【AI入门】CherryStudio入门3：结合FastMCP创建自己的MCP服务，实现哔哩视频查询

前言

来吧，继续CherryStudio的实践，驾驭这个AI时代的利器😄😄😄

本节终端，创建我们自己的MCP服务，在CherryStudio上配置调用。

  MCP测试示例逻辑

建立自己的MCP服务逻辑，按关键字搜索哔哩哔哩的相关视频，在CherryStudio上，运行服务，供使用。

准备 

CherryStudio安装配置

请参考前期文档：

【AI入门】Cherry入门1：Cherry Studio的安装及配置-CSDN博客

 选看：【AI入门】CherryStudio入门2：配置及使用 MCP-CSDN博客

 特别建议了解uv，因为配置的很多地方用到uv，虽然按照教程不了解，也能运行出来，但我们的目地不是模仿，扎实的基础功，才能让我们走的更远更久。。。：

【基础】Python包管理工具uv使用全教程-CSDN博客

 开始

理论基础

了解MCP

MCP（Model Context Protocol，模型上下文协议）是由Anthropic公司于2024年11月开源的一项技术协议，旨在为AI大模型提供标准化的外部工具交互框架。MCP 服务器专为LLM交互而设计，具有自然语言理解、LLM 上下文管理和特定功能的功能。其核心架构由三个组件构成：

1. MCP主机：运行AI应用程序的环境，整合工具和数据以执行任务；
2. MCP客户端：作为中介管理通信，向服务器发起请求并获取功能描述；
3. MCP服务器：提供工具（调用API）、资源（结构化数据）和提示（预定义模板）三类核心功能，支持浏览器、文件系统、数据库等外部工具的操作。

技术特点：

• 支持标准输入输出（stdio）、Server-Sent Events（SSE）和Streamable HTTP三种通信机制，适应本地到云端的不同场景；
• 采用JSON格式数据交换，通过NodeJS或Python程序实现轻量级接口；
• 提供开放协议生态。

了解FastMCP

FastMCP 是一个高级 Python 框架，可显著简化构建 MCP 服务器的过程。虽然原始 MCP 协议需要实现服务器设置、协议处理程序、内容类型和错误管理，但 FastMCP 会为您处理所有这些复杂的细节。

FastMCP 的核心是一个基于装饰器的 API，可将常规 Python 函数转换为与 MCP 兼容的工具、资源和提示。

安装

pip方式

可以直接使用 pip安装：

pip install fastmcp

uv方式 

官方推荐uv方式，对虚拟环境及包依赖管理好一些。

 uv相关技术，如果需要可以参考：【基础】Python包管理工具uv使用全教程-CSDN博客 

 构建一个虚拟环境（可选）

 你可以从完全构建一个新环境开始，创建一个新的文件夹，我这里是E:\00ven\fastmcphome，作为工作目录，在地址栏，输入dos，在打开的dos窗口，输入创建环境命令，环境名称自己取，我这里名为fastmcpv：

uv venv fastmcpv   

 uv自己会创建环境相关文件，你可以查看到：

 执行激活命令（如果你的环境名和我的不一样，用你自己的地址哦），这步可选，因为uv自己会找当前环境，

.\fastmcpv\Scripts\activate

命令界面：

执行后，进入如下界面：

执行安装命令，如果没激活环境，也是一样执行：

uv pip install fastmcp

执行界面如下：

直接安装

 如果直接使用下面uv安装命令，也是可以的，uv自己会找安装环境

uv pip install fastmcp

在项目中安装

 如果您计划在项目中使用 FastMCP，您可以通过以下方式将其添加为依赖项： 

uv add fastmcp

验证成功

要验证 FastMCP 是否已正确安装，您可以运行以下命令：

fastmcp version

 执行界面：

 编写MCP服务程序

环境准备

运行vsCode（Trae操作类似），打开虚拟环境目录，然后ctr+shit+P，选择当前环境中的Python为编译器，

服务器代码

新建一个文件：myMCPSvr.py，代码如下：

# 导入必要的模块# 用于类型提示（Any 表示任意类型）
from typing import Any# 从 bilibili_api 模块导入 search 和 sync 方法
# search：用于执行搜索操作
# sync：用于将异步函数同步化
from bilibili_api import search, sync# 从 mcp.server.fastmcp 模块导入 FastMCP 类
# FastMCP 是一个 MCP 协议的服务端实现
from mcp.server.fastmcp import FastMCP# 创建 FastMCP 实例，服务名称为 "Bilibili mcp server"
mcp = FastMCP("Bilibili mcp server")# 使用 @mcp.tool() 装饰器注册一个工具函数
# 该工具将在 MCP 客户端请求时被调用
@mcp.tool()
def general_search(keyword: str) -> dict[Any, Any]:"""执行 Bilibili 的搜索并返回结果。参数:keyword (str): 要搜索的关键词返回:dict[Any, Any]: 包含搜索结果的字典数据"""# 使用 sync 函数包装异步的 search.search 方法，使其可以在同步环境中调用data = sync(search.search(keyword))# 返回搜索结果数据return data# 程序入口点
if __name__ == "__main__":# 启动 MCP 服务，使用标准输入输出进行通信（transport='stdio'）mcp.run(transport='stdio')

不要害怕，其实，没几行，都是注释😄，重要的部分要看一下。

实例化服务器

实例化服务器，就是上面的FastMCP("Bilibili mcp server") ，示例只用了名字参数，FastMCP 构造函数接受几个参数：

• name：（可选）服务器的可读名称。默认为 “FastMCP”。
• instructions：（可选）有关如何与此服务器交互的说明。这些说明可帮助客户端了解服务器的用途和可用功能。
• lifespan：（可选）用于服务器启动和关闭逻辑的异步上下文管理器函数。
• tags：（可选）用于标记服务器本身的一组字符串。
• settings：与其他 ServerSettings 配置对应的关键字参数

工具

FastMCP 中的工具将常规 Python 函数转换为LLMs可在对话期间调用的功能。

创建工具就是使用 @mcp.tool（） 装饰 Python 函数，示例代码中，函数general_search（）就成为，能被调用的工具。

函数经注册后，FastMCP 会自动：

• 使用函数名称 （add） 作为工具名称。
• 使用函数的文档字符串 （ 添加两个整数...） 作为工具描述。
• 根据函数的参数和类型注释生成输入架构。
• 处理参数验证和错误报告。

定义 Python 函数的方式决定了工具在LLM客户端中的显示方式和行为方式。

其他

示例用了哔哩哔哩的API库：bilibili_api，使用了其search和异步sync的功能，用于根据keyword参数，查找相关视频，general_search函数的功能，就是返回查找到的视频信息。

安装运行包 

使用vs终端安装包：

uv pip install bilibili-api-python 

 执行界面：

 通用，安装requests包：

uv pip install requests

FastMCP run运行服务

fastmcp run 是 FastMCP 提供的核心命令，用于启动一个 MCP 服务器。在dos或powershell中，激活虚拟环境，运行服务：

fastmcp run myMCPSvr.py

 执行界面如下：

 根据我的测试，如果用CherryStudio链接，fastmacp dev，不需要这个步骤，目前还没发现更具有实际意义的用处，难道只是为了验证是否是正确的mcp服务器，没找到更多资料😭。

fastmacp dev测试代码

FastMCP 提供了内置的调试工具 fastmcp dev，可实时测试服务器功能，在dos窗口，激活运行环境中，运行测试命令

fastmcp dev myMCPSvr.py

 首次运行，会安装包，运行起来会显示运行端口：

在浏览器汇总，根据端口访问服务： http://127.0.0.1:6274 

 点击“链接”，选择工具，输入参数关键字，进行执行

 根据提示信息，可以调整参数，改为“ --directory E:\\00ven\\fastmcphome\\fastmcpv run myMCPSvr.py”，能调用工具，并成功，其实，还是要看整个命令是不是对的，也可以在vsCode终端执行，没有错误返回就差不多了：

uv --directory E:\\00ven\\fastmcphome\\fastmcpv run myMCPSvr.py

在CherryStudio上配置MCP服务 

运行CherryStudio，点击“设置”—“MCP服务器”，然后“添加服务器”，

名称：取个好识别的名字

类型：标准输入输出（stdio）

命令：uv

参数：

--directory
E:\00ven\fastmcphome\fastmcpv
run
myMCPSvr.py

命令和参数合起来，就是咱们之前测试的命令，前面测试通过了，才能保证这里正常运行：

uv --directory E:\\00ven\\fastmcphome\\fastmcpv run myMCPSvr.py

配置完服务器，不要忘了点击右上方的启动按钮，绿了才能用。

运行测试

进入助手，设置MCP服务器，选择刚才设置的mybilibili，问个问题，我这里是：搜索MCP服务器构建的相关视频，并生成一个网页。

然后，大模型根据需求，调用mcp，可见，general_search调用成功，大模型根据返回结果，构建了页面：

 点击，可以查看mcp执行的具体结果信息：

 生成的页面展示：

非常丑，希望你比我幸运，我看了一下页面代码，果然有错误：

 这不是我们的重点，就略过了，这也说明，大模型再强，人还是最后一道屏障啊。

 结尾

我就想说CherryStudio，真好啊，真好用，哇哈哈，这几天没白学😄😄😄

参考

API 文档获取途径

1. pypi上的文档

   • fastmcp · PyPI

2. GitHub 开源仓库

   1. FastMCP 的参考实现可能与 MCP 协议官方仓库关联，建议访问 Model Context Protocol 官方 GitHub 查找相关文档。

   2. 直接搜索 fastmcp 的 GitHub 项目（如 yjacquin/fast-mcp，但部分链接可能失效）。

3. 代码示例与教程

   1. 腾讯云开发者社区 提供了 FastMCP 的实战教程，包含服务器搭建、工具注册及客户端交互的完整代码示例。

   2. FastAPI-MCP 文档：虽然主要针对 FastAPI 集成，但其实现原理与 FastMCP 类似，可参考 FastAPI-MCP GitHub 中的设计思路。

4. MCP 协议官方文档

   1. MCP 协议的通用规范（如工具定义、通信协议等）适用于 FastMCP，可查阅 MCP 协议说明文档（需确认链接有效性）。