从0开始，手把手告诉你，我是如何实现最简单的MCP Server开发的(全网最简单的)
本文主要介绍了如果快速实现MCP Server的过程
前言：
整个过程，回头来看确实是很简单的，但不知道为什么豆包之类的AI终端，甚至是AI编程模块，给的都是假代码，要不然就是乱引用不存在的库，要不然就是简单的事情搞得很复杂，非要重写实现。
我感觉这个应该很简单，有点不信邪，就自己来实现了。当然由于太久没编码，也踩了许多坑，东拼西凑也终于成功了，现在整理一下，方便后来人。
鉴于我之前搜索资料时看到文章，目前感觉我这个是全网最简单的。。
重点：我做的是SSE通讯协议的MCP，因为studio的感觉用起来不如sse的广泛，url的实用性，验证也比较方便，使用了FastMCP框架。（有许多使用FastAPI的，但我感觉FastMCP这个最简单）
写了两个tools，一个是简单的回显工具，另一个是调用了api的工具，这样比较具有实战参考意义吧。
好了，进入正题：
一、配置环境
1、`sudo apt update #工具更新`
2、apt install python3-pip #安装pip
3、pip install uv #此时有个报错
#报错信息：This environment is externally managed
#报错原因：表明Python环境是由操作系统的包管理器（如 apt、yum等）管理的，而不是由pip管理
#解决办法：创建虚拟环境，如下：
sudo apt install python3.12-venv #安装包
python3 -m venv mcp-env #创建虚拟
source mcp-env/bin/activate #激活虚拟环境
pip install uv #再次安装，成功
二、创建一个MCP的Demo
1、pip install fastmcp #安装fastmcp
2、uv run demo.py #启动，看到连接串
如果看到这个页面，就表示已经运行起来了，重点是看里面的transport和Server URL这两个内容，sse模式没错，URL改为正确的ip，就是一个AI真正可用的URL了。
3、来看业务代码：先写个最简单的回显
from fastmcp import FastMCP
# 仅2个必选参数：name + version
mcp = FastMCP("sse-echo-server", "1.0")
# 回显工具
@mcp.tool
async def echo(params: dict):
input_str = params.get("str", "默认字符串")
echo_msg = f"回显结果：{input_str}"
# 仅用框架最基础广播（不依赖任何transport子模块）
try:
await mcp.broadcast("echo_result", echo_msg)
except:
pass # 若广播也不可用，至少工具调用能正常响应
return {"code": 200, "data": echo_msg}
# 3. 启动
if __name__ == "__main__":
mcp.run(transport="sse", host="0.0.0.0", port=8000)
业务代码中的说明：其他的一看就能明白，唯独最后一个run的参数，花了比较久的时间（被元宝他们完全带偏，绕了不少弯路，几轮对话都越来越偏），最后还是得看看官方文档：https://gofastmcp.com/deployment/running-server
参照这个来写就好了，另外官方文档中，也写了如何使用studio和streamable的方式，有需要可以看着改下。
另外，对于启动命令，开始使用了fastmcp run xxx.py，结果发现这样的启动方式，只能启动studio模式，对于sse的，需要使用uv来启动。
三、测试
测试：
这个测试也很坑，因为我开始想用node的mcp调试工具来测试，结果耗费了许多不必要的时间，如果对这个不感兴趣，直接跳过，到与AI结合就可以了。
难点是这样的，我的MCP server运行在一台腾讯云的Light house上，使用的是ubuntu系统，所以它没有浏览器界面。因此，我要用本机的浏览器，访问我云服务器上web服务。
卡点就是：在云服务器上运行：
npx -y @modelcontextprotocol/inspector
是没有问题的，但是我本机通过浏览器访问 http://ip:6274时，就是访问不了，检查了防火墙，机器本身等一系列，也试了启动参数加上host 0.0.0.0，都不行，并没找到原因。
最最最后，只能去github上看readme了，还好，真发现了问题，在它的最后warning段落里，看到了说明：
重点是，这两个参数都要写才行，只写host，在控制台会报 非法来源的错误，且输入mcp信息后，连接不成功，报的错又很有误导性：说token问题。
总之：要这样写：
HOST=0.0.0.0 ALLOWED_ORIGINS=http://ip:6274,http://localhost:8000 npx -y @modelcontextprotocol/inspector
这样之后，就可以正常访问页面且能运行起来测试工具了。
测试成功。
四、集成
集成，可以使用的工具就比较多了，我拿了codebuddy和cusor两个工具来测试。都是填相同的内容即可
五、升级应用(再增加一个api调用)
使用过mcp的朋友都知道，在非常多的mcp server中，都有对于后端api的调用，以来保证信息的及时有效性，因此既然做demo，也就模拟个真实场景吧。
这部分的代码，就可以使用智能体来完成了，如使用codebuddy，输入：
用python3给我写一个应用：是一个在线api，输入参数是字符串，输出一个1-10的随机数字，运行端口是5000，带有web界面
它会为你生成一个代码，如下：
from flask import Flask, request, jsonify, render_template_string
import random
app = Flask(__name__)
@app.route('/random', methods=['GET'])
def get_random_number():
input_string = request.args.get('input', '')
random_number = random.randint(1, 10)
return jsonify({
'input': input_string,
'random_number': random_number
})
@app.route('/', methods=['GET', 'POST'])
def index():
if request.method == 'POST':
input_string = request.form.get('input', '')
random_number = random.randint(1, 10)
return render_template_string('''
<!DOCTYPE html>
<html>
<head>
<title>Random Number Generator</title>
</head>
<body>
<h1>Random Number Generator</h1>
<form method="POST">
<label for="input">Enter a string:</label>
<input type="text" id="input" name="input" required>
<button type="submit">Generate</button>
</form>
{% if input %}
<p>Input: {{ input }}</p>
<p>Random Number: {{ random_number }}</p>
{% endif %}
</body>
</html>
''', input=input_string, random_number=random_number)
return render_template_string('''
<!DOCTYPE html>
<html>
<head>
<title>Random Number Generator</title>
</head>
<body>
<h1>Random Number Generator</h1>
<form method="POST">
<label for="input">Enter a string:</label>
<input type="text" id="input" name="input" required>
<button type="submit">Generate</button>
</form>
</body>
</html>
''')
if __name__ == '__main__':
app.run(debug=True, port=5000)
可以运行这段，直接看到页面效果，验证功能正常。注：要在虚拟环境中，安装Flask，具体方式参照配置环境章节。
配置虚拟环境并进入
pip install flask
python3 app.py
再通过AI，为我生成一个调用api的方法
再为我用python生成一个方法，名字是getRondom，来调用这个接口，使用localhost地址
又得到
import requests
def getRandom(input_string):
"""
调用本地 API 获取随机数字
:param input_string: 输入的字符串
:return: API 响应结果（包含输入字符串和随机数字）
"""
url = "http://127.0.0.1:5000/random"
params = {"input": input_string}
response = requests.get(url, params=params)
return response.json()
# 示例用法
if __name__ == "__main__":
result = getRandom("test")
print(result)
找到其中有用的部分
import requests
def getRandom(input_string):
"""
调用本地 API 获取随机数字
:param input_string: 输入的字符串
:return: API 响应结果（包含输入字符串和随机数字）
"""
url = "http://127.0.0.1:5000/random"
params = {"input": input_string}
response = requests.get(url, params=params)
return response.json()
把这段，也放在咱们的demo.py，最终文件是：
from fastmcp import FastMCP
import requests
# 1. 仅2个必选参数：name + version（无其他任何配置）
mcp = FastMCP("sse-echo-server", "1.0")
# 2. 最简回显工具（函数名即工具名，无装饰器额外参数）
@mcp.tool
async def checkroute(params: dict):
input_str = params.get("str", "没收到,显示默认字符串")
echo_msg = f"回显结果：{input_str}"
# 仅用框架最基础广播（不依赖任何transport子模块）
try:
await mcp.broadcast("echo_result", echo_msg)
except:
pass # 若广播也不可用，至少工具调用能正常响应
return {"code": 200, "data": echo_msg}
# 3. 随机数生成器（调用其他API）
@mcp.tool
async def getRandom(input_string):
"""
调用本地 API 获取随机数字
:param input_string: 输入的字符串
:return: API 响应结果（包含输入字符串和随机数字）
"""
url = "http://127.0.0.1:5000/random"
params = {"input": input_string}
response = requests.get(url, params=params)
return response.json()
# 3. 纯无参启动（完全依赖框架默认配置）
if __name__ == "__main__":
mcp.run(transport="sse", host="0.0.0.0", port=7777)
至此，已经完成了增加一个调用 api的tool，达到我们的效果。
六、最终测试
只要在codebuddy或cusor中刷新一下，就能看到到增加了tool，那就试试吧。
七、结语
有两点感受也分享下：
1、现在AI时代，许多应用，真的可以通过Agent来完成了，我们主要把握整体逻辑，懂一些基础知识，就能做过去可能许多天要做的事了，提效的效果确实立杆见影。
2、MCP当前也是热潮，各位也可以在MCP广场中，看到或者将自己企业的高质量MCP发布出来，让更多开发者集成使用，让更多用户在Agent里使用。
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
10
0- 0
已为社区贡献1条内容
所有评论(0)