本文提供了一个完整的MCP Server 实现示例，通过 Python 代码和Cline测试，展示了 MCP 如何用于增强 AI 应用的能力，特别是Tool 能力的集成和调用。
1. 常见AI应用对MCP Server能力的支持情况 2. 代码实现MCP Server 2.1 配置环境 2.2 新建MCP Server : hello_mcp_server.py 3. 使用Cline测试Server 3.1 Cline连接MCP Server的相关源码
--领取学习资料大礼包，见文末
在《一文说清楚让LangChain大佬“开战”的MCP是什么？》中详细的介绍了MCP.
MCP为连接AI应用与数据源提供了一个通用的开放标准，用单一协议取代了碎片化的集成。通过这个机制， 能力小的AI应用会变成更强的应用
在整个MCP的架构中，我们的AI应用（如Cline）作为MCP Hosts，通过内部的MCP Client去接入不同的MCP Server，从而达到增强能力的目的
根据MCP协议，当AI应用连接到MCP Server后，能够获取多种能力，比如Tool，Prompts、Resources等
详细内容见：一文说清楚让LangChain大佬“开战”的MCP是什么？
1. 常见AI应用对MCP Server能力的支持情况
目前MCP还在发展过程中，我们可以通过官方看到常见AI应用目前可以使用的能力情况。
应用对于Tool能力的使用，目前是最广泛的：
2. 代码实现MCP Server
我们要实现一个简单的server，他将有一个tool，可以通过订单号查询物流信息。
这个server在整个架构中的位置，就是下图中绿色的块：
2.1 配置环境
首先，让我们安装 uv 并设置我们的 Python 项目和环境：
安装uv工具（windows）
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
重新开启一个终端，并确认uv已经安装成功
PS G:\workspace\idea\py\hello-mcp-server> uv version
uv 0.6.6 (c1a0bb85e 2025-03-12)
❝在macos/linux环境中安装uv
curl -LsSf https://astral.sh/uv/install.sh | sh
❝uv是一个用 Rust 编写的极快的 Python 包和项目管理器。
官网：https://github.com/astral-sh/uv
创建项目，初始化环境：
# 初始化项目
uv init hello-mcp-server
# 创建Python虚拟环境
cd hello-mcp-server
uv venv
# 激活虚拟环境
.venv\Scripts\activate
# 安装依赖
uv add mcp[cli]
2.2 新建MCP Server : hello_mcp_server.py
我们新建一个Server，并增加tool来模拟通过订单号查询物流信息的功能
2.2.1 定义一个server
导入包并定义mcp实例
"""
pip install mcp[cli]
"""
from mcp.server.fastmcp import FastMCP
from pydantic import Field
# Initialize FastMCP server
mcp = FastMCP("hello-mcp-server", log_level="ERROR")
2.2.2 定义工具
通过@mcp.tool()注解，把一个函数注册为Tool
# 注册工具的装饰器，可以很方便的把一个函数注册为工具
@mcp.tool()
asyncdef query_logistics(order_id: str = Field(description="订单号")) -> str:
"""查询物流信息。当用户需要根据订单号查询物流信息时，调用此工具
Args:
order_id: 订单号
Returns:
物流信息的字符串描述
"""
# 统一的物流信息数据
tracking_info = [
{"time": "2024-01-20 10:00:00", "status": "包裹已揽收", "location": "深圳转运中心"},
{"time": "2024-01-20 15:30:00", "status": "运输中", "location": "深圳市"},
{"time": "2024-01-21 09:00:00", "status": "到达目的地", "location": "北京市"},
{"time": "2024-01-21 14:00:00", "status": "派送中", "location": "北京市朝阳区"},
{"time": "2024-01-21 16:30:00", "status": "已签收", "location": "北京市朝阳区三里屯"}
]
# 格式化物流信息
result = f"物流单号：{order_id}\n\n物流轨迹：\n"
for item in tracking_info:
result += f"[{item['time']}] {item['status']} - {item['location']}\n"
return result
2.2.3 使用 MCP Inspector 进行测试
MCP Inspector 是一个用于测试和调试 MCP 服务器的交互式开发工具。
https://modelcontextprotocol.io/docs/tools/inspector
启动MCP Inspector：
执行命令：mcp dev hello_mcp_server.py
(hello-mcp-server) PS G:\workspace\idea\py\hello-mcp-server> mcp dev hello_mcp_server.py
Starting MCP inspector...
Proxy server listening on port 3000
? MCP Inspector is up and running at http://localhost:5173 ?
通过浏览器打开http://localhost:5173
连接MCP Server:
点击“Connect”启动MCP Server并建立连接
1.使用标准输入输出作为传输层
2.使用命令是uv
3.uv命令的参数
查询所有的Tool：
1.点击“Tools”能力标签
2.点击“List Tools”，查询server中所有的tool（调用了协议的tools/list 端点）
3.显示出所有的tool
执行Tool：
1.选择需要测试的tool
2.输入入参：ORDER-123456，点击“Run Tool”（调用了协议的tools/call 端点）
3.Tool成功返回结果
3. 使用Cline测试Server
打开Cline，点击上边的“MCP Server”
选择“Installed”
点击“Configure MCP Servers”
右边会弹出配置文件
将自己刚写的服务器相关配置填进去，保存
"hello-mcp-server": {
"name": "第一个MCP服务",
"key": "hello-mcp-server",
"command": "uv",
"args": [
"--directory",
"G:\\workspace\\idea\\py\\hello-mcp-server\\",
"run",
"--with",
"mcp",
"mcp",
"run",
"hello_mcp_server.py"
],
"disabled": false,
"autoApprove": []
}
整个完整命令相当于：
uv --directory G:\workspace\idea\py\hello-mcp-server\ run --with mcp mcp run hello_mcp_server.py
分为3段：
uv --directory G:\workspace\idea\py\hello-mcp-server\指定工作目录
run --with mcp运行时必须要有mcp包被安装
mcp run hello_mcp_server.py使用mcp启动server
左边会生成对应的服务列表，点击“Done”退出
在Cline对话框中输入提示词：查一下订单为“ORDER-123456”的物流信息
Cline开始调用MCP Server，点击“Approve”同意
MCP Server调用成功
3.1 Cline连接MCP Server的相关Client源码
Cline(相当于MCP架构中的Host)源码中，MCP相关的代码在src/services/mcp/McpHub.ts中，MCP Clinet连接MCP Server的代码在connectToServer:
private async connectToServer(name: string, config: StdioServerParameters): Promise<void> {
...
try {
// 创建新的MCP客户端实例，设置客户端名称和版本信息
const client = new Client(
{
name: "Cline",
version: this.providerRef.deref()?.context.extension?.packageJSON?.version ?? "1.0.0",
},
{
capabilities: {}, // 客户端没有给服务端暴露能力
},
)
// 创建标准输入输出传输实例，配置命令、参数和环境变量
// 这个是我们配置文件的内容
const transport = new StdioClientTransport({
command: config.command,
args: config.args,
env: {
...config.env,
...(process.env.PATH ? { PATH: process.env.PATH } : {}),
},
stderr: "pipe",
})
......
// 启动传输层，建立实际的进程间通信通道
await transport.start()
...
// 建立MCP客户端连接
// 连接成功后更新服务器状态为已连接，清除错误信息
// 初始化并获取服务器提供的工具和资源列表
await client.connect(transport)
connection.server.status = "connected"
connection.server.error = ""
// 初始化获取工具资源列表
connection.server.tools = awaitthis.fetchToolsList(name)
connection.server.resources = awaitthis.fetchResourcesList(name)
connection.server.resourceTemplates = awaitthis.fetchResourceTemplatesList(name)
} catch (error) {
......
}
}
到目前为止我们实现了一个能提供Tool能力的MCP Server
