自主构建MCP，轻松实现云端部署！ - 链载Ai

本文以阿里云百炼上的工作流为例，将其封装成MCP服务并部署到阿里云百炼，随后引入智能体中，从而可以在智能体内使用自定义的MCP服务。今天我们先介绍其中一种方式。

在电脑上创建一个文件夹，名称可自定义。例如，我将其命名为bailian-mcp-workflow-server。

你可以使用VSCode打开该文件夹，或者直接通过命令行进入此文件夹进行操作。

1.1、在命令行当中运行

1.2、在package.json的同级下创建tsconfig.json

1.3、同级目录下创建index.ts，内容为空就行。

1.4、设置好上述内容之后我们安装一下对应的依赖。

1.1、在官方文档中，查看应用调用的API

查看应用调用API参考文档:https://bailian.console.aliyun.com/?tab=api#/api/?type=app，官方API实现对百炼应用的调用如下：

1.2、将应用的API封装为MCP应用，参考如下代码

#!/usr/bin/env node
import{Server}from"@modelcontextprotocol/sdk/server/index.js";import{StdioServerTransport}from"@modelcontextprotocol/sdk/server/stdio.js";import{CallToolRequestSchema,ListToolsRequestSchema,}from"@modelcontextprotocol/sdk/types.js";constMARKET_RESEARCH_ASSISTANT= {name:"market_research_tool",description: "This is an intelligent market research report generation assistant, specifically designed to efficiently and professionally build research plans.",inputSchema: { type:"object", properties: {  query: {   type:"string",   description:"Search query (max 400 chars, 50 words)"   }  }, required: ["query"], },};// Server implementationconstserver =newServer(  {  name:"bailian-mcp-workflow-server",  version:"0.1.0",  },  {  capabilities: {   tools: {},   },  });// Check for API keyconstDASHSCOPE_API_KEY= process.env.DASHSCOPE_API_KEY!;if(!DASHSCOPE_API_KEY) {console.error("Error: DASHSCOPE_API_KEY environment variable is required"); process.exit(1);}constAPP_ID= process.env.APP_ID!;if(!APP_ID) {console.error("Error: APP_ID environment variable is required"); process.exit(1);}asyncfunctionperformWebMarketResearch(query: any){consturl ='https://dashscope.aliyuncs.com/api/v1/apps/'+APP_ID+'/completion';// 构造请求体x`x`x`x`constrequestBody = { "input": {   "prompt": query  }, "parameters": {}, "debug": {} };constresponse =awaitfetch(url, { method:'OST',// 修改为 POST 请求 headers: {  'Content-Type':'application/json',// 指定请求体为 JSON 格式  'Authorization':"Bearer "+DASHSCOPE_API_KEY  }, body:JSON.stringify(requestBody)// 将请求体序列化为 JSON 字符串 });
if(!response.ok) {  thrownewError(`Bailian API error{response.status}${response.statusText}\n${awaitresponse.text()}`); }constdescriptionsData =awaitresponse.json();// 解析响应 JSON 数据conststrjson =JSON.stringify(descriptionsData)returnstrjson;}// Tool handlersserver.setRequestHandler(ListToolsRequestSchema,async() => ({tools: [MARKET_RESEARCH_ASSISTANT],}));server.setRequestHandler(CallToolRequestSchema,async(request) => {try{ const{ name,arguments: args } = request.params; if(!args) {   thrownewError("No arguments provided");  } switch(name) {  case"market_research_tool": {   const{ query } = args;   constresults =awaitperformWebMarketResearch(query);   return{    content: [{type:"text",text: results }],    isError:false,    };   }  default:   return{    content: [{type:"text",text:`Unknown tool{name}`}],    isError:true,    };  } }catch(error) { return{  content: [    {    type:"text",    text:`Error{errorinstanceofError? error.message :String(error)}`,    },   ],  isError:true,  }; }});asyncfunctionrunServer(){consttransport =newStdioServerTransport();awaitserver.connect(transport);console.error("Bailian Mcp Workflow Server running on stdio");}runServer().catch((error) =>{console.error("Fatal error running server:", error); process.exit(1);});

1.3、解释一下上述代码

代码首先创建了一个Server实例，该实例基于@modelcontextprotocol/sdk/server模块。服务器的配置如下：

为了确保服务器能够正常运行，代码检查了两个关键环境变量：

MARKET_RESEARCH_ASSISTANT是一个描述市场研究工具的对象，包含以下内容：

server.setRequestHandler(ListToolsRequestSchema, ...)方法，服务器向客户端提供支持的工具列表：

当客户端请求工具列表时，服务器会返回MARKET_RESEARCH_ASSISTANT的定义。

利用fetch发起POST请求，调用百炼API接口并获取相应返回数据。若想将其他API接口封装为MCP，可参考代码中的requestBody，于此设置自定义请求参数。获取到返回数据后，可进行处理，亦可直接返回，因为在百炼中会自动处理返回的JSON，将其转化为便于用户阅读的Markdown格式。

1.4、本机通过Cline联调测试

APP_ID 百炼的工作流应用ID，具体工作流是做什么的您可以自定义。

系统会提示你输入用户名、密码和邮箱地址。如果登录成功，你会看到类似以下的输出。

在发布之前，建议检查你选择的包名是否已经被占用。你可以访问 npmjs.com 并搜索你的包名，或者直接尝试发布。

如果包名已被占用，你需要更改 package.json 中的 name 字段为一个唯一的名称。

百炼未来将集成工作流的MCP服务，用户只需在平台中进行简单配置，即可将工作流转化为MCP服务，并引入智能体。