手把手教你搭建 MCP 服务器

2025-08-27
黑龙江
本文字数：1947 字
阅读完需：约 6 分钟

在 AI 智能体开发领域，Model Context Protocol（MCP） 正迅速成为连接大模型与外部工具的黄金标准。通过 MCP 协议，开发者无需修改 AI 核心代码，即可让 Claude、Cursor 等智能体调用私有数据库、本地命令行甚至云服务。本文将详解两种主流搭建方案，带你构建专属的 AI 工具扩展引擎。

测试开发全景图：人工智能测试、智能驱动、自动化、测试开发、左移右移与DevOps的持续交付

一、MCP 核心价值：为什么它成为 AI 开发新范式？

MCP 协议的本质是标准化工具调用接口，解决了传统 AI 开发的三大痛点：

碎片化集成：每个 AI 应用需单独开发插件适配不同工具
安全风险：直接暴露 API 密钥或数据库连接给大模型
开发效率：工具变更需重新部署整个 AI 系统

通过 MCP 服务器，开发者可将任意能力封装成工具函数，AI 智能体通过统一协议发现和调用这些工具。例如：

天气查询 → 封装为get_weather(city)函数
数据库操作 → 封装为sql_query(query)函数
本地命令执行 → 封装为run_command(cmd)函数

二、方案一：Python + FastMCP 极速搭建（适合轻量级工具）

环境准备

# 创建Python环境（推荐uv）uv init mcp-demo && cd mcp-demouv venv && source .venv/bin/activateuv add fastmcp requests  # 核心依赖

复制代码

工具函数开发

from fastmcp import FastMCPimport requests
mcp = FastMCP(name="Weather Tools")
@mcp.tooldef get_weather(city: str) -> dict:    """    获取城市实时天气    参数：city - 城市名称（如“北京”）    返回：JSON格式天气数据（温度/湿度/天气状况）    """    api_url = f"https://weather-api.com/{city}"    return requests.get(api_url).json()

复制代码

启动 MCP 服务器

# 本地stdio模式（适合Claude/Cursor本地连接）mcp.run(mode="stdio")
# 远程SSE模式（需配合Higress网关）mcp.run(transport="streamable-http", host="0.0.0.0")

复制代码

关键配置项说明：

@mcp.tool：装饰器自动注册工具函数
mode="stdio"：通过标准输入输出通信，无需网络
transport="streamable-http"：支持云部署和远程调用

三、方案二：Nacos+Higress 企业级方案（零改造接入存量 HTTP 服务）

该方案适合已有 RESTful 服务的企业，无需重写代码即可接入 MCP 生态。

1. 环境部署（Docker）

# 创建共享网络docker network create mcp
# 启动Higress网关docker run -d --name higress -p 8080:8080 \  --network mcp higress-registry.cn-hangzhou.cr.aliyuncs.com/higress/all-in-one:latest
# 启动Nacos注册中心docker run -d --name nacos -p 8848:8848 \  -e MODE=standalone --network mcp \  nacos-registry.cn-hangzhou.cr.aliyuncs.com/nacos/nacos-server:v3.0.1

复制代码

2. 配置 HTTP 服务转 MCP 协议

在 Nacos 控制台（http://localhost:8848）：

进入 MCP Registry → 创建 MCP Server
添加工具转换配置：

{  "requestTemplate": {    "url": "http://your-service/weather", // 原服务地址    "method": "GET",    "argsToUrlParam": true  // 自动映射参数到URL  }}

复制代码

发布配置后，通过 Higress 端点访问：
http://localhost:8080/mcp/weather/sse?city=北京

四、AI 客户端配置：让 Claude/Cursor 识别你的工具

▶ Claude Desktop 配置

编辑claude_desktop_config.json（位置参考）：

{  "mcpServers": {    "weather-service": {      "command": "python",      "args": ["-m", "mcp_server", "--mode", "stdio"]    }  }}

复制代码

▶ Cursor 配置（项目级隔离）

在项目根目录创建.cursor/mcp.json：

{  "mcpServers": {    "db-query": {      "url": "http://localhost:8080/mcp/sql/sse" // Higress暴露的端点    }  }}

复制代码

五、企业级应用场景：插件化释放 AI 生产力

高阶技巧：通过会话变量实现跨工具状态传递

# 在MCP工具中读写会话状态def place_order(user_id: str, product_id: str):    # 从会话获取用户VIP等级    vip_level = mcp.session.get(f"user_{user_id}.vip_level")    # 设置订单超时时间    mcp.session.set("order_expire", "2025-12-31 23:59:59")

复制代码

六、避坑指南：安全与性能优化实践

敏感数据隔离
使用环境变量存储 API 密钥
Higress 网关自动过滤非常规参数
执行超时控制
在 FastMCP 中设置超时阈值：

   mcp = FastMCP(        name="SafeTools",        tool_timeout=10  # 强制超时（秒）    )

复制代码

SSE 模式心跳检测
避免长连接中断：

   # Higress配置   mcpServer:     sse_heartbeat_interval: 30

复制代码

MCP 协议正在重塑 AI 开发范式——它让大模型从“封闭的大脑”进化为“可连接万物的神经系统”。无论是个人开发者快速扩展 AI 能力，还是企业整合遗留系统，MCP 都提供了标准化解决方案。

测试开发全景图：人工智能测试、智能驱动、自动化、测试开发、左移右移与DevOps的持续交付

当工具调用变得像呼吸一样自然，AI 才能真正成为生产力的延伸。

发布于: 刚刚阅读数: 3

测吧(北京)科技有限公司

关注

社区：ceshiren.com 微信：ceshiren2023 2022-08-29 加入

微信公众号：霍格沃兹测试开发提供性能测试、自动化测试、测试开发等资料、实事更新一线互联网大厂测试岗位内推需求，共享测试行业动态及资讯，更可零距离接触众多业内大佬

发布

暂无评论

创作场景

手把手教你搭建 MCP 服务器

一、MCP 核心价值：为什么它成为 AI 开发新范式？

二、方案一：Python + FastMCP 极速搭建（适合轻量级工具）

环境准备

工具函数开发

启动 MCP 服务器

三、方案二：Nacos+Higress 企业级方案（零改造接入存量 HTTP 服务）

1. 环境部署（Docker）

2. 配置 HTTP 服务转 MCP 协议

四、AI 客户端配置：让 Claude/Cursor 识别你的工具

▶ Claude Desktop 配置

▶ Cursor 配置（项目级隔离）

五、企业级应用场景：插件化释放 AI 生产力

六、避坑指南：安全与性能优化实践

测吧(北京)科技有限公司

评论