Python小白也能玩转！手把手教你开发并部署自己的MCP Server（附完整代码+避坑指南）

Python小白也能玩转！手把手教你开发并部署自己的MCP Server（附完整代码+避坑指南）

还在为找不到合适的协议服务器而烦恼？想自己动手开发却怕代码复杂到头秃？今天用Python+Flask实现一个MCP（Minimal Communication Protocol）Server，从零搭建到部署全流程拆解，代码仅50行，连注释都给你标得明明白白！

一、MCP Server是什么？能干啥？

MCP（自定义通信协议）是一种轻量级、可扩展的通信框架，适合物联网设备、游戏后端、嵌入式系统等场景。
举个栗子：

• 智能家居设备通过MCP协议上报温度数据到服务器
• 小游戏客户端向服务器发送玩家移动指令
• 工业传感器实时传输压力值到监控平台

咱们今天的目标：
✅ 开发一个支持JSON数据传输的MCP Server
✅ 实现GET/POST请求处理
✅ 部署到本地和云服务器（含公网访问教程）

二、开发环境准备（3分钟搞定）

1. 安装Python 3.8+
   访问Python官网下载安装包，勾选Add Python to PATH。
   验证安装：

   python --version  # 应显示Python 3.x.x
   

2. 创建虚拟环境（推荐）

   mkdir mcp_server && cd mcp_server
   python -m venv venv  # 创建虚拟环境
   source venv/bin/activate  # Linux/Mac  
   venv\Scripts\activate  # Windows
   

3. 安装依赖库

   pip install flask==3.0.0  # 指定版本避免兼容性问题
   

三、50行代码开发MCP Server

完整代码（带注释）

from flask import Flask, request, jsonify

app = Flask(__name__)

# 全局变量存储数据（生产环境建议用Redis/数据库）
data_store = {"temperature": 25.5, "status": "normal"}

@app.route('/')
def home():
    """根路径测试接口"""
    return jsonify({"message": "MCP Server Running!", "status": "online"})

@app.route('/api/data', methods=['GET', 'POST'])
def handle_data():
    """
    GET请求：获取当前数据
    POST请求：更新数据（需带JSON体）
    """
    if request.method == 'GET':
        return jsonify(data_store)
    
    elif request.method == 'POST':
        if not request.is_json:
            return jsonify({"error": "Content-Type must be application/json"}), 400
        
        new_data = request.get_json()
        # 简单数据校验（生产环境需更严格）
        if 'temperature' in new_data:
            data_store['temperature'] = float(new_data['temperature'])
        if 'status' in new_data:
            data_store['status'] = str(new_data['status'])
        
        return jsonify({"message": "Data updated", "new_data": data_store})

if __name__ == '__main__':
    # 开发环境：127.0.0.1:5000
    # 生产环境：修改host='0.0.0.0'允许公网访问
    app.run(host='127.0.0.1', port=5000, debug=True)

代码拆解

1. 路由定义：

   • /：测试接口，返回服务器状态
   • /api/data：核心数据接口，支持GET/POST

2. GET请求处理：
   直接返回data_store中的数据

3. POST请求处理：

   • 校验请求头是否为application/json
   • 解析JSON体并更新data_store
   • 返回更新后的数据

四、本地测试（30秒出结果）

1. 启动服务

   python server.py  # 假设代码保存为server.py
   

   看到输出：

   * Running on http://127.0.0.1:5000/ (Press CTRL+C to quit)
   

2. 测试GET请求
   浏览器访问：http://127.0.0.1:5000/api/data
   或用curl命令：

   curl http://127.0.0.1:5000/api/data
   

   预期输出：

   {"temperature": 25.5, "status": "normal"}
   

3. 测试POST请求

   curl -X POST -H "Content-Type: application/json" \
   -d '{"temperature": 30.2, "status": "warning"}' \
   http://127.0.0.1:5000/api/data
   

   预期输出：

   {"message": "Data updated", "new_data": {"temperature": 30.2, "status": "warning"}}
   

五、部署到云服务器（阿里云/腾讯云）

步骤1：购买云服务器

• 选1核1G配置即可（学生可申请阿里云ECS免费套餐）
• 操作系统选Ubuntu 22.04

步骤2：远程连接服务器

• Windows：用Xshell/MobaXterm
• Mac/Linux：终端输入

  ssh root@你的服务器IP  # 初始密码在云平台控制台查看
  

步骤3：安装Python和依赖

# 更新系统
apt update && apt upgrade -y

# 安装Python3和pip
apt install python3 python3-pip -y

# 创建项目目录
mkdir /home/mcp_server && cd /home/mcp_server

# 上传代码（用scp或SFTP工具）
# 或者直接在服务器创建文件
cat > server.py <<EOF
# 粘贴上面的完整代码
EOF

# 安装依赖
pip3 install flask==3.0.0

步骤4：修改为公网访问

修改代码中的app.run()为：

app.run(host='0.0.0.0', port=5000)  # 允许所有IP访问

步骤5：启动服务（后台运行）

# 使用nohup保持后台运行
nohup python3 server.py > server.log 2>&1 &

# 查看日志
tail -f server.log

步骤6：配置安全组（关键！）

1. 登录云平台控制台
2. 找到安全组规则
3. 添加规则：
   • 类型：自定义TCP
   • 端口范围：5000/5000
   • 授权对象：0.0.0.0/0

步骤7：公网访问测试

curl http://你的服务器IP:5000/api/data

六、避坑指南（血泪教训总结）

1. 端口冲突

   • 错误：OSError: [Errno 98] Address already in use
   • 解决：netstat -tulnp | grep 5000查看占用进程，kill -9 PID终止

2. 防火墙拦截

   • Ubuntu默认启用ufw，需运行：

     ufw allow 5000/tcp
     

3. 跨域问题（前端调用时）

   • 错误：Access-Control-Allow-Origin报错
   • 解决：安装flask-cors并添加装饰器

     from flask_cors import CORS
     app = Flask(__name__)
     CORS(app)  # 允许所有跨域请求
     

4. 生产环境优化

   • 用gunicorn替代Flask内置服务器：

     pip install gunicorn
     gunicorn -w 4 -b 0.0.0.0:5000 server:app
     

   • 配置Nginx反向代理（参考官方文档）

七、扩展玩法（进阶方向）

1. 添加认证机制

   from functools import wraps
   def auth_required(f):
       @wraps(f)
       def decorated(*args, **kwargs):
           auth = request.headers.get('Authorization')
           if auth != 'Bearer YOUR_SECRET_TOKEN':
               return jsonify({"error": "Unauthorized"}), 401
           return f(*args, **kwargs)
       return decorated
   
   @app.route('/api/secret', methods=['GET'])
   @auth_required
   def secret_data():
       return jsonify({"data": "This is confidential!"})
   

2. 连接数据库

   from flask_sqlalchemy import SQLAlchemy
   app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///data.db'
   db = SQLAlchemy(app)
   
   class SensorData(db.Model):
       id = db.Column(db.Integer, primary_key=True)
       value = db.Column(db.Float)
       timestamp = db.Column(db.DateTime, default=db.func.current_timestamp())
   

3. WebSocket实时通信

   from flask_socketio import SocketIO
   socketio = SocketIO(app)
   
   @socketio.on('sensor_update')
   def handle_sensor_update(json):
       print('received: ' + str(json))
       socketio.emit('response', {'data': 'server received'})
   

八、总结：从开发到部署全流程

1. 开发阶段：

   • 50行代码实现核心功能
   • 本地测试验证逻辑

2. 部署阶段：

   • 云服务器配置安全组
   • 后台运行+日志监控

3. 优化阶段：

   • 添加认证/数据库
   • 切换到生产级服务器

立即行动：

1. 复制代码到本地运行测试
2. 申请免费云服务器部署
3. 在评论区晒出你的公网访问截图！

点赞过百：下期分享《用Python+MCP Server开发物联网监控系统：从硬件接入到数据可视化》！

---

本人微信公众号：AI学习新视界，大家一起共同学习，探讨AI领域的最新发展和AI工具产品等使用心得体会。