本文是 MCP(Model Context Protocol)教程系列的第二阶段,我们将告别理论,直接进入开发实战。你将学习如何从零开始,将一个第三方 API 封装成 Claude 等 AI 模型可以直接调用的强大工具。我们将以高德地图地理编码和 arXiv 论文检索这两个实用场景为例,完整覆盖资源定义、工具声明、错误处理等核心概念。
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、项目初始化与环境搭建
首先,确保你已准备好开发环境。我们推荐使用 Python,因为其生态拥有最完善的 MCP 支持。
创建项目目录:
mkdir my-mcp-server
cd my-mcp-server
复制代码
创建虚拟环境并激活:
python -m venv venv
# On Windows
.\venv\Scripts\activate
# On macOS/Linux
source venv/bin/activate
复制代码
安装核心依赖:MCP 的核心是 mcp
库,此外我们还需要用于 HTTP 请求的 aiohttp
和用于管理异步并发的 anyio
。
pip install mcp aiohttp anyio
复制代码
创建主文件:
二、MCP 服务器骨架:起点
每个 MCP Server 都需要一个基本的程序结构。我们在 server.py
中搭建骨架。
import asyncio
from mcp.server import Server
from mcp.server.stdio import stdio_server
# 创建 Server 实例,名字叫 "my-custom-tools"
app = Server("my-custom-tools")
# 此处将在这里注册我们的工具(Tools)和资源(Resources)
async def main():
# 使用 stdio 传输层,这是与 Claude 等客户端通信的标准方式
async with stdio_server() as (read_stream, write_stream):
await app.run(
read_stream,
write_stream,
app.create_initialization_options()
)
if __name__ == "__main__":
asyncio.run(main())
复制代码
现在,你可以运行 python server.py
,虽然它还做不了任何事情,但骨架已经搭好。接下来我们为其注入灵魂。
三、实战一:封装高德地图地理编码 API(Tools)
我们将把高德地图的“地理编码”API 封装成一个 MCP Tool,让 Claude 能够根据地址查询经纬度。
1. 获取 API Key
前往高德开放平台,注册账号并创建一个新应用,获取你的 API Key(your_amap_api_key_here
)。
2. 声明并实现工具
我们在 app
实例上使用 @app.tool()
装饰器来声明一个工具。
import aiohttp
from mcp.server.models import ToolResult
from mcp.types import Tool
# 你的高德 API Key,在实际项目中应从环境变量读取!
AMAP_API_KEY = "your_amap_api_key_here"
@app.tool()
async def geocode_address(address: str) -> Tool:
"""根据中文地址获取其经纬度坐标。
Args:
address: 详细的中文地址,例如:北京市朝阳区阜通东大街6号。
Returns:
返回该地址的经纬度信息。
"""
# 构建请求 URL
url = f"https://restapi.amap.com/v3/geocode/geo?key={AMAP_API_KEY}&address={address}"
# 错误处理与超时控制:使用 aiohttp 和 asyncio.timeout
try:
async with aiohttp.ClientSession() as session:
# 设置 10 秒超时
async with asyncio.timeout(10):
async with session.get(url) as response:
# 检查 HTTP 状态码是否成功
response.raise_for_status()
data = await response.json()
# 检查高德 API 返回的业务状态码
if data.get('status') != '1':
error_info = data.get('info', 'Unknown error')
return ToolResult(
content=f"Geocoding API error: {error_info}",
isError=True
)
# 解析并返回结果
geocodes = data.get('geocodes', [])
if not geocodes:
return ToolResult(content="No results found for the given address.")
location = geocodes[0].get('location')
formatted_address = geocodes[0].get('formatted_address')
result_text = f"地址 '{formatted_address}' 的坐标是:{location}"
return ToolResult(content=result_text)
except asyncio.TimeoutError:
return ToolResult(content="Geocoding request timed out after 10 seconds.", isError=True)
except aiohttp.ClientResponseError as e:
return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True)
except Exception as e:
return ToolResult(content=f"An unexpected error occurred: {str(e)}", isError=True)
复制代码
代码解析与最佳实践:
工具声明:@app.tool()
装饰器将函数注册为 MCP 工具。函数的参数(address: str
)和文档字符串("""..."""
)至关重要,它们会自动成为工具 Schema 的一部分,帮助 Claude 理解如何调用它。
错误处理:
asyncio.timeout(10)
:确保网络请求不会无限期挂起。
response.raise_for_status()
:处理非 200 的 HTTP 状态码。
检查高德 API 返回的 status
字段,处理业务逻辑错误。
使用多重 except
块捕获不同类型的异常,并返回清晰的错误信息。
返回值:必须返回 ToolResult
对象。content
是给模型看的结果,isError=True
用于明确告知模型此次调用失败了。
四、实战二:封装 arXiv 论文检索(Resources & Tools)
MCP 不仅有工具(Tools),还有资源(Resources)。资源代表模型可以“读取”的数据源。arXiv 是一个完美的例子,我们可以提供一个资源列表(论文列表),并提供一个工具来搜索它。
1. 定义 arXiv 资源(Resources)
资源使用 @app.list_resources()
和 @app.read_resource()
装饰器。
from mcp.server.models import ResourceTemplatesResult, ReadResourceResult
from mcp.types import ResourceTemplate
@app.list_resources()
async def list_arxiv_resources() -> ResourceTemplatesResult:
"""列出可用的 arXiv 相关资源。"""
templates = [
ResourceTemplate(
uri="arxiv://search",
name="arXiv Search Results",
description="搜索结果来自 arXiv 论文库",
mimeType="text/plain"
)
]
return ResourceTemplatesResult(templates=templates)
@app.read_resource()
async def read_arxiv_resource(uri: str) -> ReadResourceResult:
"""读取 arxiv://search 资源。
注意:这个示例中,我们简单返回一个提示。
在实际应用中,你可能会在这里缓存或返回最近一次搜索的结果。
"""
if uri == "arxiv://search":
return ReadResourceResult(
content="Use the 'search_arxiv' tool to perform a search first.",
mimeType="text/plain"
)
# 对于未知的 URI,返回错误
return ReadResourceResult(
content=f"Resource not found: {uri}",
mimeType="text/plain",
isError=True
)
复制代码
2. 实现 arXiv 搜索工具(Tools)
现在实现核心的搜索功能。
@app.tool()
async def search_arxiv(query: str, max_results: int = 5) -> Tool:
"""在 arXiv 库中搜索科学论文。
Args:
query: 搜索关键词,例如:'large language model'。
max_results: 返回的最大结果数量,默认为 5。
"""
# 构建 arXiv API 请求 URL
base_url = "http://export.arxiv.org/api/query"
params = {
"search_query": f"all:{query}",
"start": 0,
"max_results": max_results,
"sortBy": "submittedDate",
"sortOrder": "descending"
}
try:
async with aiohttp.ClientSession() as session:
async with asyncio.timeout(15): # arXiv 有时较慢,设置稍长的超时
async with session.get(base_url, params=params) as response:
response.raise_for_status()
data = await response.text()
# arXiv 返回 Atom XML,这里需要解析(示例中简化处理)
# 在实际项目中,你应该使用 xml.etree.ElementTree 来解析响应内容
# 这里我们简单地截取一部分文本作为演示
if len(data) > 500:
preview = data[:500] + "..."
else:
preview = data
result_content = f"**arXiv Search Results for '{query}':**\n\nRaw API response preview:\n{preview}\n\n*Note: This is a simplified demo. A real implementation would parse the XML and present a formatted list of papers.*"
return ToolResult(content=result_content)
except asyncio.TimeoutError:
return ToolResult(content="arXiv search request timed out after 15 seconds.", isError=True)
except aiohttp.ClientResponseError as e:
return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True)
except Exception as e:
return ToolResult(content=f"An unexpected error occurred during arXiv search: {str(e)}", isError=True)
复制代码
代码解析:
五、测试与集成
1. 使用 MCP CLI 测试
在开发过程中,你可以使用官方 mcp
CLI 工具来测试你的服务器,而无需启动完整的 Claude 环境。
首先全局安装 CLI:
pip install model-context-protocol
复制代码
然后在你的项目目录下运行:
这会启动一个交互式会话,你可以使用 list_tools
, call_tool
等命令来测试你的工具是否正常工作。
2. 集成到 Claude
目前,集成到 Claude for Desktop 是体验 MCP 的最佳方式。
创建配置文件:在 ~/.anthropic/
(macOS/Linux)或 %USERPROFILE%\.anthropic\
(Windows)目录下创建或编辑 claude_desktop_config.json
。
配置你的 Server:将你的服务器路径添加到配置文件中。
{
"mcpServers": {
"my-custom-tools": {
"command": "/path/to/your/venv/bin/python",
"args": ["/absolute/path/to/your/project/server.py"],
"env": {"AMAP_API_KEY": "your_actual_key_here"} // 推荐从环境变量读取密钥!
}
}
}
复制代码
{
"mcpServers": {
"my-custom-tools": {
"command": "C:\\path\\to\\your\\project\\venv\\Scripts\\python.exe",
"args": ["C:\\path\\to\\your\\project\\server.py"]
}
}
}
复制代码
重启 Claude:重启 Claude for Desktop 应用,你现在就可以在对话中直接使用你自定义的工具了!例如:
“@geocode_address 帮我查一下深圳腾讯大厦的经纬度。”
“@search_arxiv 帮我找一些关于 diffusion model 的最新论文,找 3 篇就行。”
总结与进阶
通过本教程,你已经成功完成了:
项目初始化:搭建了一个标准的 MCP 服务器开发环境。
工具封装:将高德地图 Geocoding API 封装成了一个可靠的 MCP Tool,并实施了全面的错误处理与超时控制。
资源定义:理解了 Resource 的概念,并为 arXiv 论文库声明了资源模板。
混合实践:实现了另一个 arXiv 搜索工具,演示了如何设计工具参数。
测试与集成:学会了如何使用 MCP CLI 测试,并如何将其集成到 Claude 桌面端中。
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
下一步挑战:
完善 arXiv 工具:使用 xml.etree.ElementTree
解析 arXiv 的 XML 响应,并返回格式清晰、包含标题、作者、摘要和链接的论文列表。
状态管理:让你的 read_arxiv_resource
能够返回最近一次搜索的真实结果,实现真正的 Resource 功能。
更多 API:尝试封装其他你常用的 API,如 GitHub、JIRA、Notion、数据库等。
安全性:将 API Keys 等敏感信息移至环境变量中管理。
MCP 的强大之处在于它将 AI 模型的能力无限延伸至整个数字世界。现在,你已经掌握了打造这些连接器的基本技能,开始构建你自己的智能助手工具箱吧!
评论