MCP协议入门：从概念到天气服务实战开发全解析

什么是MCP：大模型的"USB接口"

MCP（Model Context Protocol，模型上下文协议）是由Anthropic推出的一种开放标准，目标是解决大模型与外部数据源、工具之间的通信问题。在没有统一标准之前，各家公司的API实现五花八门——有的用JSON，有的用XML，还有的采用WebService，大模型想调用这些工具时兼容性非常麻烦。

MCP的本质是一套标准化的调用协议。有了它之后，大模型接入不同工具时可以使用相同的协议方式去调用，仅在参数上存在差异，发起请求、获取报文等环节都是标准化的。这让AI应用能够更高效、更安全地访问和操作本地及远程数据，为AI应用提供了"连接万物"的接口。

官方文档里有一个贴切的比喻：MCP就像电脑上的USB接口。USB提供了标准化的方式将鼠标、键盘等设备接入电脑，而MCP则提供标准化方式将AI模型连接到不同的数据源与工具。目前主流的模型提供商基本都已支持MCP。

MCP、Function Calling与Agent的关系

这三个概念容易混淆，有必要理清。Function Calling是AI模型调用函数的一种底层机制；MCP是一种标准协议，让AI模型与各类API无缝交互；而AI Agent则是一个自主运行的智能系统，它利用Function Calling和MCP来分析并执行任务，最终实现特定目标。简单说，Function Calling是能力，MCP是规范，Agent是应用形态。

Function Calling（函数调用）是目前主流大模型普遍支持的一种能力：模型在生成回复时，可以输出一段结构化的"意图"，声明自己想调用哪个函数、传入什么参数，由外部程序实际执行后再将结果返回给模型。这一机制由OpenAI率先在GPT-4中正式推出，随后Claude、Gemini、DeepSeek^广告等模型相继跟进。Function Calling本质上是模型与宿主程序之间的"意图传递"，但它只规定了模型侧的输入输出格式，并不规定工具服务端该如何实现。MCP正是在Function Calling之上补充了那层缺失的"服务端规范"——它定义了工具如何注册、参数如何描述、结果如何返回，让同一个工具服务可以被不同模型、不同宿主复用，而无需为每个模型单独适配。

MCP的核心架构

理解MCP开发，先要搞清楚它的三层架构。

MCP主机（Host）：发起MCP请求的客户端程序。比如Claude Desktop桌面应用，或者Cursor、VSCode这类带AI功能的IDE，都可以作为MCP主机。我们在其中对话聊天时，背后就是主机在驱动调用。

MCP客户端（Client）：运行在主机内部，与MCP服务端保持一对一的长连接。目前主流IDE工具内都会内置一个MCP Client，用来与Server建立持续的数据传输通道。

MCP服务端（Server）：为客户端提供上下文、工具和提示词信息。比如一个天气查询的MCP服务器，需要具备查询天气的工具，并给出参数说明。Server既可以访问本地资源（如文件、数据库），也可以连接远程资源（如天气API）。

MCP结果会被发送回大模型

客户端的工作流程

MCP Client充当了大模型与MCP Server之间的桥梁，其工作流程可以拆成几步：Client先从Server获取可用工具列表；再将用户查询连同工具描述通过Function Calling一起发给大模型；大模型判断是否使用工具以及用哪些工具；如需调用，Client通过Server执行相应工具；工具返回的结果（通常是JSON报文）再交给大模型做总结归纳，最终输出用户能看懂的自然语言。

这个"调用—返回—归纳"的闭环，是MCP实用价值的核心。原始的JSON天气数据用户看不懂，正是靠大模型的总结能力，才能把它转化成"北京多少度、什么天气"这样的可读内容。

两种通信机制与服务端功能

MCP协议支持两种通信机制，均采用JSON-RPC 2.0格式传输消息。

stdio（标准输入输出）：本地通信方式，适合客户端与服务器运行在同一台机器上，效率较高。
SSE + HTTP：用于Web形式的远端通信，适合跨网络、需要访问远程资源或分布式部署的场景。

MCP服务端作为关键组件，主要提供三类功能：资源（类似文件的数据，可被客户端读取，如API响应、文件内容）、工具（可被大模型调用的函数，需用户批准）、提示词（预先编写的模板，帮助完成特定任务）。

JSON-RPC 2.0是一种轻量级的远程过程调用（RPC）协议，消息格式基于JSON，无状态、传输层无关，既可以走HTTP，也可以走WebSocket或stdio等任意字节流。一条典型的请求消息包含四个字段：jsonrpc（固定值"2.0"）、method（要调用的方法名）、params（参数对象）和id（用于匹配响应的标识符）。MCP选用JSON-RPC 2.0作为消息格式，意味着它天然支持异步、批量调用，也便于调试——用任何能发送JSON的客户端都可以手动构造请求进行测试。SSE（Server-Sent Events）是一种基于HTTP的单向推送技术，服务端可以持续向客户端推送事件流，MCP将其与HTTP POST结合，实现了客户端发请求、服务端异步推回结果的双向交互，适合跨网络的远程工具场景。

实战：用Python开发天气查询MCP服务

下面进入动手环节，目标是基于Claude Desktop作为客户端，开发一个查询天气的MCP Server。

环境准备

先决条件包括：Python 3.10或更高版本，安装Claude Desktop，以及安装UV这个Python包管理工具。UV是一站式的管理工具，能方便地管理Python包。安装UV需打开PowerShell执行安装命令，装完后记得设置环境变量，这样重启后依然能识别uv命令。

UV是由Astral团队（也是Python代码检查工具Ruff的开发者）用Rust编写的新一代Python包管理工具，目标是替代pip、pip-tools、virtualenv、poetry等工具的组合。其核心优势在于速度极快（依赖解析和安装比pip快10-100倍）以及将项目初始化、虚拟环境管理、依赖锁定、脚本运行整合为统一命令行接口。uv init会生成项目骨架和pyproject.toml，uv venv在项目目录下创建隔离的虚拟环境，uv add在添加依赖的同时自动更新锁文件，uv run则无需手动激活虚拟环境即可在隔离环境中执行脚本。对于MCP Server开发，使用UV的另一个好处是Claude Desktop配置文件中可以直接用uv run启动脚本，避免了系统Python环境与项目依赖冲突的问题。

创建项目与编写Server

创建流程大致如下：

uv init weather        # 初始化项目
cd weather
uv venv                # 创建虚拟环境
uv add "mcp[cli]" httpx # 安装MCP相关包

随后新建weather.py文件，核心是创建一个FastMCP实例，访问api.weather.gov接口来获取天气信息。代码中声明了两个MCP工具：一个根据城市名获取天气预报，另一个根据经纬度获取定位信息。

传入纽约等城市名获取天气

在Claude Desktop中配置服务

打开Claude Desktop的 File → Settings → Developer，点击 Edit Config 编辑claude_desktop_config.json文件，将MCP服务配置进去——关键是把运行目录配置正确，用UV命令方式运行weather.py脚本。配置完成后需要完全退出并重启Claude，服务才会进入running状态。

可以尝试其他案例

验证调用

重启后在聊天界面能看到工具图标，集成的两个工具就在其中。输入"What's the weather in 纽约"，Claude会先用大模型把纽约的经纬度分析出来，封装成参数调用get_forecast函数，并在调用前请求用户授权。返回的是一段英文JSON，加上"请用中文输出"后，大模型就会把一周的天气整理成可读的中文内容。

用MCP Client编码方式调用

除了借助现成的客户端，也可以用代码的方式自己写一个MCP Client来连接服务。

创建weather.py文件

客户端代码的核心逻辑包括：定义MCPClient类并初始化会话（这里用Anthropic的库）；通过connect_to_server连接MCP服务器，根据传入的是Python还是JS文件做不同处理，采用stdio方式建立连接；调用list_tools拿到工具列表；将工具描述拼装后随用户查询一起发给大模型，触发Function Calling；当返回报文中出现tool_use时，用MCP session客户端执行工具调用，拿到结果后再交给大模型做总结归纳；最后进入一个基于命令行的聊天循环，持续对话。

运行方式是：

uv run client.py d:/weather/weather.py

这里需要注意，客户端代码中调用了Claude 3.5模型，需要配置Anthropic的API Key（放在.env文件中）并充值才能用。如果API Key无法充值，完全可以换成DeepSeek等其他模型，仅改一个模型配置即可，调用方法本身没有问题。

小结：开发者该掌握的几个要点

走完整个流程，有几个关键点值得记牢：

MCP解决的是数据孤岛问题，为AI应用提供标准化的"连接万物"接口；
核心架构是Host、Client、Server三层，Client是大模型与Server之间的桥梁；
两种通信机制各有适用场景：stdio用于本地，SSE+HTTP用于远程；
Server提供资源、工具、提示词三类功能；
实战中UV环境搭建、配置文件目录正确性、API Key充值是三个常见坑点。

掌握这套基础概念与开发流程后，就可以在天气案例的基础上扩展出数据库查询、文件操作、联网搜索等更丰富的MCP服务。