当前位置：首页 > news >正文

手搓一个 MCP Server 实现水质在线数据查询

news 来源：原创 2025/7/18 8:50:30

随着人工智能技术的快速发展，如何将大语言模型（LLM）与实际业务场景结合，提供精准、可控的服务成为一个热门话题。MCP（Model Context Protocol）作为一种开放协议，为应用程序向 LLM 提供标准化的上下文接口，极大地简化了这一过程。本文将以构建一个水质在线查询 MCP 服务为例，手把手带你从零开始实现一个功能强大且实用的 MCP Server。通过这个过程，你将深入理解 MCP 的核心机制，并掌握如何将其应用于实际场景。

什么是 MCP？

MCP（Model Context Protocol）是一个为人工智能应用程序设计的标准化协议，旨在为大语言模型（LLM）提供统一的上下文输入和工具调用接口。可以将 MCP 比喻为 AI 世界的“USB-C 接口”：正如 USB-C 为设备连接外设提供了通用标准，MCP 为 AI 模型连接数据源、工具和业务逻辑提供了规范化的桥梁。

通过 MCP，开发者可以定义结构化的工具（Tools），让 LLM 根据用户需求智能调用这些工具，获取实时数据或执行特定任务。相比直接依赖 LLM 的生成能力，MCP 能够显著减少模型“幻觉”（生成不准确或虚构内容），提供更可靠的结果。

MCP 的核心优势

标准化：提供统一的输入输出规范，兼容多种 LLM 和工具。
灵活性：支持从本地数据查询到远程 API 调用的各种场景。
可控性：通过工具调用，开发者可以精确控制模型的行为和输出。
可扩展性：便于将服务部署到本地或云端，供个人或团队使用。

官方文档：MCP 简介 - MCP 中文文档

https://mcp-docs.cn/introduction

从天气查询示例学习 MCP

为了更好地理解 MCP 的工作原理，我们先来看一个简单的天气查询 MCP 示例。这个示例通过调用美国国家气象服务（NWS）的 API，实现了天气预报和警报查询功能。以下是核心代码和逻辑分析：

示例代码：天气查询 MCP

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP# 初始化 FastMCP 服务
mcp = FastMCP("weather")# 常量定义
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"# 辅助函数：发送请求并格式化数据
asyncdef make_nws_request(url: str) -> dict[str, Any] | None:
    """向 NWS API 发送请求，并进行错误处理。"""
    headers = {"User-Agent": USER_AGENT, "Accept": "application/geo+json"}
    asyncwith httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            returnNonedef format_alert(feature: dict) -> str:
    """将警报数据格式化为可读字符串。"""
    props = feature["properties"]
    returnf"""
事件: {props.get('event', 'Unknown')}
区域: {props

什么是 MCP？

MCP 的核心优势

从天气查询示例学习 MCP

示例代码：天气查询 MCP

相关文章：