使用MCP Python SDK构建面向大语言模型的上下文协议服务

使用MCP Python SDK构建面向大语言模型的上下文协议服务

引言：重新定义LLM交互方式

Model Context Protocol（MCP）作为专为大语言模型设计的标准化协议，正在改变开发者构建LLM应用的方式。通过将上下文管理与模型交互解耦，MCP使应用能够以安全、可扩展的方式向LLM暴露数据和功能。本文将以Python SDK实现为例，深入解析如何构建符合MCP标准的服务。

---

核心概念解析

1. Server（服务端）

作为MCP的核心枢纽，FastMCP服务器提供协议兼容性保障和消息路由功能。通过生命周期管理支持资源初始化与清理：

from mcp.server.fastmcp import FastMCP

@dataclass
class AppContext:
    db: Database

@asynccontextmanager
async def app_lifespan(server: FastMCP) -> AsyncIterator[AppContext]:
    db = await Database.connect()
    try:
        yield AppContext(db=db)
    finally:
        await db.disconnect()

mcp = FastMCP("My App", lifespan=app_lifespan)

2. Resources（资源）

类RESTful GET端点，用于向LLM暴露静态/动态数据：

@mcp.resource("users://{user_id}/profile")
def get_user_profile(user_id: str) -> str:
    return f"Profile data for user {user_id}"

3. Tools（工具）

支持LLM执行带副作用的操作，如API调用或数据处理：

@mcp.tool()
async def fetch_weather(city: str) -> str:
    async with httpx.AsyncClient() as client:
        response = await client.get(f"https://api.weather.com/{city}")
        return response.text

4. Prompts（提示模板）

结构化交互模板提升LLM响应质量：

@mcp.prompt()
def debug_error(error: str) -> list[base.Message]:
    return [
        base.UserMessage("I'm seeing this error:"),
        base.UserMessage(error),
        base.AssistantMessage("What have you tried so far?")
    ]

---

快速构建服务

开发环境配置

# 使用uv包管理器
uv add "mcp[cli]"
# 或传统pip
pip install mcp

最小示例服务

# server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Demo")

@mcp.tool()
def add(a: int, b: int) -> int:
    return a + b

@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    return f"Hello, {name}!"

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

调试与部署

# 开发模式实时调试
mcp dev server.py --with pandas

# 集成到Claude Desktop
mcp install server.py --name "Production Server" -v API_KEY=secret

---

进阶开发模式

生命周期管理

通过@asynccontextmanager实现资源的安全初始化和清理：

@asynccontextmanager
async def server_lifespan(server: Server) -> AsyncIterator[dict]:
    db = await Database.connect()
    try:
        yield {"db": db}
    finally:
        await db.disconnect()

ASGI服务器集成

与Starlette等ASGI框架无缝整合：

from starlette.applications import Starlette
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Hybrid Server")
app = Starlette(routes=[Mount('/', app=mcp.sse_app())])

---

实战案例：SQLite浏览器

import sqlite3
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("SQL Explorer")

@mcp.resource("schema://main")
def get_schema() -> str:
    conn = sqlite3.connect("data.db")
    return "\n".join(row[0] for row in conn.execute("SELECT sql FROM sqlite_master"))

@mcp.tool()
def query_data(sql: str) -> str:
    try:
        conn = sqlite3.connect("data.db")
        return str(conn.execute(sql).fetchall())
    except Exception as e:
        return f"Error: {e}"

---

客户端开发指南

from mcp import ClientSession
from mcp.client.stdio import stdio_client

async with stdio_client() as (read, write):
    async with ClientSession(read, write) as session:
        await session.Initialize()
        tools = await session.list_tools()
        result = await session.call_tool("query_data", {"sql": "SELECT * FROM users"})

---

最佳实践

1. 安全隔离：通过Context对象严格控制资源访问权限
2. 性能优化：对耗时操作使用ctx.report_progress()实现进度反馈
3. 版本控制：在初始化时声明server_version确保兼容性
4. 错误处理：使用try-except包裹工具执行并返回结构化错误信息

---

生态与未来

MCP协议通过定义Prompts（用户控制）、Resources（应用控制）、Tools（模型控制）三大原语，构建了灵活的LLM交互体系。开发者可通过官方文档深入协议细节，或参与社区贡献扩展更多功能模块。

通过Python SDK的灵活实现，MCP正在成为连接LLM能力与企业级应用的标准化桥梁。随着工具链的不断完善，未来将看到更多创新应用基于此协议构建。