1. 相关总结

总结内容	链接
MCP之大模型Function Calling开发与原理	https://blog.csdn.net/a82514921/article/details/147860120
MCP概念与server开发及调试-使用Python+SSE传输机制	https://blog.csdn.net/a82514921/article/details/147860221
MCP client开发与日志分析-使用Python+SSE传输机制	https://blog.csdn.net/a82514921/article/details/147860518
MCP细节与原理分析-使用Python+SSE传输机制	https://blog.csdn.net/a82514921/article/details/147860541
MCP server支持在不同Python脚本中实现工具方法	https://blog.csdn.net/a82514921/article/details/147860559
MCP client支持同时连接多个MCP server-使用Python开发	https://blog.csdn.net/a82514921/article/details/147860587

2. MCP 相关概念

2.1. MCP 是什么

2024 年 11 月 25 日，Anthropic 发布了 MCP，以下为对应链接 https://www.anthropic.com/news/model-context-protocol 的说明

MCP（Model Context Protocol），是一项将 AI 助手与数据存储系统（包括内容仓库、商业工具和开发环境）连接的新标准。该协议旨在帮助前沿模型生成更优质、更精准的响应。

随着 AI 助手逐渐成为主流应用，行业在模型能力上投入巨大，实现了推理能力和响应质量的快速突破。但即便是最先进的模型，也受困于与数据源的割裂状态——被隔离在信息孤岛和传统系统的壁垒之后。每个新数据源都需要定制化对接，导致真正互联的系统难以规模化部署。

MCP 正是为解决这一难题而生。它提供了连接 AI 系统与数据源的通用开放标准，用统一协议取代碎片化的集成方案。由此实现更简洁、更可靠的数据访问机制，让 AI 系统能高效获取所需信息。

MCP 作为开放标准，允许开发者在数据源与 AI 工具之间建立安全的双向连接。其架构简明直观：开发者既可通过 MCP 服务器暴露数据，也能构建连接这些服务器的 AI 应用（MCP 客户端）。

2.2. MCP 与大模型 Function Calling

虽然 MCP 不是一定需要依赖大模型 Function Calling（工具调用）功能，但 Function Calling 确实是 MCP 具体实现时可选的一部分

在理解 MCP 实现原理之前，首先掌握 Function Calling，有助于按领域分层学习相应内容

从 Function Calling 的角度看，MCP 提供了工具调用通用的协议与实现方式，工具管理与开发成本更低

从 MCP 的角度看，Function Calling 使大模型不需要特定的 Prompt 就能支持理解与选择合适的工具，并根据工具的执行结果分析出问题的答案

对于不支持或未开启 Function Calling 的大模型，也可以通过 Prompt 工程使得大模型达到类似的效果，需要的 Token 数会更多，例如 Cline 支持这种方式

可以参考以下对大模型 Function Calling 的总结 https://blog.csdn.net/a82514921/article/details/147860120

2.3. MCP 概念

MCP 的官方文档地址为 https://modelcontextprotocol.io/introduction

MCP 概念相关的文档地址为 https://modelcontextprotocol.io/docs/concepts/architecture

MCP 使用 client-server 架构，分为 Hosts、Clients 、Servers

Hosts 为 发起连接的 LLM 应用 （如 Claude Desktop 或 IDE)

Clients 在 Hosts 应用内，与 Server 保持 1:1 的连接

Servers 向 Client 提供 context、tools 及 prompts

2.4. MCP server 提供的主要能力

参考 https://modelcontextprotocol.io/quickstart/server#core-mcp-concepts

MCP server 可提供以下三大核心功能：

Resources：客户端可读取的类文件数据（如 API 响应或文件内容）

Tools：经用户授权后可由大语言模型调用的功能函数

Prompts：帮助用户完成特定任务的预设文本模板

MCP server 教程的重点是讲解 Tools 的使用方法

参考 https://github.com/modelcontextprotocol/python-sdk?tab=readme-ov-file#mcp-primitives ，有关于以上三大核心功能的对比：

类型	控制方	描述	使用示例
Prompts	用户控制	通过用户选择触发的交互式模板	斜杠命令、菜单选项
Resources	应用控制	由客户端应用管理的上下文数据	文件内容、API 响应
Tools	模型控制	暴露给大模型执行操作的功能接口	API 调用、数据更新

以下主要分析 Tools（工具）的使用方法

2.5. MCP client 与 server 通信方式

2.5.1. MCP 传输层

参考 https://modelcontextprotocol.io/docs/concepts/architecture#transport-layer

传输层负责处理客户端与服务器之间的实际通信，MCP 支持以下多种传输机制，所有传输机制均采用 JSON-RPC 2.0 协议进行消息交换

2.5.1.1. Stdio 传输

使用标准输入/输出进行通信

适合本地进程间通信

2.5.1.2. ​​HTTP SSE 传输​​

使用服务器发送事件 (Server-Sent Events，SSE) 实现服务端到客户端的消息推送

使用 HTTP POST 方法实现客户端到服务端的消息传递

2.5.1.3. Streamable HTTP 传输

参考 https://modelcontextprotocol.io/specification/2025-03-26/basic/transports

2025-03-26 协议版本推出的 Streamable HTTP 传输会取代协议版本 2024-11-05 的​​HTTP SSE 传输​​

2025-05-09 发布的 MCP Python SDK 1.8.0 版本（https://pypi.org/project/mcp/1.8.0/）增加了对 Streamable HTTP 的支持

1.7.0 及以下的版本只支持 stdio 与 SSE 传输机制

通过 mcp.server.fastmcp.server.FastMCP 类的 run() 方法的 transport 参数可以确认支持的传输机制

1.7.0 及以下的版本值为transport: Literal["stdio", "sse"]

1.8.0 版本值为transport: Literal["stdio", "sse", "streamable-http"]

2.5.2. MCP 连接生命周期

参考 https://modelcontextprotocol.io/docs/concepts/architecture#connection-lifecycle

MCP 连接的生命周期有以下三个阶段

• 初始化阶段

执行步骤如下

客户端发送携带协议版本与能力的初始化请求（initialize）

服务端回复其协议版本与能力

客户端发送就绪通知（initialized）作为确认

开始正常消息交互

• 消息交互阶段

初始化完成后支持以下模式：

请求-响应模式：MCP client 或 server 发送请求，另一方进行响应

通知模式：任一方发送单向消息

• 终止阶段

任一方均可通过以下方式终止连接：

通过 close() 方法正常关闭

传输层断开连接

错误状态触发终止

2.6. 使用 MCP Tools 的执行过程

2.6.1. 执行过程

在以下说明中，为了简化描述便于理解，将 MCP 官方文档中说明的 Hosts 与 Clients 当作相同的概念看待，即都是属于同一个客户端应用

使用 MCP Tools 时，由大模型控制调用哪个工具

为了达到这个目标，大模型需要获取所有能够调用的工具信息，包括工具名称、工具描述、工具请求参数格式等。大模型本身无法获得能够调用的工具信息，在使用 MCP 方式时，由 MCP client 从 MCP server 获取工具信息

大模型需要理解及分析工具的信息，再结合问题与之前的执行记录（现阶段的大模型本身不会记忆历史对话的内容），选择需要执行的工具，及调用工具时需要使用的参数，返回给 MCP client

MCP client 根据大模型返回的工具信息，调用对应 MCP server 的对应工具，再将工具执行结果也发送给大模型

若大模型判断已经获得了结果，则向 MCP client 返回最终结果；否则继续返回需要 MCP client 执行的工具信息

2.6.2. 时序图

以上过程可以整理为以下时序图

MCP client 可能在用户提出问题时建立，也可能在应用初始化时建立与 MCP server 的连接，可以根据实际需要选择

3. 示例项目

以下示例项目使用 Python 开发，实现了使用 SSE 传输机制的 MCP 示例，不要求 MCP client 与 server 部署同一台机器，相比 stdio 传输方式更符合实际使用需求

https://github.com/Adrninistrator/MCP-DEMO

4. MCP server 开发

可参考 MCP 提供的文档 https://modelcontextprotocol.io/quickstart/server ，以及对应的示例 Python 代码 https://github.com/modelcontextprotocol/quickstart-resources/blob/main/weather-server-python/weather.py

但以上所提供的示例代码中使用 Stdio 传输而不是 SSE 传输，为了通过网络进行 SSE 传输，还需要对其进行修改

可参考示例项目代码 https://github.com/Adrninistrator/MCP-DEMO/blob/master/mcp_demo/server_sse/server_sse_basic.py

4.1. 环境依赖

需要使用 Python 3.10 或更高版本，并安装 Python MCP SDK 1.2.0 或更高版本

pip install mcp

4.2. 引入包及设置 MCP server 实例

from mcp.server.fastmcp import FastMCP

mcp = FastMCP(name="high_speed_railQuerySystem",
                host="0.0.0.0",
                port=8000,
                sse_path="/sse",
                message_path="/messages/")

FastMCP 类利用 Python 的类型提示（type hints）和文档字符串（docstrings）自动生成工具定义，从而使 MCP 工具的创建与维护变得简单

FastMCP 类的构造函数参数说明如下

• name

指定当前 MCP server 的名称，默认值为"FastMCP"

以下参数都属于 mcp.server.fastmcp.server.Settings 类中的字段，在 FastMCP 类的构造函数中通过**settings: Any参数接收，在 mcp.server.fastmcp.server.Settings 类中有指定各参数的默认值

• host

指定当前 MCP server 监听的主机地址，默认值为"0.0.0.0"

• port

指定当前 MCP server 监听的端口，默认值为 8000

• sse_path

指定当前 MCP server 提供的 SSE 连接路径，默认值为"/sse"

• message_path

指定当前 MCP server 提供的 SSE 消息路径，默认值为"/messages/"

4.3. 实现 MCP server 工具处理方法

可使用以下方式定义 MCP server 工具

@mcp.tool(name="get_all_lines", description="获取所有高铁线路编号，需要首先调用当前接口")
async def get_all_lines() -> list:

MCP server 工具对应方法通常定义为异步方法，方法上的@mcp.tool 对应 FastMCP 类的 mcp 实例的 tool 方法，与 Java 中的注解含义不同

FastMCP 类的 tool 方法返回了一个 Callable 类型的装饰器，用于添加工具到 MCP server 中

name 参数用于指定当前工具的名称，可为空，默认会使用对应方法的名称

description 参数用于指定工具的描述，足够详细的描述有且于大模型理解并选择工具

4.3.1. MCP server 工具请求参数

4.3.1.1. 参数属性指定

在 MCP server 工具方法参数上可以使用 Field 指定参数属性，包括是否必填，默认值，参数描述等，足够详细的描述有且于大模型理解并选择工具的参数

from pydantic import Field

@mcp.tool(description="根据高铁线路编号查询起始站点名称，可用于判断指定线路是否能从某个站点到达另一个站点")
async def query_stations(line_name: str = Field(..., description="高铁线路编号如 G1/G2")) -> Dict:

… 代表参数没有默认值，属于必填参数

假如参数有默认值，可将 … 修改为对应的默认值，例如’1’，或者使用完整形式 default=‘1’

4.3.1.2. 自定义类型参数属性指定

当 MCP server 工具方法参数数量较多时，可以使用自定义类型作为参数

如下所示，MCP server 工具方法参数类型使用自定义类，在参数上通过 Field 指定参数属性，在自定义类的字段上也通过 Field 指定字段属性

@mcp.tool(description="根据高铁线路编号查询最低票价")
async def query_ticket_price(line_name_request: LineNameRequest2 = Field(..., description="高铁线路编号请求类 2")) -> Dict:

class LineNameRequest2(BaseModel):
    line_name: str = Field(..., description="高铁线路编号如 G1/G2")
    not_used: str = Field("", description="暂未使用的参数")

4.4. 启动 MCP server

调用以上创建的 FastMCP 类实例的 run 方法，可以启动 MCP server，transport 参数指定为"sse"，代表使用 SSE 传输

if __name__ == "__main__":
    mcp.run(transport='sse')

以上 run 方法的 transport 参数接收"stdio"或"sse"，即支持 stdio 传输，或 SSE 传输，默认值为"stdio"

对于示例项目，可通过以下方式启动

首先在控制台进入项目根目录，再根据操作系统选择设置 PYTHONPATH 的方式，例如以下为 Windows 环境执行的方式，再执行对应的 Python 脚本文件

set PYTHONPATH=.        

python mcp_demo\server_sse\server_sse_basic.py

4.5. MCP server 工具返回中文不使用 Unicode 形式（1.6.0 需要）

使用 MCP Python SDK 1.6.0 版本时，存在以下问题；使用 MCP Python SDK 1.8.0 版本时，FastMCP._convert_to_content()方法中未调用 json.dumps() 方法，不存在以下问题

默认情况下，Python MCP server 工具返回内容中的中文使用 Unicode 的\uxxxx形式，不便于观察及分析

为了解决这个问题，创建了继承 mcp.server.fastmcp.server.FastMCP 类的子类 FastMCPCN，重载了 call_tool 方法，并在该方法中调用对应 Python 脚本中重写的_convert_to_content 方法，在该方法中调用 json.dumps 方法时，指定 ensure_ascii=False，使 JSON 序列化时中文保持原有形式，而不是 Unicode 形式

class FastMCPCN(FastMCP):
    async def call_tool(
        self, name: str, arguments: dict[str, Any]
    ) -> Sequence[TextContent | ImageContent | EmbeddedResource]:
        """Call a tool by name with arguments."""
        context = self.get_context()
        result = await self._tool_manager.call_tool(name, arguments, context=context)
        converted_result = _convert_to_content(result)
        return converted_result

def _convert_to_content(
        result: Any,
) -> Sequence[TextContent | ImageContent | EmbeddedResource]:
    """Convert a result to a sequence of content objects."""
    if result is None:
        return []

    if isinstance(result, TextContent | ImageContent | EmbeddedResource):
        return [result]

    if isinstance(result, Image):
        return [result.to_image_content()]

    if isinstance(result, list | tuple):
        return list(chain.from_iterable(
            _convert_to_content(item) for item in result))  # type: ignore[reportUnknownVariableType]

    if not isinstance(result, str):
        try:
            result = json.dumps(pydantic_core.to_jsonable_python(result), ensure_ascii=False)
        except Exception:
            result = str(result)

    return [TextContent(type="text", text=result)]

5. MCP server 调试

MCP server Python SDK 支持通过 MCP inspector 进行调试，可参考 https://github.com/modelcontextprotocol/python-sdk?tab=readme-ov-file#development-mode

5.1. 安装库

pip install mcp[cli]

5.2. 启动 MCP inspector

• 执行命令

进入以下 Python 脚本所在目录 mcp_demo，执行 mcp dev 命令启动 MCP inspector

mcp dev dev_server.py

• 命令中指定的 Python 脚本文件

以上命令需要指定一个存在的 Python 脚本文件，在脚本中需要创建一个 mcp.server.fastmcp.server.FastMCP 或 mcp.server.lowlevel.server.Server 对象实例，命名需要为 mcp/server/app 之一，脚本内容示例如下：

from mcp.server import FastMCP

mcp = FastMCP()

• 首次执行提示

第一次执行以上命令时会要求确认，输入 y 确认，会安装 node npm 相关依赖，后续打开的网页是使用使用 node 启动的

• 启动日志示例

Starting MCP inspector...
 Proxy server listening on port 6277
 MCP Inspector is up and running at http://127.0.0.1:6274 

5.2.1. 启动需要调试的 MCP server

需要调试的 MCP server 与以上 mcp dev 命令中指定的 Python 脚本可以不是同一个

5.2.2. 打开网页

打开以上启动日志中显示的网页 http://127.0.0.1:6274

左侧"Transport Type" 选择 SSE

URL 输入需要调试的 MCP server SSE 连接地址 http://127.0.0.1:8000/sse ，IP 地址需要使用 127.0.0.1，若使用 localhost 会连接不上

点击 Connect 连接到需要调试的 MCP server

之后可以使用 Resources Prompts Tools Ping Sampling Roots 等功能

点击 Tools 标签页可以查看工具相关信息，点击“List Tools”可以列出支持的工具列表，点击某个工具后，右侧会出现“Run Tool”按钮，可以输入参数后执行

在 History 中可以查看执行工具的历史，包括请求与返回数据