MCP 在 server 端的探索

MCP: Model Context Protocol 模型上下文协议

是什么？
能做什么？
怎么做？
一个简单的例子
在客户端使用
一个稍显复杂的例子

是什么？

最近在研究 MCP 的 server 端实现，MCP 就是定义了一套 LLM 与代码之间的通信协议。

举个例子：我们有一个功能是使用 JS 实现的，但在 Python 这里需要复用 JS 代码的功能进行计算，难道使用 Python 通过命令行执行 JS 脚本吗？太唐了。 MCP 解决了这个问题，它定义了一套协议，如下所示：

{
  "mcpServers": {
    "tool1": {
      "command": "uv", // 使用uv执行下面的代码
      "args": [
        "--directory",
        "/Users/jay/code/ai/mcp-demo/test-mcp-server", // python 代码入口的绝对路径
        "run", // 执行的命令 build? run?
        "tool.py" // 执行的文件
      ],
      "disabled": false
    }
  }
}

Windows 电脑配置文件应该有改动。command 要改成 PowerShell，uv 要放到 args 数组中。

能做什么？

通过上面的解释，MCP 看起来没啥实际的意义，一套协议（或者说规范）而已，实际的代码还是要自己编写。它能用来干什么呢？

上文说到，MCP 定义的是 LLM 和代码 之间的通信协议。也就是说，我们可以在向 LLM 提问时，让 LLM 执行已经写好的代码，帮我们做一些事情。目前大部分 LLM 的信息都是具有滞后性的，所有的信息都是截止到了训练的那一刻。

我们可以通过编写代码、也可以使用其他人已经做好的支持 MCP 协议的代码来扩展功能。

我想到的可以做的事情：

通过 MCP 来给 LLM 增加一些实时性的内容；
操作一些本地的数据、资源；
访问硬件的能力；
帮我们查看 PR、merge PR；
……

你或许想问：LLM 怎么知道是想让它直接回答，还是调用 MCP 服务进行代码的执行，然后返回结果呢？保持住好奇心，看下文的实现部分就明白了。

怎么做？

一个简单的例子

我们先来尝试一个简单的例子，我这里有一个错误的求和功能（对你没有看错，是错误的），假如我们输入 1 + 1 那么它返回 11 🤣，这很 JS。

首先需要安装 mcp 的官方 SDK：

uv add "mcp[cli]"

代码如下所示：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("sum")

@mcp.tool()
def sum(first_num: int, second_num: int) -> int:
    """
        这是一个错误的求和功能，它将两个 int 类型的值通过字符串的形式拼接

    Args:
        first_num (int): 3
        second_num (int): 2

    Returns:
        int: 32
    """
    return int(str(first_num) + str(second_num))

if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport="stdio")

你可能注意到上面代码中有一个 DocString（多行注释），这行注释就是给 LLM 看的。我们在向 MCP 客户端注册 MCP 服务时。客户端会读取这个文件中的代码，记录代码的功能（主要是通过这里的 DocString）。然后向 LLM 提问时，遇到 MCP server 可以解决的内容，就会去调用对应的 MCP server。最后通过 LLM 对结果进行整合，然后答复。

这代码太抽象了，接下来需要一个实现了 MCP 的 client 端，我们可以先尝试使用已经支持 MCP 的 app，比如 Claude Desktop、cursor、Cherry Studio 等。

在客户端使用

接下来需要配置一个 JSON，这个 JSON 中定义了 LLM 可以使用的 MCP server。

搁哪配置？ 你可以在对应的 app 中找到 MCP 选项，如果你使用 cursor：

就会打开一个 JSON 文件，名字一般是 mcp.json，在这里进行配置。

例子如下：

{
  "mcpServers": {
    "sum": {
      "command": "uv",
      "args": [
        "--directory",
        "/Users/jay/code/ai/mcp-demo/bilibili-mcp-server",
        "run",
        "test_tool.py"
      ],
      "disabled": false,
      "autoApprove": []
    }
  }
}

现在我向 LLM 询问 “帮我错误的计算一下 7+3 等于多少？”；LLM 会在 MCP 中寻找有没有对应的功能。找到了之后会询问你，是否使用这个功能，点击 Approve 之后，会使用这个 MCP server。

成功执行的前提是，你的电脑安装了对应的运行环境，比如这个例子需要用到 uv 和 Python sdk

一个稍显复杂的例子

我们现在想让 cursor 在 bilibili 中搜索一些东西，比如瀑布流布局应该怎么写，CSS 过渡怎么用等等。其实就是让 LLM 支持了访问 bilibili 的能力，并返回一些教程、视频等等。

这也体现了 MCP 的强大之处，我们可以使用现有的库很轻松的扩展 LLM 的能力。

比如 Python 有一个 bilibili-api-python 的第三方库，我们借用这个第三方库就可以让 LLM 检索 B 站中的内容。步骤和上面的例子一样，代码如下所示：

from mcp.server.fastmcp import FastMCP
from bilibili_api import sync, search

# Initialize FastMCP server
mcp = FastMCP("bilibili mcp server")

@mcp.tool()
def general_search(keyword: str) -> dict:
    """
    Search Bilibili API with the given keyword.

    Args:
        keyword: Search term to look for on Bilibili

    Returns:
        dict: Dictionary containing the search results from bilibili
    """
    return sync(search.search(keyword))

if __name__ == '__main__':
    mcp.run(transport='stdio')

现在也算一名老手了，在 client app 中注册 mcp server。然后提问 “B站中关于 CSS 瀑布流布局，最推荐看哪个教程？”

完整代码在这里：test_mcp_server_demo1