Quickstart Guide to Building an MCP Server in Python

使用 Python 构建 MCP 服务快速入门指南

简介

Anthropic 推出的模型上下文协议（MCP）可让 AI Agent 与外部工具、数据源和服务交互。本指南将带你使用官方 MCP Python SDK 在 Python 中构建 MCP 服务，将其与 AI 助手集成，并部署到生产环境。

1. MCP Python SDK 概述

MCP Python SDK 提供了用于构建 MCP 服务和客户端的工具，便于大语言模型（LLM）与外部数据源或工具无缝集成。该 SDK 遵循完整的 MCP 规范，确保兼容性和标准化。（GitHub 仓库）

2. 安装

若要将 MCP 集成到 Python 项目中，建议使用 Python 包管理器 uv：

uv add "mcp[cli]"

如果你使用 pip，也可以：

pip install mcp

3. 快速入门：构建 MCP 服务

让我们创建一个简单的 MCP 服务，提供计算器工具和个性化问候资源：

from mcp.server.fastmcp import FastMCP

# Initialize the MCP server
mcp = FastMCP("Demo Server")

# Define an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Adds two numbers."""
    return a + b

# Define a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Generates a personalized greeting."""
    return f"Hello, {name}!"

# Run the server
if __name__ == "__main__":
    mcp.run()

4. 测试 MCP 服务

使用 MCP Inspector 测试服务：

mcp dev server.py

此命令会启动 MCP Inspector，让你与服务交互并验证其功能。

6. 客户端集成

6.1. 示例： 与 Claude Desktop 等 AI 助手集成：

mcp install server.py

此命令会将服务安装到 Claude Desktop 中，使助手与 MCP 服务能够无缝交互。

部署注意事项

部署 MCP 服务时：

• 安全性：实施身份验证机制（如 API 密钥或 OAuth），以控制访问权限。
• 可扩展性：使用 Docker 等容器化工具，在各种环境中管理部署。
• 监控：设置日志记录和监控，以跟踪服务性能并及时诊断问题。