【无标题】

AI Agent学习 – MCP篇

MCP是什么

MCP（Model Context Protect，模型上下文协议）是一个开源标准，用于将人工智能应用与外部系统连接起来。
可以将MCP理解成USB端口，USB提供了连接电子设备的标准化方式，MCP对于AI应用来说也是如此，MCP可以连接claude code，cursor，vs等应用。

MCP Server核心概念

三大原语

• Tools：模型可调用的函数或者可以执行操作，如数据库查询，文件系统操作等。客户端向服务器端
• Resources：为应用提供上下文数据的数据源，如文件内容，数据库记录等。服务器端向客户端
• Prompts：用户可调用的模板，帮助结构化与语言模型的交互。服务端向用户
• Sampling：服务器向LLM发送补全请求。服务端向LLM
• Logging：服务器能够向客户端发送日志消息，以便进行调试和监控。服务端向客户端

MCP架构的主要参与者

MCP Host：协调和管理一个或多个 MCP 客户端的 AI 应用
MCP 客户端：一个组件，负责维护与 MCP 服务器的连接，并从该 MCP 服务器获取上下文供 MCP 主机使用
MCP 服务器：为 MCP 客户端提供上下文的程序

传输方式

• stdio：本地进程场景，客户端启动服务器进程，通过stdin/stdout通信
• http：远程服务场景，HTTP POST发送请求
• SSE：远程服务场景，已被HTTP取代

MCP使用

MCP生态有很多个服务器，可以直接在AI应用中使用已经定义好的mcp服务器，也可以自己定制mcp服务器。
Python 用 FastMCP 2.0 的装饰器 API，使用python开发一个MCP案例
首先需要部署环境：

python -m pip install uv  #安装uv，使用uv管理mcp
pip install fastmcp
uv init weather   #使用uv初始化一个mcp服务项目
uv add "mcp[cli]"   #添加mcp的依赖项

python代码如下：

"""
FastMCP quickstart example.
"""

from mcp.server.fastmcp import FastMCP

# 创建一个mcp实例
mcp = FastMCP("Demo", json_response=True)

# 定义tool，即该mcp能提供的功能
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

# 该mcp能获得的资源
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"

# 该mcp定义的提示词
@mcp.prompt()
def greet_user(name: str, style: str = "friendly") -> str:
    """Generate a greeting prompt"""
    styles = {
        "friendly": "Please write a warm, friendly greeting",
        "formal": "Please write a formal, professional greeting",
        "casual": "Please write a casual, relaxed greeting",
    }

    return f"{styles.get(style, styles['friendly'])} for someone named {name}."

if __name__ == "__main__":
    mcp.run()

在cursor中使用定制的mcp服务：
1.在cursor中添加mcp服务器

由于我已经添加了两个mcp，所以上面会显示添加的mcp，点击New MCP Server，跳转到mcp.json文件，然后填充mcp.json文件内容如下：

{
  "mcpServers": {
    "fastmcp_quickstart": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp",
        "path/fastmcp_quickstart.py"
      ]
    }
  }
}

即可看到添加的fastmcp_quickstart的mcp服务器。在cursor中调用实现的mcp服务器。
由于和llm的结果进行区分，因此修改了add的实现，实际fastmcp_quickstart的add功能代码为返回a + a + b：

然后在cursor中使用：

可以发现，计算结果是符合预期的，因此能够验证已经调用到自己定制的fastmcp_quickstart的mcp服务器