136.207:8000/sse",
    	"transportType":"sse'
    }
  }
}

这个配置文件格式在Cursor中也是能够使用的

因为此时你的MCP服务正在后台运行，所以理论上Cline已经和你的服务成功建立连接了

请添加图片描述
如果没有错误，这里将显示绿点

我们再次回到chat界面进行聊天

请添加图片描述
笔者这里询问今天杭州的天气，可以看到Deepseek模型选择调用本地的MCP回答这个问题，Hangzhou 的天气:温度 25°C，晴朗就是MCP服务返回的原始回答。最后的回答是杭州今天的天气:温度 25°C，晴朗，这里Deepseek并没有更多的修饰我们的回答，某些上下文中，Deepseek会修饰MCP 服务返回的原始回答，让最终回答更符合我们提问时的上下文语境