MCP 协议实战：用 50 行代码让你的 AI 应用接上任意工具

最近在 Hacker News 上，有个讨论热度居高不下："MCP is the HTTP of AI"。

如果你还没听过 MCP，别慌。简单说，它解决的是一个很现实的问题：

怎么让 AI 模型安全、标准化地调用外部工具？

以前每家的实现都不一样。OpenAI 有 Function Calling，LangChain 有自己的 Tool 抽象，各种 Agent 框架也各搞一套。这就导致生态碎片化——你在 ChatGPT 里定义的工具，换到 Claude 就得重写。

MCP 的目标就是统一这件事。

1. MCP 是什么？

MCP 全称 Model Context Protocol，由 Anthropic 在2024年底开源。

它定义了一套标准化的通信协议，让 AI 应用（Client）可以与外部能力提供方（Server）进行交互。这些能力可以是：

• 工具 (Tools)：执行某个操作，比如发邮件、查天气
• 资源 (Resources)：读取某份数据，比如文件内容、数据库记录
• 提示词 (Prompts)：预定义的对话模板

架构很简单：

┌─────────────────┐      MCP Protocol      ┌─────────────────┐
│                 │  ◄─────────────────►  │                 │
│   AI Client     │      (JSON-RPC)        │   MCP Server    │
│  (Claude, etc.) │                        │   (你来实现)     │
│                 │                        │                 │
└─────────────────┘                        └─────────────────┘

通信基于 JSON-RPC 2.0，可以跑在 stdio、HTTP SSE 等传输层上。

2. 实战：从零实现一个文件管理 MCP Server

说再多不如写代码。我们来实现一个最简单的 MCP Server，提供两个能力：

1. list_files：列出指定目录的文件
2. read_file：读取指定文件的内容

Step 1: 安装依赖

pip install mcp

Step 2: 编写 Server

创建 file_server.py：

import os
from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent

# 初始化 MCP Server
app = Server("file-manager")

# 定义工具：列出目录文件
@app.tool()
async def list_files(directory: str) -> list[TextContent]:
    """
    列出指定目录下的所有文件和文件夹。
    
    Args:
        directory: 要列出的目录路径
    """
    try:
        items = os.listdir(directory)
        result = "n".join(items) if items else "目录为空"
        return [TextContent(type="text", text=result)]
    except FileNotFoundError:
        return [TextContent(type="text", text=f"错误：目录 {directory} 不存在")]
    except PermissionError:
        return [TextContent(type="text", text=f"错误：无权限访问 {directory}")]


# 定义工具：读取文件内容
@app.tool()
async def read_file(file_path: str) -> list[TextContent]:
    """
    读取指定文件的文本内容。
    
    Args:
        file_path: 要读取的文件路径
    """
    try:
        with open(file_path, "r", encoding="utf-8") as f:
            content = f.read()
        # 限制返回长度，避免 token 爆炸
        if len(content) > 10000:
            content = content[:10000] + "n...[内容已截断]"
        return [TextContent(type="text", text=content)]
    except FileNotFoundError:
        return [TextContent(type="text", text=f"错误：文件 {file_path} 不存在")]
    except Exception as e:
        return [TextContent(type="text", text=f"错误：{str(e)}")]


# 启动 Server
async def main():
    async with stdio_server() as (read_stream, write_stream):
        await app.run(
            read_stream,
            write_stream,
            app.create_initialization_options()
        )

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

Step 3: 配置到 Claude Desktop

如果你用的是 Claude Desktop，在配置文件 claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "file-manager": {
      "command": "python",
      "args": ["/path/to/file_server.py"]
    }
  }
}

重启 Claude Desktop，你会在对话框里看到一个新的工具图标。

现在你可以直接对 Claude 说：

Claude 会自动调用你写的 list_files 工具，返回结果。

3. 进阶：添加写入能力

读取不够？加个写入功能：

@app.tool()
async def write_file(file_path: str, content: str) -> list[TextContent]:
    """
    将内容写入指定文件。如果文件不存在会创建。
    
    Args:
        file_path: 目标文件路径
        content: 要写入的内容
    """
    try:
        # 安全检查：限制只能写入特定目录
        allowed_dirs = ["/tmp", os.path.expanduser("~/mcp-sandbox")]
        if not any(file_path.startswith(d) for d in allowed_dirs):
            return [TextContent(
                type="text", 
                text=f"安全限制：只能写入 {allowed_dirs} 目录"
            )]
        
        os.makedirs(os.path.dirname(file_path), exist_ok=True)
        with open(file_path, "w", encoding="utf-8") as f:
            f.write(content)
        return [TextContent(type="text", text=f"成功写入 {file_path}")]
    except Exception as e:
        return [TextContent(type="text", text=f"写入失败：{str(e)}")]

注意那个安全检查。永远不要让 AI 无限制地写入文件系统——这是最基本的安全原则。

4. 为什么 MCP 会成为标准？

几个原因：

1. Anthropic 的背书：作为 Claude 的东家，Anthropic 有足够的影响力推动这个标准。
2. 协议足够简单：JSON-RPC 是成熟的协议，没有发明新轮子。
3. 生态正在起势：Cursor、Cline、Sourcegraph 等主流开发工具都在接入。
4. 解决了真痛点：以前每个工具都要写适配器，现在写一次 MCP Server，所有 Client 都能用。

5. 实用 Tips

1. 调试用 MCP Inspector：官方提供了 npx @modelcontextprotocol/inspector 工具，可以可视化测试你的 Server。

2. 错误处理要充分：AI 会以各种意想不到的方式调用你的工具。边界情况一定要处理好。

3. 限制 token 消耗：返回结果太长会浪费 token。像上面代码里一样做截断。

4. 考虑并发：如果你的 Server 要支持多个 Client 同时调用，记得处理好异步和锁。

6. 现成的 MCP Server 推荐

不想从零写？这些官方和社区的 Server 可以直接用：

写在最后

MCP 现在还很年轻，协议本身也在快速迭代。

但它代表的方向是确定的：AI 应用需要一个标准化的方式接入外部世界。

如果你正在做 AI 相关的开发，现在花半天时间了解 MCP，绝对不亏。

代码就这么几十行，周末可以玩起来。

Reference:

• MCP 官方文档: modelcontextprotocol.io
• Anthropic MCP GitHub 仓库
• Hacker News - MCP Discussion