当前位置：首页 > news >正文

MCP入门

news 来源：原创 2025/5/10 0:28:19

什么是mcp

mcp（model context protocol，模型上下文协议）
标准化协议：让大模型用统一的方式来调用工具，是llm和工具之间的桥梁

A2A：Agent-to-Agent协议
在这里插入图片描述

mcp通信机制

在这里插入图片描述

提供mcp服务查询的平台

具有工具合集的平台称为mcp server
在这里插入图片描述

mcp两种指令对应环境的安装

在安装 stdio 的本地环境时，有两种不同的方式。一种是基于Python语言编写的服务，安装它要用到 uvx 指令；另一种是基于TypeScript语言编写的服务，安装时得用 npx 指令。就好比你要安装两个不同类型的小工具，一个工具得用A方法安装，另一个得用B方法安装。

基于Python——
pip install uv
uvx --version

基于TypeScript——
安装node.js，把文件夹的路径添加到path里
在cmd终端输入：node -v和npm -v

cursor配置mcp服务

1、查看——外观——辅助侧边栏，有自然语言的交互
2、案例需求（需要用到mysql，高德地图和filesystem服务）：

现在交给你一个任务，编写一个北京一日游的出行攻略
从高德地图的MCP服务中获取北京站到天安门、天安门到颐和园、颐和园到南锣鼓巷的地铁路线，并保存在数据库beijing_transit的表subway_trips中
从高德地图的MCP中获取颐和园、南锣鼓巷附近的美食信息，每处获取三家美食店铺信息，并将相应的信息存入表location_foods中
在工作日录D:\MyWorkSpace下创建一个新的文件夹，命名为“北京旅行”在其中创建两个txt，分别从数据库中得到两个表的内容提取出存放进去。
从最后在两个表的内容生成一个精美的html前端展示页面，并存放在该目录下

3、cursor中添加server
项目级别：在项目的.cursor目录中新建mcp.json文件进行配置，仅对特定项目生效。（推荐）
全局设置：Settings——MCP——add new global MCP server

alt+shift+F 调整格式

cline配置mcp服务

cline可以分为plan和act两种模式，先plan再act更精准

配置：installed-config mcp servers

mcp服务使用的注意事项：

需要自己创建好大的目录，agent才能访问
比如：你要求agent“在工作目录E:\ClineWorkSpace\test_cline下创建一个新的文件夹，命名为“北京旅行”。那你就要先自己创建好E:\ClineWorkSpace\test_cline这个目录，否则会有系统找不到指定的路径的问题。
连接数据库时，要确保数据库已经自己手动创建，mcp才能连接上，否则会出现client_close的问题。
在cline连接基于npx的mcp服务时，即使已经安装好了nodejs，也可能出现spawn npx ENOENT的问题，这可能是因为对windows支持不太友好。
解决办法：
将使用npx的命令替换为cmd（适用于 Windows 系统）：如果是在 Windows 系统下，将command字段的值从npx改为cmd，并在args数组开头添加/c，后续再跟上原来的npx命令及参数。

    "amap-maps": {"command": "npx","args": ["-y","@amap/amap-maps-mcp-server"],"env": {"AMAP_MAPS_API_KEY": "***"}}//变成下面这样"amap-maps": {"command": "cmd","args": ["/c","npx","-y","@amap/amap-maps-mcp-server"],"env": {"AMAP_MAPS_API_KEY": "***"}}

在这里插入图片描述

cherry studio的使用

配置模型（去硅基流动或者阿里云百炼平台获取api key，然后测试连接，开启模型服务）
配置mcp服务（编辑mcp服务，把.json内容粘贴进去）
选择回答的模型，多选mcp服务

手动开发mcp服务

在这里插入图片描述

新建项目
在E盘终端：uv init mcp-project
打开创建client.py和server.py，以及.env
配置.env：

BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"
MODEL=qwen2.5-vl-32b-instruct
DASHSCOPE_API_KEY="sk-f2466b8bdfa848c69051054f184939f6"SERPER_API_KEY="8d98f7e8a23442f6c83c3398d6283c956b727a74"SMTP_SERVER=smtp.163.com
SMTP_PORT=465
EMAIL_USER=16620017551@163.com
EMAIL_PASS=XKXbB4gT4trhqbGa

获取几个权限：

阿里云百炼控制台api key——大模型
Serper平台api key——提供谷歌搜索（注意要谷歌邮箱注册）
163网易邮箱（开启POP3/SMTP服务，获得授权密码）

运行client.py
终端环境与 VS Code 选择的解释器不一致。虽然你在 VS Code 中选择了 Python 3.12 解释器，但终端可能仍在使用 Anaconda 的默认环境（Python 版本低于 3.10）
python --version
conda activate mcp_env

代码思路

client.py：

class MCPClient:def __init__(self): # 初始化：加载环境变量，配置OpenAI（创建客户端和会话）...async def connect_to_server(self, server_script_path: str):# 启动服务器（判断服务器脚本是.py还是.js的，启动方式；构造参数；启动服务得通道；从通道中提取读写对象） # 连接服务器（和服务端通道相连，创建会话）...async def process_query(self, query: str) -> str:# 从查询中提取关键词，生成要填写的报告文件名，加入查询中使其更新，包装用户消息# 请求可用的工具列表 self.session.list_tools()# 分析要用哪些工具self.plan_tool_usage(query, available_tools)# 依次调用工具self.session.call_tool(tool_name, tool_args)，收集结果，将其加到messages后面messages[{"role": "user","content": "分析苹果公司的市场表现 [md_filename=sentiment_苹果公司_20230515_143022.md] [md_path=./sentiment_reports/sentiment_苹果公司_20230515_143022.md]"},{"role": "tool","tool_call_id": "fetch_data","content": "已获取苹果公司近30天的市场数据（2023-04-15至2023-05-15）"},{"role": "tool","tool_call_id": "analyze_sentiment","content": "苹果公司市场情绪分析结果：积极（85%），中性（10%），消极（5%）\n详细报告已保存至 sentiment_苹果公司_20230515_143022.md"}
]final_output='根据最近30天的市场数据（2023-04-15至2023-05-15），苹果公司的市场情绪分析如下：- 积极情绪占比：85%
- 中性情绪占比：10%
- 消极情绪占比：5%整体来看，市场对苹果公司的评价非常积极，可能反映了其产品表现、财务状况或行业地位的优势。详细分析已生成报告，可查看：
[sentiment_苹果公司_20230515_143022.md](file:///./sentiment_reports/sentiment_苹果公司_20230515_143022.md)如需进一步分析或其他帮助，请随时告知。'...async def plan_tool_usage(self, query: str, tools: List[dict]) -> List[dict]:# 定义llm的system_prompt为“智能任务规划助手”# 将system_prompt和用户消息一起包装成新消息# 通过llm分析 query，规划应该调用哪些工具和参数（返回 JSON 数组）response = self.client.chat.completions.create(model,messages,tools)...async def chat_loop(self):# 交互的入口，可以循环提问，process_query处理问题生成回答...async def cleanup(self):# 优雅退出 MCP 会话...async def main():client = MCPClient()await client.connect_to_server(...)await client.chat_loop()

server.py：

# 加载环境变量
load_dotenv()# 初始化 MCP 服务器
mcp = FastMCP("NewsServer")# 注册工具：@mcp.tool() 是 MCP 框架的装饰器，表明这是一个 MCP 工具。
# 服务端：通过装饰器注册工具，MCP 框架收集元数据。
# 客户端：调用 list_tools 向服务端请求工具列表，构造为 LLM 可用的格式。@mcp.tool()
async def search_google_news(keyword: str) -> str:@mcp.tool()
async def analyze_sentiment(text: str, filename: str) -> str:@mcp.tool()
async def send_email_with_attachment(to: str, subject: str, body: str, filename: str) -> str:

分析工具使用、对新闻进行情感分析、总结都需要llm

什么是mcp

mcp通信机制

提供mcp服务查询的平台

热门mcp服务

mcp两种指令对应环境的安装

cursor配置mcp服务

cline配置mcp服务

mcp服务使用的注意事项：

cherry studio的使用

手动开发mcp服务

代码思路

client.py：

server.py：

相关文章：