MCP協(xié)議實(shí)戰(zhàn)指南：從架構(gòu)解析到生產(chǎn)級(jí)Server開發(fā)

想給你的AI Agent裝上“萬(wàn)能插頭”？還在為每個(gè)工具單獨(dú)寫集成代碼？

MCP（Model Context Protocol）就是答案。 這個(gè)由Anthropic提出、正在成為行業(yè)標(biāo)準(zhǔn)的協(xié)議，正在徹底改變AI Agent與外部工具的交互方式。今天，我們不談虛的，直接上手拆解MCP的四層架構(gòu)，手把手帶你開發(fā)一個(gè)能直接用的MCP Server。

一、MCP四層架構(gòu)：為什么它比Function Calling強(qiáng)？

傳統(tǒng)AI工具集成就像“一對(duì)一適配器”——每接一個(gè)新工具，就得寫一套專屬代碼。MCP把這套邏輯標(biāo)準(zhǔn)化了，核心是四層架構(gòu)：

1. 傳輸層（Transport）
負(fù)責(zé)底層通信。支持兩種模式：

• stdio：適合本地進(jìn)程通信，延遲最低
• HTTP + SSE（Server-Sent Events）：適合遠(yuǎn)程服務(wù)，支持流式響應(yīng)

2. 協(xié)議層（Protocol）
基于 JSON-RPC 2.0，所有消息都是標(biāo)準(zhǔn)JSON格式。關(guān)鍵點(diǎn)：

• 請(qǐng)求必須有 jsonrpc: "2.0"、id、method、params
• 響應(yīng)必須有 jsonrpc: "2.0"、id、result 或 error
• 通知（notification）沒(méi)有 id，不需要回復(fù)

3. 能力層（Capabilities）
Server聲明自己能做什么：

{
  "capabilities": {
    "tools": {"listChanged": true},
    "resources": {"subscribe": true},
    "prompts": {"listChanged": true}
  }
}

4. 應(yīng)用層（Application）
具體實(shí)現(xiàn)：工具函數(shù)、資源讀取、提示詞模板等。

對(duì)比Function Calling：MCP是標(biāo)準(zhǔn)化協(xié)議，一次開發(fā)，所有支持MCP的AI模型（Claude、GPT、本地模型）都能調(diào)用你的工具。而Function Calling是模型私有實(shí)現(xiàn)，換模型就得重寫。

二、通信機(jī)制：JSON-RPC 2.0實(shí)戰(zhàn)拆解

MCP所有交互都基于JSON-RPC 2.0，我們看一個(gè)完整流程：

1. 初始化握手
Client發(fā)送：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "initialize",
  "params": {
    "protocolVersion": "2024-11-05",
    "capabilities": {},
    "clientInfo": {"name": "test-client", "version": "1.0"}
  }
}

Server響應(yīng)：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "protocolVersion": "2024-11-05",
    "capabilities": {
      "tools": {"listChanged": true}
    },
    "serverInfo": {"name": "my-server", "version": "1.0"}
  }
}

2. 工具發(fā)現(xiàn)
Client獲取可用工具列表：

{"jsonrpc": "2.0", "id": 2, "method": "tools/list"}

Server返回工具定義：

{
  "jsonrpc": "2.0",
  "id": 2,
  "result": {
    "tools": [{
      "name": "get_weather",
      "description": "獲取指定城市天氣",
      "inputSchema": {
        "type": "object",
        "properties": {
          "city": {"type": "string", "description": "城市名稱"}
        },
        "required": ["city"]
      }
    }]
  }
}

3. 工具調(diào)用
Client執(zhí)行工具：

{
  "jsonrpc": "2.0",
  "id": 3,
  "method": "tools/call",
  "params": {
    "name": "get_weather",
    "arguments": {"city": "北京"}
  }
}

關(guān)鍵細(xì)節(jié)：

• 每個(gè)請(qǐng)求有唯一 id，響應(yīng)回復(fù)相同 id
• 通知（如 notifications/initialized）沒(méi)有 id，不需要回復(fù)
• 錯(cuò)誤響應(yīng)包含 error.code 和 error.message

三、生產(chǎn)級(jí)MCP Server開發(fā)：天氣查詢服務(wù)

我們用Python開發(fā)一個(gè)真實(shí)的天氣查詢MCP Server，支持stdio和HTTP兩種傳輸方式。

項(xiàng)目結(jié)構(gòu)：

weather-mcp-server/
├── server.py          # 主服務(wù)
├── weather_api.py     # 天氣API封裝
├── requirements.txt
└── README.md

1. 安裝依賴

pip install mcp fastapi uvicorn httpx

2. 核心實(shí)現(xiàn)（server.py）

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent
import httpx
import json

# 初始化MCP Server
server = Server("weather-server")

@server.list_tools()
async def list_tools():
    """聲明可用工具"""
    return [
        Tool(
            name="get_weather",
            description="獲取中國(guó)城市實(shí)時(shí)天氣（使用和風(fēng)天氣API）",
            inputSchema={
                "type": "object",

![配圖](http://m.gsdl.org.cn/usr/uploads/covers/cover_mcp_20260513_201151.jpg)

                "properties": {
                    "city": {
                        "type": "string",
                        "description": "城市名稱，如：北京、上海"
                    }
                },
                "required": ["city"]
            }
        )
    ]

@server.call_tool()
async def call_tool(name: str, arguments: dict):
    """執(zhí)行工具調(diào)用"""
    if name == "get_weather":
        city = arguments.get("city")
        # 調(diào)用真實(shí)天氣API
        weather_data = await fetch_weather(city)
        return [TextContent(type="text", text=weather_data)]
    
    raise ValueError(f"未知工具: {name}")

async def fetch_weather(city: str) -> str:
    """調(diào)用和風(fēng)天氣API（示例）"""
    # 實(shí)際開發(fā)中替換為真實(shí)API密鑰
    api_key = "your_api_key_here"
    base_url = "https://devapi.qweather.com/v7/weather/now"
    
    # 城市名轉(zhuǎn)LocationID（簡(jiǎn)化處理）
    location_map = {"北京": "101010100", "上海": "101020100"}
    location = location_map.get(city, "101010100")
    
    async with httpx.AsyncClient() as client:
        response = await client.get(
            f"{base_url}?location={location}&key={api_key}"
        )
        data = response.json()
        
        if data.get("code") == "200":
            now = data["now"]
            return f"""城市: {city}
天氣: {now['text']}
溫度: {now['temp']}°C
體感溫度: {now['feelsLike']}°C
濕度: {now['humidity']}%
風(fēng)向: {now['windDir']}
更新時(shí)間: {now['obsTime']}"""
        else:
            return f"獲取天氣失敗: {data.get('code')}"

# 啟動(dòng)stdio模式
if __name__ == "__main__":
    import asyncio
    asyncio.run(stdio_server(server))

3. 支持HTTP+SSE傳輸

# 添加HTTP支持（在server.py中）
from fastapi import FastAPI
from sse_starlette.sse import EventSourceResponse
import json

app = FastAPI()

@app.post("/mcp")
async def handle_mcp_request(request: dict):
    """處理MCP over HTTP請(qǐng)求"""
    method = request.get("method")
    params = request.get("params", {})
    
    if method == "initialize":
        return {
            "jsonrpc": "2.0",
            "id": request["id"],
            "result": {
                "protocolVersion": "2024-11-05",
                "capabilities": {"tools": {"listChanged": True}},
                "serverInfo": {"name": "weather-server", "version": "1.0"}
            }
        }
    # ... 其他方法處理
    
@app.get("/mcp/sse")
async def sse_endpoint():
    """SSE流式端點(diǎn)"""
    async def event_generator():
        # 發(fā)送服務(wù)器事件
        yield {"data": json.dumps({"type": "connected"})}
    
    return EventSourceResponse(event_generator())

4. 部署與測(cè)試

# 1. 啟動(dòng)stdio模式（供Claude Desktop等客戶端）
python server.py

# 2. 啟動(dòng)HTTP模式
uvicorn server:app --host 0.0.0.0 --port 8000

# 3. 測(cè)試工具調(diào)用
curl -X POST http://localhost:8000/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "get_weather",
      "arguments": {"city": "北京"}
    }
  }'

四、MCP在AI Agent生態(tài)中的真實(shí)價(jià)值

1. 工具市場(chǎng)標(biāo)準(zhǔn)化
想象一個(gè)“AI工具商店”：開發(fā)者上傳MCP Server，用戶像安裝瀏覽器插件一樣安裝工具。龍蝦官網(wǎng)（m.gsdl.org.cn）的Agent生態(tài)正在朝這個(gè)方向發(fā)展。

2. 自動(dòng)化賺錢案例
某跨境電商團(tuán)隊(duì)用MCP搭建了自動(dòng)化流水線：

• MCP Server 1：監(jiān)控1688新品（每10分鐘掃描）
• MCP Server 2：自動(dòng)生成多語(yǔ)言商品描述
• MCP Server 3：同步到Shopify店鋪
• 結(jié)果：人力成本降低70%，上新速度提升5倍，月均新增SKU 3000+

3. 開發(fā)效率提升
傳統(tǒng)集成一個(gè)新工具需要：閱讀文檔→寫適配代碼→測(cè)試→部署（平均2-4小時(shí)）。
用MCP：找到現(xiàn)成MCP Server→配置連接→直接使用（平均5分鐘）。

五、下一步行動(dòng)：三步上手MCP

1. 本地測(cè)試（5分鐘）

• 安裝Claude Desktop
• 在配置文件中添加我們的天氣Server
• 直接問(wèn)Claude：“北京今天天氣怎么樣？”

2. 開發(fā)你的第一個(gè)MCP Server（1小時(shí)）

• 克隆我們的示例代碼
• 修改fetch_weather函數(shù)，接入你常用的API（股票、新聞、內(nèi)部系統(tǒng)）
• 用stdio模式測(cè)試通過(guò)

3. 加入生態(tài)（長(zhǎng)期）

• 將你的MCP Server開源到GitHub
• 提交到MCP工具目錄（如龍蝦官網(wǎng)的Agent市場(chǎng)）
• 關(guān)注A2A協(xié)議發(fā)展，實(shí)現(xiàn)Server間互操作

關(guān)鍵資源：

• MCP官方文檔：https://modelcontextprotocol.io
• Python SDK：https://github.com/modelcontextprotocol/python-sdk
• 現(xiàn)成MCP Server列表：https://github.com/modelcontextprotocol/servers

MCP不是銀彈，但它是目前最接近“AI工具USB標(biāo)準(zhǔn)”的協(xié)議。現(xiàn)在開始開發(fā)，你的工具就能被所有支持MCP的AI模型調(diào)用——這才是真正的杠桿效應(yīng)。