写点什么

MCP 开发实战:手把手教你封装高德地图与 arXiv API

  • 2025-08-21
    黑龙江
  • 本文字数:5233 字

    阅读完需:约 17 分钟

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。


  1. 创建项目目录


    mkdir my-mcp-server    cd my-mcp-server
复制代码


  1. 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


  1. 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


  1. 创建主文件


    touch server.py
复制代码

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 asynciofrom mcp.server import Serverfrom 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 aiohttpfrom mcp.server.models import ToolResultfrom 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()@app.read_resource() 装饰器。


from mcp.server.models import ResourceTemplatesResult, ReadResourceResultfrom 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


  • 资源与工具的结合:理想情况下,search_arxiv 工具执行搜索后,应该将结果写入 arxiv://search 资源,然后 read_arxiv_resource 函数可以返回格式化后的结果。本例为简化流程,直接在工具调用中返回了结果。这种“混合”模式在实践中也很常见。

  • 参数设计:工具参数 max_results: int = 5 设置了默认值,这让模型在调用时更加灵活。

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:


mcp dev server.py
复制代码


这会启动一个交互式会话,你可以使用 list_toolscall_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。


  1. 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

  2. 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


*Windows 示例*:
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


  1. 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:

  2. “@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:


  1. 项目初始化:搭建了一个标准的 MCP 服务器开发环境。

  2. 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

  3. 资源定义:理解了 Resource 的概念,并为 arXiv 论文库声明了资源模板。

  4. 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。

  5. 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!

用户头像

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

评论

发布
暂无评论
MCP 开发实战:手把手教你封装高德地图与 arXiv API_测吧(北京)科技有限公司_InfoQ写作社区