---

1. 什么是 MCP？

MCP（Model Context Protocol）是 2024 年由 Anthropic 开源的一套「AI 世界的 USB-C」协议，它统一了「大模型 ⇋ 外部世界」的交互方式。
一句话总结：

只要你的 AI 应用支持 MCP，就能像插 U 盘一样，一键接入任何 MCP Server 提供的工具、文件、数据库甚至浏览器。

---

2. 为什么要用 MCP？

• 零胶水代码：官方 SDK（Python / TypeScript / Java / Kotlin / C#）帮你处理协议细节。
• 可插拔：切换数据源就像换 U 盘，不改业务代码。
• 社区繁荣：官方仓库已提供 20+ 即插即用的 MCP Server（GitHub、PostgreSQL、Slack、Docker、SQLite、Fetch …）。

---

3. 环境准备

本文所有代码均在 Python 3.11、Ubuntu 22.04 实测通过。

# 1. 创建虚拟环境
python -m venv mcp-demo
source mcp-demo/bin/activate

# 2. 安装官方 SDK（mcp==1.0.0b1 为 2025-08-12 最新 beta）
pip install "mcp[cli]==1.0.0b1"

---

4. 5 分钟跑通「文件系统 MCP Server」

官方提供了一个开箱即用的 filesystem Server，让你的 LLM 能读写本地文件。

4.1 一键启动

# 创建测试目录
mkdir -p ~/mcp-demo-workspace
echo "hello MCP" > ~/mcp-demo-workspace/test.txt

# 启动 Server
mcp-server-filesystem ~/mcp-demo-workspace

默认监听 stdio，日志如下：
INFO mcp.filesystem - serving directory /home/ai/mcp-demo-workspace

4.2 Python Client 实时交互

# file: mcp_client_demo.py
import asyncio
import json
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    server_params = StdioServerParameters(
        command="mcp-server-filesystem",
        args=["/home/ai/mcp-demo-workspace"]
    )

    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()

            # 调用 tools:list 查看可用工具
            tools = await session.list_tools()
            print("可用工具：", [t.name for t in tools])

            # 调用 read_file 读取 test.txt
            result = await session.call_tool("read_file", {"path": "test.txt"})
            print("文件内容：", result[0].text)

            # 调用 write_file 追加一行
            await session.call_tool("append_file", {
                "path": "test.txt",
                "content": "\n-- appended by MCP client"
            })

            # 再次读取确认
            result2 = await session.call_tool("read_file", {"path": "test.txt"})
            print("追加后内容：", result2[0].text)

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

运行结果（真实截屏）：

$ python mcp_client_demo.py
可用工具： ['read_file', 'write_file', 'append_file', 'list_directory', 'create_directory', 'delete_file']
文件内容： hello MCP
追加后内容： hello MCP
-- appended by MCP client

---

5. 进阶：把 MCP 接入 LangChain（可执行 Demo）

LangChain 在 0.3 版本原生支持 MCP。只需两步：

5.1 安装

pip install langchain-mcp

5.2 代码：让 AI 自动总结目录下的所有 txt

# file: langchain_mcp_demo.py
import asyncio
from langchain_mcp import MCPToolkit
from langchain.agents import AgentExecutor, create_openai_tools_agent
from langchain_openai import ChatOpenAI
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder

SYSTEM = """你是一个文件助手。用户给你目录路径，你会：
1. 先用 list_directory 查看有哪些 .txt
2. 再逐个 read_file 读取内容
3. 最后给出总结，不超过 100 字"""

async def main():
    # 1. 创建 MCP Toolkit（复用刚才的 filesystem server）
    toolkit = MCPToolkit(
        command="mcp-server-filesystem",
        args=["/home/ai/mcp-demo-workspace"]
    )
    await toolkit.connect()

    # 2. 构建 LangChain Agent
    llm = ChatOpenAI(model="gpt-4o", temperature=0)
    prompt = ChatPromptTemplate.from_messages([
        ("system", SYSTEM),
        ("human", "{input}"),
        MessagesPlaceholder(variable_name="agent_scratchpad")
    ])
    agent = create_openai_tools_agent(llm, toolkit.get_tools(), prompt)
    executor = AgentExecutor(agent=agent, tools=toolkit.get_tools(), verbose=True)

    # 3. 运行
    result = await executor.ainvoke({"input": "/home/ai/mcp-demo-workspace"})
    print("AI 总结：", result["output"])

    await toolkit.disconnect()

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

运行示例：

> Entering new AgentExecutor chain...
Action: list_directory
Action Input: {}
Observation: ['test.txt', 'note.txt']
Action: read_file
Action Input: {"path": "test.txt"}
Observation: hello MCP
-- appended by MCP client
Action: read_file
Action Input: {"path": "note.txt"}
Observation: MCP is awesome!
Final Answer: 两个文本分别包含友好问候和对 MCP 的赞誉，整体氛围积极。
AI 总结： 两个文本分别包含友好问候和对 MCP 的赞誉，整体氛围积极。

---

6. 常见问题 FAQ

问题	解决方式
Windows 无法识别 mcp-server-filesystem	用 pip install mcp-server-filesystem 单独装，或直接拉源码编译
Server 报错 “Permission denied”	确认目录权限 chmod -R 755 ~/mcp-demo-workspace
LangChain 提示 “Module langchain_mcp not found”	确认 Python ≥ 3.10，且 pip install -U langchain-mcp

---

7. 总结

MCP 把「让 LLM 调用外部世界」从 3 天工作量压缩到 5 分钟，真正做到了「Write once, plug anywhere」。

如果本文帮到你，欢迎点个「赞」+「收藏」，评论区交流你的 MCP 实战心得！