1基本概念
MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 推出的开源协议，旨在实现大型语言模型（LLM）与外部数据源和工具的无缝集成，用来在大模型和数据源之间建立安全双向的链接。
目标是成为 AI 领域的“HTTP 协议”，推动 LLM 应用的标准化和去中心化。
例如：AI 应用程序的 USB-C 端口。正如 USB-C 提供了一种将设备连接到各种外围设备和配件的标准化方式一样，MCP 也提供了一种将 AI 模型连接到不同数据源和工具的标准化方式。
MCP 遵循客户端-服务器架构，其中：
主机是发起连接的 LLM 应用程序（Claude for Desktop或其他 AI 工具）。
客户端在主机应用程序内部与服务器保持 1：1 连接，负责协议通信。
服务器供客户端访问，向客户提供上下文、工具和提示。同时由于 MCP Server 自己控制资源，不用把 API 密钥给 MCP Host，因此更加安全。
资源表示 MCP 服务器想要向客户端提供的任何类型的数据。这可以包括：文件内容、数据库记录、API 响应、实时系统数据、截图和图片、日志文件等更多内容。每个资源由唯一的 URI 标识，并且可以包含文本或二进制数据。
{uri:string;//Uniqueidentifierfortheresourcename:string;//Human-readablenamedescription?:string;//OptionaldescriptionmimeType?:string;//OptionalMIMEtype}MCP 中的提示是预定义的模板，可以：接受动态参数、上下文、链接多个交互 、指导特定工作流程、表面作为 UI 元素（如斜线命令）。
{name:string;//Uniqueidentifierforthepromptdescription?:string;//Human-readabledescriptionarguments?:[//Optionallistofarguments{name:string;//Argumentidentifierdescription?:string;//Argumentdescriptionrequired?:boolean;//Whetherargumentisrequired}]}MCP 中的工具允许服务器公开可由客户端调用并由 LLM 用来执行操作的可执行函数。工具的关键方面包括：
发现 tools/list：客户端可以通过端点列出可用的工具
调用：使用端点调用工具 tools/call，服务器执行请求的操作并返回结果
灵活性：工具范围从简单的计算到复杂的 API 交互
与资源一样，工具也由唯一名称标识，并可以包含说明来指导其使用。但是，与资源不同的是，工具表示可以修改状态或与外部系统交互的动态操作。
{name:string;//Uniqueidentifierforthetooldescription?:string;//Human-readabledescriptioninputSchema:{//JSONSchemaforthetool'sparameterstype:"object",properties:{...}//Tool-specificparameters}}采样是 MCP 的一项强大功能，允许服务器通过客户端请求 LLM 完成，从而实现复杂的代理行为，同时保持安全性和隐私性。这种人机交互设计确保用户可以控制 LLM 所看到和生成的内容。采样流程遵循以下步骤：
sampling/createMessage 服务器向客户端发送请求。
客户审核请求并可以修改。
来自 LLM 的客户样本。
客户检查完成情况。
客户端将结果返回给服务器。
{messages: [{role: "user" | "assistant",content: {type: "text" | "image",// For text:text?: string,// For images:data?: string, // base64 encodedmimeType?: string}}],modelPreferences?: {hints?: [{name?: string// Suggested model name/family}],costPriority?: number, // 0-1, importance of minimizing costspeedPriority?: number,// 0-1, importance of low latencyintelligencePriority?: number// 0-1, importance of capabilities},systemPrompt?: string,includeContext?: "none" | "thisServer" | "allServers",temperature?: number,maxTokens: number,stopSequences?: string[],metadata?: Record<string, unknown>}
由于 LLM 难以直接访问实时数据源（如企业内部数据库、实时文档、在线服务等），开发者通常需要为每个应用场景定制专用的适配器或插件，这既耗时费力，又缺乏可扩展性。
标准化：MCP 希望通过定义一个标准化的协议，使开发者在无需重复开发的情况下快速连接模型与数据源，提升模型的通用性和落地效率，降低了模型与多样化数据源之间的连接复杂度。
灵活性：MCP 通过帮助 LLM 直接与数据和工具集成，保证 LLM 切换的灵活性。
开放性：其作为开放协议，允许任何开发者为其产品创建 MCP 服务器。有助于快速扩展生态，形成类似 HTTP 和 REST API 的网络效应，推动模型与应用场景的融合。
安全性：协议内置了严格的权限控制机制，数据源的所有者始终掌握访问权。模型在获取数据时需要经过明确授权，避免数据泄露和滥用问题。
MCP工具调用流程如下：
用户发送问题 -> LLM 分析可用工具 -> 客户端通过 MCP 服务器来执行所选工具 -> 将结果发送回 LLM -> LLM根据工具返回结果和用户问题进行回答。
（流程有点像检索增强生成，把检索的部分替换成了调用工具）。
这里示例包含两个，一个是结合我们当前业务初步实现的工具以及官网 github 给出的示例。
我们发现简单的使用 RAG 往往无法获取实时信息，因此按照官网流程初步构建了一个结合爬虫的 MCP 工具。
客户端：
1、首先导入对应的 FastMCP 类（使用 字符串自动生成工具定义，从而轻松创建和维护 MCP 工具，这里的效果后面会展示）以及我们需要获取实时信息的网址（这里是 PoE2 的官网）。
fromtypingimportAnyfrommcp.server.fastmcpimportFastMCP#InitializeFastMCPservermcp=FastMCP("
athofExile2hotfix")target_url="https://www.pathofexile.com/forum/view-forum/2212"2、工具的核心功能函数 - helper 函数（实际上这里就是想要实现的功能，下面只是一个简单的爬虫函数用于示例）。
asyncdefpoe2_hotfix(url:str):headers={'User-Agent':'Mozilla/5.0(WindowsNT10.0;Win64;x64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/58.0.3029.110Safari/537.3'}response=requests.get(url,headers=headers)asyncwithhttpx.AsyncClient()asclient:try:response=awaitclient.get(url,headers=headers,timeout=30.0)soup=BeautifulSoup(response.text,'html.parser')#查找包含帖子内容的表格table=soup.find('table')result_text=""iftable:forrowintable.find_all('tr'):cells=row.find_all('td')ifcells:forcellincells:result_text+=cell.get_text(strip=True)+'\n'result_text+='-'*50+'\n'#分隔线else:print('未找到表格元素')returnresult_textexceptException:returnNone3、添加 mcp 类中的工具函数（执行处理程序，负责实际执行每个工具的逻辑），每个工具函数对应一个特定的工具。
@mcp.tool()asyncdeffind_poe2_hotfix()->str:hotfix_data=awaitpoe2_hotfix(target_url)ifnothotfix_data:return"Unabletofindanyhotfixinoffice"returnhotfix_data
4、最后初始化并运行服务器，到这里就可以 server 端的工作就算完成了。
if__name__=="__main__":#Initializeandruntheservermcp.run(transport='stdio')
5、通过 MCP host 进行测试，这里采用的是官方文档中构建 LLM client 的方法（也可以选择 Clauder for Desktop，只需要将之前的服务器添加到 key 中，相当于告诉 host 这里有一个用于 PoE2 补丁版本查询的 MCP 服务器）。
Quickstart - For Client Developers（https://modelcontextprotocol.io/quickstart/client）
实现了客户端初始化，服务器连接， 查询处理，交互式界面以及资源管理。
6、测试
安装 MCP 依赖后可以在命令行使用 MCP Inspector 对其进行测试：
pipinstallmcpmcpdevserver.py
在 MCP Inspector 里面的工具页面就可以看到新建立的工具，运行工具后可以看到工具返回的结果。
7、效果展示
在命令行将客户端连接到对应的工具
uvrunclient.pypoe2hotfix.py
询问你是谁的问题时，LLM 会根据工具开头 FastMCP 类的输入分析并回答。
可以看到当询问最新补丁时可以准确回答 PoE2 的最新补丁版本以及时间。
而当询问不相关问题时 LLM 会拒绝回答。
8、思考
优化 prompt 以及添加更多工具来实现更复杂的功能，比如使用更优的爬虫工具，以及通过深度爬虫爬取对应补丁的帖子，这样在回答的最新补丁版本号的同时返回具体内容。
完整代码详见：https://github.com/modelcontextprotocol/python-sdk/tree/main/examples/clients/simple-chatbot
逻辑流程
1、工具集成：
a.从MCP服务器动态发现工具b.工具描述自动包含在系统提示中c.工具执行通过标准化MCP协议处理
2、运行时流程：
a.收到用户输入b.输入与可用工具的上下文一起发送到LLMc.LLM响应解析：如果是工具调用→执行工具并返回结果如果是直接响应→返回给用户d.工具结果发送回LLM进行解释e.最终响应呈现给用户
服务器侧工具发现：服务器侧调用 list_tools 函数。
all_tools=[]forserverinself.servers:tools=awaitserver.list_tools()all_tools.extend(tools)
工具函数定义：
def format_for_llm(self) -> str:"""Format tool information for LLM.Returns:A formatted string describing the tool."""args_desc = []if "properties" in self.input_schema:for param_name, param_info in self.input_schema["properties"].items():arg_desc = (f"- {param_name}: {param_info.get('description', 'No description')}")if param_name in self.input_schema.get("required", []):arg_desc += " (required)"args_desc.append(arg_desc)return f"""Tool: {self.name}Description: {self.description}Arguments:{chr(10).join(args_desc)}"""
chatbot prompt：
system_message=("Youareahelpfulassistantwithaccesstothesetools:\n\n"f"{tools_description}\n""Choosetheappropriatetoolbasedontheuser'squestion.""Ifnotoolisneeded,replydirectly.\n\n""IMPORTANT:Whenyouneedtouseatool,youmustONLYrespondwith""theexactJSONobjectformatbelow,nothingelse:\n""{\n"'"tool":"tool-name",\n''"arguments":{\n''"argument-name":"value"\n'"}\n""}\n\n""Afterreceivingatool'sresponse:\n""1.Transformtherawdataintoanatural,conversationalresponse\n""2.Keepresponsesconcisebutinformative\n""3.Focusonthemostrelevantinformation\n""4.Useappropriatecontextfromtheuser'squestion\n""5.Avoidsimplyrepeatingtherawdata\n\n""Pleaseuseonlythetoolsthatareexplicitlydefinedabove.")| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |