MCP(https://github.com/modelcontextprotocol)
MCP（模型上下文协议） 是一种专为 基于LLM的工具调用外部工具而设计的协议 ，
本质上是 LLM ↔ 工具之间的RPC（远程过程调用） 的一种安全且一致的处理方式，
是一种 轻量级的JSON-RPC标准 。
我是韩国人，不是中国人。但最近在韩国，如果不使用MCP，就会被认为是跟不上潮流的人，MCP非常火热。我的博客虽然喜欢写大多数人能享受的编程理论文章，但由于理论文章的资料整理与验证需要耗费大量时间，再加上最近因为体力劳动没有太多时间，并且考虑到概念理解上Python非常适合，因此我打算用Python的FastMCP快速实现一个MCP。
1.一般来说，MCP结构如下所示：
[用户提示]
↓
[LLM]
↓
生成 "tool_call" （MCP）
↓ [
工具服务器执行（如FastMCP等）]
↓
生成MCP响应 → 传递给LLM
↓
LLM生成最终响应
2.MCP协议格式
实际上，MCP = JSON-RPC 2.0的子集
（即遵循JSON-RPC标准，但仅提供MCP特定的工具调用方式）
| MCP字段 | 说明 |
|---|---|
|
| "2.0"（固定值） |
|
| 要调用的工具名称 |
|
| 传递给工具的参数（字典形式） |
|
| 调用标识符（自动递增等） |
|
| 工具的执行结果 |
基本结构
{"jsonrpc": "2.0","id": 1,"method": "tool_name","params": {"argument1": "value1","argument2": 42}
}2. 核心组成部分
1. tool_call (Claude → MCP服务器: 请求消息 )
当Claude判断需要调用工具时，会向MCP服务器发送以下的JSON-RPC 2.0请求消息 。
// Claude -> MCP服务器 (请求示例)
{"jsonrpc": "2.0","id": 123, // 请求标识符（由Claude生成，与响应匹配）"method": "search_nature_articles", // 调用的工具（函数）名称"params": { // 将传递给工具（函数）的参数（字典形式）"keyword": "quantum computing","max_results": 3 // 示例：附加参数}
}2. MCP Server (本地或远程工具执行器)
- Claude Desktop会在本地运行配置好的MCP服务器。
- 必须注册
tool_name（即method字段值），并将其绑定到可执行函数。 - 在Python中，FastMCP可以轻松实现这一点。
@mcp.tool()
def search_nature_articles(keyword: str, max_results: int = 3): # 与params匹配...3. MCP Response (MCP服务器 → Claude: 响应消息 )
- 工具（函数）在MCP服务器上执行后，其结果将以JSON-RPC 2.0响应消息 的形式返回给Claude。包括成功或失败（错误）两种情况。
// MCP服务器 -> Claude (成功响应示例)
{"jsonrpc": "2.0","id": 123, // 必须与请求消息中的id相同"result": "'quantum computing'相关论文3篇搜索结果:\n1. Title A...\n..." // 工具执行结果（字符串、数字、列表、对象等均可）
}// MCP服务器 -> Claude (错误响应示例)
{"jsonrpc": "2.0","id": 123, // 与请求id相同（如果无法识别，也可以为null）"error": { // 发生错误时包含'error'对象而不是'result'"code": -32000, // 示例：服务器错误代码"message": "Springer Nature API密钥认证失败" // 错误消息}
}为什么需要MCP？
用表格总结如下：
| 问题 | MCP的解决方案 |
|---|---|
| LLM无法执行代码 | 通过调用外部工具解决 |
| 结构化输入/输出困难 | 使用JSON-RPC实现一致的参数传递 |
| 工具错误处理困难 | 提供明确的错误响应 |
| 工具增多导致结构复杂 | 基于名称的路由 + 分离的服务器架构解决 |
| 要素 | 内容 |
| 协议名称 | MCP（模型上下文协议） |
| 技术基础 | JSON-RPC 2.0 |
| 目标 | 让LLM能够安全地调用外部工具并接收响应 |
| 执行方式 | 在本地服务器或本地进程中运行MCP兼容服务器 |
| 典型实现 | FastMCP（Python），server-filesystem（JS） |
| 通信对象 | Claude Desktop / Claude API |
本文将指导如何快速在 VS Code 环境中设置开发 Claude MCP 系统的步骤。
这是使用 FastMCP 构建 MCP 服务器并运行基于 Python 的工具所需的配置。
FastMCP 是一个完整的 Claude 专用 MCP 工具服务器实现。
FastMCP (Python) 不直接打开端口
-
FastMCP 不会直接打开 TCP 套接字或 HTTP 服务器。
-
相反，它通过
stdio（标准输入输出）与 Claude Desktop 进行通信 。 -
换句话说，Claude 内部会以
stdin/stdout的方式启动 MCP 进程来进行通信。
通常，许多示例中会有以下结构：
mcp_server.py
mcp_client.py这种结构仅用于练习或调试 JSON-RPC 协议，但并不会与 Claude 实际集成（仅用于测试目的）。
因此，为了实现与 Claude 的实际集成，使用 FastMCP 是最简单的方法之一。接下来我们将使用 FastMCP 实际构建一个 MCP。
总结
- FastMCP 是专为 Claude 设计的轻量级工具，避免了复杂的网络设置。
- 它通过标准输入输出 (
stdin/stdout) 与 Claude 桌面版通信。 - 使用 FastMCP 可以更高效地完成实际的 MCP 开发和集成。
1. 安装 VS Code
-
访问 https://code.visualstudio.com
-
下载并运行与操作系统对应的安装文件。
2. 安装 VS Code 及扩展
启动 VS Code 后，在左侧的扩展（Extensions）选项卡中搜索并安装以下内容：
-
Python (
ms-python.python) -
（可选）Pylance、IntelliCode（用于增强自动补全功能）
3. 创建并打开项目文件夹
- 在计算机上创建一个项目文件夹。在我的情况下，我将其命名为
PaperPort。
4. 虚拟环境设置
- 在 VSCode 菜单中选择 终端(Terminal) -> 新建终端(New Terminal)，即可在 VS Code 内打开终端。
- 在终端中输入以下命令，创建一个名为
.venv的虚拟环境
python -m venv .venv
# 或者 python3 -m venv .venv （根据系统不同）一定要用 '.venv' 吗？ : venv 模块本身对虚拟环境文件夹的名称没有特别限制。你可以使用任何你想要的文件夹名称 。不过，如果文件夹名称前加了点（.），在 Linux 或 macOS 等 Unix 系统中会被视为隐藏文件夹，而 .venv 是一种常见的命名约定。
激活虚拟环境 : 创建虚拟环境后，你需要将其“激活”才能使用。根据终端类型不同，激活命令略有差异。
- Windows (PowerShell):
-
.\.venv\Scripts\Activate.ps1 - Windows (Command Prompt - cmd):
-
.\.venv\Scripts\activate.bat - macOS / Linux (bash/zsh):
-
source .venv/bin/activate实际上，查看
.venv文件夹中的文件并执行相应的文件会更快。在我的情况下，生成了activate.bat文件，因此我执行了该文件。5. 设置所需的库
根据我对
fastmcp示例的搜索结果，requests库也是必需的，因此可以一起安装。
创建
requirements.txt文件： 将安装的库列表保存到文件中，这样以后在其他环境中可以轻松地进行相同的设置，或者与他人共享。由于我的环境可能会有所不同，因此我会创建这个文件。使用
requirements.txt安装依赖的命令：pip install -r requirements.txt6. 获取 API 密钥
- 创建一个
.env文件。.env是环境变量文件，用于连接实际的密钥。 - 直接将密钥写入 Python 文件的方式存在安全问题。
6-1. Claude API 访问方法
访问 https://www.anthropic.com/api 。
创建密钥。
由于我的密钥是私人的，为了不展示，我特意创建了一个新账户。
访问 https://dev.springernature.com/ 并创建密钥。
同样，我的密钥不会展示。
7. 编写 MCP 工具代码
- 在项目文件夹中创建一个以
.py结尾的 Python 文件。 - 我们的目标是创建一个 Nature 论文搜索工具，因此命名为
tool_nature.py。
from fastmcp import FastMCP
import requests
from urllib.parse import urlencode
import os
from dotenv import load_dotenv
import sys# 加载环境变量
load_dotenv()# 初始化 MCP 实例
mcp = FastMCP("Nature API Tool Server")# 定义常量
BASE_URL = "http://api.springernature.com/metadata/json"
API_KEY = os.getenv("NATURE_API_KEY")# 如果没有 API 密钥则立即退出
if not API_KEY:print("[FATAL] 环境变量 'NATURE_API_KEY' 未设置。", file=sys.stderr)raise RuntimeError("[CRITICAL] 环境变量 'NATURE_API_KEY' 未设置。请在 .env 或系统环境中注册密钥。")@mcp.tool()
def search_nature_articles(keyword: str, max_results: int = 3) -> str:"""使用 Nature（Open API）根据给定的关键字搜索论文标题和摘要。结果将以摘要形式返回。"""query_params = {"q": keyword,"api_key": API_KEY,"p": max_results}try:response = requests.get(f"{BASE_URL}?{urlencode(query_params)}")response.raise_for_status()data = response.json()records = data.get("records", [])if not records:return f"未找到关于 '{keyword}' 的结果。"output_lines = [f"\n 搜索结果： {keyword}"]for i, article in enumerate(records):title = article.get("title", "无标题")# 摘要类型安全处理abstract_raw = article.get("abstract", "无摘要")if isinstance(abstract_raw, dict):abstract = abstract_raw.get("p", "无摘要")else:abstract = abstract_rawurl_list = article.get("url", [])url = url_list[0].get("value") if url_list else "N/A"abstract_summary = (abstract[:400] + "...") if len(abstract) > 400 else abstractoutput_lines.append(f"\n{i+1}. {title}\n URL: {url}\n 摘要: {abstract_summary}")return "\n".join(output_lines)except requests.exceptions.RequestException as e:print(f"[ERROR] API 请求时发生错误: {e}", file=sys.stderr)return f"[ERROR] API 请求时发生错误: {e}"except Exception as e:print(f"[ERROR] 数据处理时发生错误: {e}", file=sys.stderr)return f"[ERROR] 数据处理时发生错误: {e}"# 启动 MCP 服务器if __name__ == "__main__":# --------------------------------------------------------------------------# [重要] 下面的 print 语句中的 'http://localhost:3333' 地址相关说明:# 1. 该地址仅为示例，不是实际的 FastMCP 服务器访问地址。# 2. 当使用 Claude Desktop 执行此脚本作为 MCP 服务器时，# FastMCP 不使用网络端口（HTTP），# 而是通过 stdio（标准输入输出）与 Claude Desktop 进行通信。# 3. 因此无法直接访问 'http://localhost:3333'。# 4. 该地址仅供参考，假设将来使用 FastAPI 构建网络服务器或扩展时，# 可将其视为占位符或示例。# --------------------------------------------------------------------------print(" 正在启动 Nature 工具服务器... http://localhost:3333")mcp.run()7-1 ## .vscode/launch.json 示例（用于调试）
{"version": "0.2.0","configurations": [{"name": "运行 MCP 工具","type": "python","request": "launch","program": "${workspaceFolder}/tool_nature.py","envFile": "${workspaceFolder}/.env"}]
}8. 配置 MCP 服务器
配置通过修改 claude_desktop_config.json 文件进行。
可以在以下路径创建该文件：
- Windows:
%APPDATA%\Claude\claude_desktop_config.json - MacOS:
~/Library/Application Support/Claude/claude_desktop_config.json
或者： 点击 Claude 桌面左上角菜单 - 文件 - 设置 - 开发者 - 编辑配置按钮。
8-1. 手动注册 MCP 服务器（修改配置文件 claude_desktop_config.json）
Claude Desktop 可以通过配置文件手动注册 MCP 服务器。
（示例是我的文件路径。）
{"mcpServers": {"nature": {"command": "Python 路径","args": ["py 文件所在的路径"]}}
}运行 tool_nature.py
9. 启动
首先需要在 VSCode 中运行 py 脚本。
然后可以在 Claude 桌面开发者界面看到正在运行的状态。
10. 现在可以做的事
摘要总结
Call tool search_nature_articles with keyword="感兴趣的领域关键词"URL 返回
search_nature_articles(keyword="感兴趣的领域关键词")获取两篇相关论文，并返回其摘要和 URL。
Bouns: 如果想在 "localhost:3333" 端口上通过 HTTP 接收请求，该怎么做？
这需要使用 FastAPI、Flask、aiohttp 等单独启动服务器 ，而不是使用 FastMCP：
from fastapi import FastAPI
from fastmcp import MCPMiddlewareapp = FastAPI()
app.add_middleware(MCPMiddleware, tools=[...])# 这样 FastAPI 就会在 http://localhost:3333 端口上监听请求
→ 这种方式适用于使用 transport="sse" 的情况。
→ 当前的 FastMCP 默认不使用这种方式。
平時上傳的文章性質與以往有很大的不同，因此感到有些遺憾。
我的博客文章通常面向所有語言的使用者，但最近發表了一些針對特定語言的內容，對此我感到對欣賞本博客的所有讀者有些抱歉。
最近因為忙於工地工作，沒有時間撰寫理論性的文章。
對期待我的讀者們表示歉意。
![mysql 配置文件中的[client]、[mysqld]、[mysqldump]和[mysql]区块的作用区别](http://pic.xiahunao.cn/mysql 配置文件中的[client]、[mysqld]、[mysqldump]和[mysql]区块的作用区别)
 | 第六周|过拟合问题)
