目錄
🚀 從零構建 MCP Server 與 Client：打造你的第一個 AI 工具集成應用
🧱 1. 準備工作
🛠? 2. 構建 MCP Server（服務端）
2.1 初始化服務器
🧩 3. 添加自定義工具（Tools）
3.1 創建工具文件
3.2 修改 server.py 注冊工具
🖥? 4. 構建 MCP Client（客戶端）
🧪 5. 聯調測試（Server + Client）
🧠 總結與下一步
🚀 從零構建 MCP Server 與 Client：打造你的第一個 AI 工具集成應用
隨著大型語言模型（LLM）能力的飛速發展，如何讓 AI 模型靈活調用外部工具、實時訪問外部數據，成為開發者面臨的重要挑戰。
模型上下文協議（Model Context Protocol，簡稱 MCP）作為一種開放標準，為 LLM 提供了類似“USB-C”統一接口，使模型能夠以標準方式調用資源與服務。
本篇博客將帶你一步步從零搭建：
-
? MCP 服務器（Server）
-
? MCP 客戶端（Client）
-
? 自定義工具（Tool）
-
? 實現 Server-Client 聯調
-
? 與 Claude、ChatGPT 等大模型無縫集成！
🧱 1. 準備工作
開發環境建議：
-
Python 3.10+
-
MCP Python SDK（安裝方法見下文）
-
支持 MCP 協議的 AI 應用（如 Claude Desktop、ChatGPT 插件版）
安裝基礎依賴：
pip install mcp-sdk
創建項目基本目錄：
mcp_demo/
├── server.py
├── client.py
├── tools/
│ └── file_reader.py
├── requirements.txt
🛠? 2. 構建 MCP Server（服務端）
MCP Server 負責注冊并提供工具，供 AI 模型調用。
2.1 初始化服務器
在 server.py 中創建 MCP Server 實例，并運行。
from mcp.server.fastmcp import FastMCP# 創建 MCP Server 實例
mcp = FastMCP("Demo MCP Server")if __name__ == "__main__":mcp.run()
運行：
python server.py
此時 Server 會以本地模式（stdio）監聽連接。
🧩 3. 添加自定義工具（Tools）
工具是 MCP 中模型可以調用的能力模塊。比如讀取文件、調用 API、發起數據庫查詢等。
我們先添加一個簡單工具：列出本地目錄下所有 .txt 文件。
3.1 創建工具文件
在 tools/file_reader.py 中定義工具：
import os
from mcp.server.fastmcp import tool@tool()
def list_txt_files(directory: str = ".") -> list[str]:"""列出指定目錄下所有 .txt 文件"""try:return [f for f in os.listdir(directory) if f.endswith(".txt")]except Exception as e:return [str(e)]
這里用 @tool() 裝飾器標記函數，MCP Server 會自動注冊它為可調用工具。
3.2 修改 server.py 注冊工具
將 tools.file_reader 導入到 server.py：
from mcp.server.fastmcp import FastMCP
import tools.file_reader # 導入工具模塊，自動注冊mcp = FastMCP("Demo MCP Server")if __name__ == "__main__":mcp.run()
現在 MCP Server 已提供了一個 "list_txt_files" 工具，供后續客戶端調用。
🖥? 4. 構建 MCP Client（客戶端）
MCP Client 作為中介，負責與 Server 通信，協調 AI 應用請求與工具調用。
在 client.py 中創建 MCP Client 實例：
from mcp.client import MCPClientdef main():# 連接到 Server（本地也可以用 stdio 通信）client = MCPClient(server_address="http://localhost:8000")client.connect()# 列出可用工具tools = client.list_tools()print("當前可用工具列表:", tools)# 調用 list_txt_files 工具params = {"directory": "."}result = client.call_tool("list_txt_files", params)print("目錄下的 .txt 文件:", result)client.disconnect()if __name__ == "__main__":main()
運行：
python client.py
如果一切順利，你將看到 MCP Client 成功調用 MCP Server 提供的 list_txt_files 工具，并返回本地目錄下的所有 .txt 文件。
🧪 5. 聯調測試（Server + Client）
完整流程如下：
-
啟動
server.py -
再運行
client.py -
Client 通過標準輸入輸出（stdio）或 HTTP 與 Server 通信
-
Server 提供工具，Client 調用工具返回結果
-
AI 應用可以無感知調用這些工具，執行復雜任務
可以在支持 MCP 的 AI 應用中，如 Claude Desktop，配置 MCP Client，體驗完整聯動！
示例提問：
請幫我列出我電腦上當前目錄的所有 txt 文件。
→ AI 調用 MCP → MCP Client 轉發請求 → MCP Server 執行 list_txt_files → 返回結果！
🧠 總結與下一步
通過本篇教程，你已經掌握了：
-
什么是 MCP 協議
-
如何搭建 MCP Server
-
如何定義并注冊自定義工具
-
如何搭建 MCP Client
-
如何實現 Client-Server 聯調
-
如何與 AI 應用對接調用工具
這為你后續開發多工具協同、多資源訪問、智能體智能擴展打下了堅實基礎！
在下一篇內容中，我們將探索：
-
如何將 MCP 與 LangChain、Semantic Kernel 等框架集成
-
如何擴展 MCP 實現多模型、多資源、多場景的動態調度！
