# 01-MCP协议入门指南

## 概述

Model Context Protocol (MCP) 是一个开放的协议标准,用于在大语言模型(LLM)和外部工具之间建立标准化的通信机制。本文将介绍 MCP 协议的基本概念、核心组件、应用场景以及如何在实际项目中使用 MCP。

## MCP协议简介

MCP 是由 Anthropic 推出的开源协议,旨在解决 LLM 与外部工具集成的标准化问题。通过 MCP,开发者可以:

- 定义统一的工具接口规范
- 实现跨平台的工具调用机制
- 构建可扩展的 AI 应用架构

### 核心优势

- **标准化接口**: 统一的协议定义,降低集成复杂度
- **语言无关**: 支持多种编程语言实现
- **传输灵活**: 支持 stdio、HTTP 等多种传输方式
- **易于扩展**: 支持自定义工具、资源和提示模板

## MCP的核心组件

MCP 协议定义了四个核心组件,每个组件都有明确的职责和接口规范。

### 1. Prompts (提示模板)

Prompts 是可重用的提示模板,用于定义 AI 助手的行为模式和响应风格。

**作用**:
- 定义系统角色的行为准则
- 提供标准化的对话模板
- 支持动态参数注入

**示例场景**:
- 数学问题求解提示: 引导 AI 逐步解决数学问题
- 代码审查提示: 定义代码检查的标准流程
- 文档生成提示: 规范文档结构和格式

### 2. Resources (资源)

Resources 是静态或动态的数据源,通过 URI(统一资源标识符)进行访问。

**特性**:
- 支持模板 URI(如 `greeting://{name}`)
- 可返回文本、JSON 等多种格式
- 支持动态数据生成

**示例场景**:
- 配置文件读取: `config://app`
- 个性化问候: `greeting://{username}`
- 常量数据: `constant://pi`

### 3. Tools (工具)

Tools 是可执行的函数,供 AI 助手调用以完成特定任务。

**特点**:
- 明确的参数类型定义
- 标准化的返回格式
- 支持错误处理机制

**示例场景**:
- 数学运算: 加减乘除、幂运算、平方根
- 数据查询: 数据库检索、API 调用
- 文件操作: 读写文件、目录遍历

### 4. Transport (传输层)

Transport 定义了客户端和服务器之间的通信机制。

**支持的传输方式**:

| 传输方式 | 适用场景 | 优势 | 局限 |
|---------|---------|------|------|
| stdio | 本地开发、测试 | 低延迟、简单易用 | 不支持远程访问 |
| HTTP | 生产环境、分布式部署 | 支持跨机器访问 | 需要网络配置 |

## MCP协议工作原理

### 通信流程

MCP 采用客户端-服务器架构,通信流程如下:

```
客户端                          服务器
  │                              │
  ├────── initialize() ──────────>│
  │<───── capabilities ──────────┤
  │                              │
  ├────── list_prompts() ───────>│
  │<───── prompts list ──────────┤
  │                              │
  ├────── list_resources() ──────>│
  │<───── resources list ─────────┤
  │                              │
  ├────── list_tools() ──────────>│
  │<───── tools list ────────────┤
  │                              │
  ├────── get_prompt() ──────────>│
  │<───── prompt content ─────────┤
  │                              │
  ├────── read_resource() ───────>│
  │<───── resource content ───────┤
  │                              │
  ├────── call_tool() ────────────>│
  │<───── tool result ────────────┤
```

### 消息格式

MCP 使用 JSON-RPC 格式进行消息交换:

```json
{
  "jsonrpc": "2.0",
  "method": "tools/call",
  "params": {
    "name": "add",
    "arguments": {
      "a": 10,
      "b": 20
    }
  },
  "id": 1
}
```

## 实战案例:数学计算 MCP 服务器

### 项目结构

```
mcp_demo/
├── math_mcp_server_stdio.py      # Stdio 模式服务器
├── math_mcp_server_http.py       # HTTP 模式服务器
├── math_mcp_client_stdio.py      # Stdio 模式客户端
├── math_mcp_client_http.py       # HTTP 模式客户端
└── pyproject.toml                # 项目配置
```

### 安装依赖

使用 uv(推荐)或 pip 安装依赖:

```bash
# 使用 uv
uv sync

# 或使用 pip
pip install fastmcp mcp
```

### 服务器代码示例

以下是一个简单的数学计算 MCP 服务器实现:

```python
from mcp.server.fastmcp import FastMCP
import math

# 创建 MCP 服务器实例
mcp = FastMCP("Math")

# 定义工具
@mcp.tool()
def add(a: int, b: int) -> str:
    """加法运算"""
    result = a + b
    return f"{a} + {b} = {result}"

@mcp.tool()
def multiply(a: int, b: int) -> str:
    """乘法运算"""
    result = a * b
    return f"{a} * {b} = {result}"

# 定义资源
@mcp.resource("constant://pi")
def get_pi() -> str:
    """圆周率常数"""
    return f"{math.pi}"

# 定义提示模板
@mcp.prompt()
def system_prompt() -> str:
    """系统提示模板"""
    return """
You are an AI assistant specialized in mathematical calculations.
- Use the available tools when needed
- Show step-by-step solutions
- Provide clear answers
"""

if __name__ == "__main__":
    mcp.run()  # 默认使用 stdio 传输
```

### 客户端代码示例

```python
import asyncio
from mcp.client.stdio import stdio_client
from mcp import ClientSession, StdioServerParameters

async def main():
    # 配置服务器参数
    server_params = StdioServerParameters(
        command="python",
        args=["math_mcp_server_stdio.py"]
    )

    # 连接到服务器
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            # 初始化会话
            await session.initialize()

            # 列出可用工具
            tools = await session.list_tools()
            print(f"可用工具: {[tool.name for tool in tools.tools]}")

            # 调用工具
            result = await session.call_tool("add", {"a": 10, "b": 20})
            print(f"计算结果: {result.content[0].text}")

if __name__ == "__main__":
    asyncio.run(main())
```

### 运行步骤

1. 启动服务器:
```bash
python math_mcp_server_stdio.py
```

2. 在另一个终端启动客户端:
```bash
python math_mcp_client_stdio.py
```

3. 观察输出:
```
可用工具: ['add', 'multiply']
计算结果: 10 + 20 = 30
```

## MCP的应用场景

### 1. 数据分析助手

通过 MCP 集成数据分析工具:

- **Tools**: Pandas 数据处理、SQL 查询、统计计算
- **Resources**: 数据集元数据、分析报告模板
- **Prompts**: 数据分析标准流程、可视化指导

### 2. 开发辅助工具

构建智能开发助手:

- **Tools**: 代码执行、测试运行、依赖分析
- **Resources**: 项目文档、代码规范
- **Prompts**: 代码审查标准、重构指导

### 3. 运维自动化

实现自动化运维系统:

- **Tools**: 服务器监控、日志分析、故障诊断
- **Resources**: 系统配置、运维手册
- **Prompts**: 故障处理流程、最佳实践

### 4. 企业知识库

构建企业级知识管理系统:

- **Tools**: 文档检索、内容生成、知识推荐
- **Resources**: 企业文档、培训材料
- **Prompts**: 问答模板、写作规范

## MCP生态与工具

### 框架和库

1. **FastMCP**: Python MCP 服务器框架
   - 快速构建 MCP 服务器
   - 简化的 API 设计
   - 自动类型推断

2. **MCP SDK**: 官方 Python SDK
   - 完整的协议实现
   - 客户端和服务器支持
   - 多传输方式

3. **LangChain MCP Adapters**: LangChain 集成适配器
   - 与 LangChain 无缝集成
   - 支持工具调用
   - 状态管理

### 相关技术

- **LangChain**: LLM 应用框架
- **LangGraph**: 状态机工作流引擎
- **OpenAI API**: 大语言模型服务

## 常见问题

### Q1: MCP 和 LangChain Tools 有什么区别?

MCP 是传输层协议,定义了标准化的通信接口;LangChain Tools 是应用层的工具抽象。MCP 可以与 LangChain 集成,提供标准化的工具调用机制。

### Q2: 如何选择传输方式?

- **本地开发**: 使用 stdio,简单快速
- **生产部署**: 使用 HTTP,支持远程访问
- **混合场景**: 可以同时使用两种方式

### Q3: MCP 支持哪些编程语言?

MCP 协议本身是语言无关的,目前已有 Python、TypeScript、Go 等语言的实现。

### Q4: 如何调试 MCP 应用?

1. 使用日志记录通信消息
2. 检查 JSON-RPC 消息格式
3. 验证工具参数类型
4. 测试不同传输方式

## 学习路线图

建议按照以下顺序学习 MCP:

1. **入门阶段** (本篇)
   - 理解 MCP 基本概念
   - 学习核心组件
   - 运行示例代码

2. **实践阶段** (下一篇)
   - 构建 MCP 服务器
   - 开发 MCP 客户端
   - 实现自定义工具

3. **进阶阶段** (后续文章)
   - LLM 集成
   - 多服务器架构
   - 最佳实践

## 总结

MCP 协议为 LLM 与外部工具的集成提供了标准化的解决方案。通过定义清晰的组件和接口,MCP 大大降低了 AI 应用的开发复杂度,提高了可维护性和可扩展性。

在下一篇《02-快速构建MCP服务器》中,我们将详细介绍如何使用 FastMCP 框架构建完整的 MCP 服务器,包括工具、资源和提示模板的实现。

## 参考资源

- [MCP 官方文档](https://modelcontextprotocol.io/)
- [FastMCP GitHub](https://github.com/jlowin/fastmcp)
- [Anthropic MCP 博客](https://www.anthropic.com/blog/model-context-protocol)

## 文章标签

```
MCP协议, Model Context Protocol, AI应用开发, LLM集成, Python开发, 工具调用, 标准化协议, 开源协议
```

Model Context Protocol (MCP) 是一个开放的协议标准,用于在大语言模型(LLM)和外部工具之间建立标准化的通信机制。本文将介绍 MCP 协议的基本概念、核心组件、应用场景以及如何在实际项目中使用 MCP。

01-MCP协议入门指南

编程语言

前端

MCP协议是Anthropic推出的开源标准，用于规范大语言模型与外部工具的通信。该协议包含提示模板、资源、工具和传输层四大核心组件，支持多种编程语言和传输方式。MCP能显著降低AI应用开发复杂度，适用于数据分析、开发辅助、运维自动化等场景，为LLM集成提供标准化解决方案。

自动化运维

日志分析

TypeScript

数据库

服务器

Python

JSON

tencentdb-catalog

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

01-MCP协议入门指南-腾讯云开发者社区-腾讯云

01-MCP协议入门指南

01-MCP协议入门指南

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐