【深度学习】大模型MCP工作流原理介绍、编写MCP

https://www.dong-blog.fun/post/2127

有用的资料：

https://modelcontextprotocol.io/llms-full.txt

https://modelcontextprotocol.io/introduction

https://github.com/punkpeye/awesome-mcp-servers/blob/main/README-zh.md#what-is-mcp

https://mcp.so/

https://github.com/modelcontextprotocol/servers

理解 MCP 协议

MCP 是什么？

MCP（Model Context Protocol）是一个开放协议，用于在 AI 应用程序（如 LLMs）与外部数据源和工具之间建立标准化连接。你可以将它类比为 USB-C 接口：统一了不同设备之间的连接方式。

核心概念：

• MCP Server：提供对本地数据、工具、API 的访问。
• MCP Client：由 AI 应用使用，连接到 MCP Server。
• Transport：消息传输机制，如 stdio 或 SSE。
• Tools：定义可被调用的功能（如天气查询、文件操作）。
• Resources：表示可读取的数据资源（如文档、数据库记录）。
• Prompts：支持模板化的提示词管理。

启动 MCP Server

创建一个 MCP Server，暴露一些工具（Tools）。

from mcp.server.fastmcp import FastMCP
import asyncio# 创建 MCP Server 实例
mcp = FastMCP("my-tool-server")# 定义一个 Tool（工具）
@mcp.tool(annotations={"title": "Calculate Sum","description": "Add two numbers together.","readOnlyHint": True,"openWorldHint": False}
)
async def calculate_sum(a: float, b: float) -> str:return str(a + b)# 启动服务器
if __name__ == "__main__":asyncio.run(mcp.start())

AI 应用作为 MCP Client 发起请求

比如用户输入类似这样的指令：

我需要把 3 和 5 加起来，请帮我算一下。

1. AI 模型识别到需要调用工具，于是向 MCP Client 发送调用指令。
2. MCP Client（比如 Claude Desktop）将这个请求通过 JSON-RPC 协议发送给你的 Python 编写的 MCP Server。
3. 你的 Python 服务收到请求后执行 calculate_sum(3, 5)，返回结果 “8”。
4. 结果再通过 MCP Client 返回给 AI 模型，最终展示给用户。

这个过程是这样的：