💝💝💝欢迎莅临我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。
持续学习，不断总结，共同进步，为了踏实，做好当下事儿~
非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨

---

在当今快速发展的技术环境中，自定义工具开发成为提升开发效率和扩展个人技术栈的重要方式。Python作为一门灵活且生态丰富的语言，为开发者提供了从零构建工具并分享到社区的便捷途径。MCP（My Custom Package）作为一种自定义工具包，能够帮助开发者封装常用功能，提升代码复用性。本文将详细介绍如何从零开始开发一个MCP工具，实现加法功能，并最终发布到Test PyPi，为Python开发者提供实用参考。

---

1. 环境准备与项目初始化

1.1 安装Python与必要工具

首先，确保您的系统已安装Python，建议使用3.8或更高版本。您可以通过以下命令检查Python版本：

python --version

如果尚未安装Python，请访问Python官网下载并安装适合您操作系统的版本。安装完成后，确认pip（Python包管理器）也已安装：

pip --version

接下来，安装虚拟环境工具。虚拟环境能帮助隔离项目依赖，避免版本冲突。推荐使用Python内置的venv模块：

# 创建虚拟环境
python -m venv my-mcp-env

# 激活虚拟环境（Windows）
my-mcp-env\Scripts\activate

# 激活虚拟环境（Linux/Mac）
source my-mcp-env/bin/activate

激活后，命令行提示符前会显示环境名称，表示已进入虚拟环境。

1.2 初始化项目结构

创建一个项目根目录，例如my-mcp-tool，并初始化基本文件结构：

mkdir my-mcp-tool
cd my-mcp-tool

在项目根目录下，创建setup.py和requirements.txt文件。setup.py用于定义包元数据和打包配置，requirements.txt列出项目依赖。

示例setup.py内容：

from setuptools import setup, find_packages

setup(
    name="my-mcp-tool",
    version="0.1.0",
    packages=find_packages(where="src"),
    package_dir={"": "src"},
    install_requires=[
        # 依赖将在这里列出
    ],
    python_requires=">=3.8",
)

创建基础包结构。推荐将源代码放在src目录下：

mkdir -p src/mypackage

此时，项目结构应如下所示：

my-mcp-tool/
├── setup.py
├── requirements.txt
└── src/
    └── mypackage/
        └── __init__.py

---

2. 集成官方Python SDK与添加MCP依赖

2.1 理解MCP与Python SDK的关系

MCP工具通常基于Python SDK开发，利用SDK提供的框架和工具简化开发流程。Python SDK为MCP提供基础功能，如HTTP服务器、路由管理和请求处理，使开发者能专注于业务逻辑而非底层实现。

2.2 添加MCP依赖到项目

编辑requirements.txt文件，添加MCP相关依赖。假设我们使用Flask作为Web框架来开发MCP服务：

flask>=2.0.0

然后，通过pip安装依赖：

pip install -r requirements.txt

安装完成后，验证依赖是否成功安装且无报错：

python -c "import flask; print('Flask version:', flask.__version__)"

如果输出Flask版本信息，则表示依赖安装成功。

---

3. 开发核心功能：加法模块

3.1 创建server.py并实现加法功能

在项目根目录下创建server.py文件，用于实现MCP服务器。我们将编写一个简单的加法函数，并添加参数验证和异常处理。

示例代码：

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/add', methods=['GET'])
def add_numbers():
    try:
        a = request.args.get('a', type=float)
        b = request.args.get('b', type=float)
        if a is None or b is None:
            return jsonify({"error": "Parameters 'a' and 'b' are required"}), 400
        result = a + b
        return jsonify({"result": result})
    except Exception as e:
        return jsonify({"error": str(e)}), 500

if __name__ == '__main__':
    app.run(debug=True, port=5000)

此代码创建了一个Flask应用，定义了一个/add端点，接受GET请求，从查询参数中获取a和b，返回它们的和。代码包含了基本的错误处理，确保参数缺失或类型错误时返回适当的错误信息。

3.2 复制提供的代码到server.py

将上述代码完整复制到server.py文件中。解析代码结构：

• 导入必要的模块（Flask、request、jsonify）。
• 创建Flask应用实例。
• 定义路由/add和对应的处理函数add_numbers。
• 在函数中，获取参数并验证，计算加法结果，返回JSON响应。
• 最后，启动Flask开发服务器。

确保代码逻辑完整，符合PEP8规范（例如，使用4空格缩进，避免过长代码行）。

---

4. 本地测试与调试

4.1 运行MCP并检查输出

使用以下命令启动MCP服务：

python server.py

如果运行成功，终端将输出类似以下的信息：

 * Serving Flask app 'server'
 * Debug mode: on
 * Running on http://127.0.0.1:5000 (Press CTRL+C to quit)

这表明服务已启动并在本地5000端口监听。观察日志确认无错误信息。

4.2 测试加法功能

通过浏览器或命令行工具（如curl）访问服务端点进行测试。例如，在浏览器中打开：

http://127.0.0.1:5000/add?a=5&b=3

或使用curl命令：

curl "http://127.0.0.1:5000/add?a=5&b=3"

预期返回JSON响应：

{"result": 8}

如果参数缺失或类型错误，应返回相应的错误信息，例如：

http://127.0.0.1:5000/add?a=5

返回：

{"error": "Parameters 'a' and 'b' are required"}

4.3 使用官方Node测试工具

官方提供了一个基于Node.js的MCP测试工具，用于验证本地或已发布的MCP服务。首先，确保已安装Node.js和npm。然后，安装MCP Tester：

npm install -g mcp-tester

运行测试工具，连接本地MCP服务：

mcp-tester --url http://127.0.0.1:5000

工具将自动测试所有端点，并输出测试结果。确保所有测试通过，验证服务的兼容性和稳定性。

---

5. 打包与发布到Test PyPi

5.1 配置项目元数据

编辑setup.py文件，填写完整的包元数据：

from setuptools import setup, find_packages

setup(
    name="my-mcp-tool",
    version="0.1.0",
    description="A simple MCP tool with addition functionality",
    author="Your Name",
    author_email="your.email@example.com",
    packages=find_packages(where="src"),
    package_dir={"": "src"},
    install_requires=[
        "flask>=2.0.0",
    ],
    classifiers=[
        "Programming Language :: Python :: 3",
        "License :: OSI Approved :: MIT License",
        "Operating System :: OS Independent",
    ],
    python_requires=">=3.8",
)

添加必要的分类器和依赖声明，确保包信息完整。

5.2 生成分发包

使用setuptools生成分发包。首先，确保已安装wheel：

pip install wheel

然后，运行打包命令：

python setup.py sdist bdist_wheel

这将在项目目录下生成dist文件夹，包含源码包（.tar.gz）和wheel包（.whl）。

5.3 发布到Test PyPi

首先，注册一个Test PyPi账户（访问test.pypi.org）。然后，获取API Token用于上传。

安装twine，用于上传包：

pip install twine

使用twine上传到Test PyPi：

twine upload --repository testpypi dist/*

输入您的Test PyPi用户名和密码（或API Token）。上传成功后，访问Test PyPi网站（https://test.pypi.org/project/my-mcp-tool/）查看已发布的包。

---

6. 安装与验证发布的MCP

6.1 从Test PyPi安装MCP

为了测试已发布的包，可以先卸载本地版本（如果已安装），然后从Test PyPi安装：

pip uninstall my-mcp-tool
pip install --index-url https://test.pypi.org/simple/ my-mcp-tool

确认安装成功且无依赖冲突：

python -c "import mypackage; print('Package installed successfully')"

6.2 测试已发布的MCP功能

运行MCP服务：

python -m mypackage.server

使用浏览器或curl测试加法功能，确保与本地开发时一致：

curl "http://127.0.0.1:5000/add?a=10&b=20"

预期返回：

{"result": 30}

使用官方Node测试工具再次验证，确保发布后的包功能完整。

---

7. 总结

回顾从零开发MCP工具的关键步骤：从环境准备、依赖集成、功能开发到测试与发布。每个环节都至关重要，尤其是测试与调试，能确保工具的稳定性和可靠性。

鼓励进一步探索，例如添加更多功能（如减法、乘法）、优化代码结构、或正式发布到PyPi。推荐参考官方Python打包文档、Test PyPi使用指南以及社区最佳实践，以不断提升开发技能。

通过本文的指导，您已掌握了开发并发布自定义MCP工具的基本流程，希望能为您的Python开发之旅提供帮助。

---

🔥🔥🔥道阻且长,行则将至,让我们一起加油吧！🌙🌙🌙

---