手把手搭建自定义 MCP 本地服务 stdio 和 sse 模式，实现 AI 工具个性化调用

天燹

977人浏览 · 2026-01-29 23:52:56

天燹 · 2026-01-29 23:52:56 发布

MCP（Model Context Protocol）作为 AI 与外部工具的通信协议，能让大模型精准调用自定义功能，摆脱官方工具的限制。本文将从环境搭建、项目初始化、代码开发到 Cherry Studio 联调，完整实现一个自定义 MCP 服务，最终让 AI 通过该服务完成「1+3=5」的个性化计算，全程步骤清晰、可直接复刻。

一、前置准备：安装 uv 包管理工具（核心环境）

uv 是新一代 Python 包管理工具，比 pip/conda 更快，且能统一管理 Python 版本和项目依赖，是搭建 MCP 服务的最佳选择，仅需一行命令完成安装。

安装命令（PowerShell 执行）

powershell -ExecutionPolicy Bypass -c "irm https://github.com/astral-sh/uv/releases/download/0.9.27/uv-installer.ps1 | iex"

安装完成后无需额外配置，自动添加系统环境变量
验证安装：在终端输入uv --version，输出版本号即表示安装成功

二、Python 版本管理：安装 3.13（MCP 推荐版本）

MCP 对 Python 3.13 兼容性更佳，通过 uv 可一键安装并管理该版本，无需担心多版本冲突。

1. 查看当前已安装 Python 版本

uv python list

2. 安装python 3.13

uv python install 3.13

三、项目初始化：创建 MCP 服务专属工程

创建项目文件夹并进入
建议按「根目录 - 项目目录」的结构创建，方便后续管理，以 Windows 为例：
创建一个mcp_server文件夹, 初始化python项目

D:\AiMcpProject> cd D:\AiMcpProject
D:\AiMcpProject> cd mcp_server
D:\AiMcpProject\mcp_server> uv init . -p 3.13
Initialized project `mcp-server` at `D:\AiMcpProject\mcp_server`

四、安装 MCP SDK：核心依赖包

MCP SDK 是开发自定义 MCP 服务的基础，提供了FastMCP核心类和各类装饰器，支持uv/pip 两种安装方式，优先推荐 uv（更快、无依赖冲突）。

方式 1：uv 安装（推荐，速度更快）

uv add "mcp[cli]"

在这里插入图片描述

方式 2：pip 安装（备用，兼容所有环境）

pip install "mcp[cli]"

在这里插入图片描述

五、核心开发：编写自定义 MCP 服务代码

项目初始化后，打开main.py（PyCharm/VS Code 均可），编写核心业务代码。本次实现3 个核心功能：个性化加法工具、动态问候资源、多风格问候提示词，且特意将加法结果「多加 1」，用于后续验证服务是否被成功调用。

main.py 内容

完整代码（可直接复制使用）

from mcp.server import FastMCP

# 初始化MCP服务，命名为Demo（服务标识，可自定义）
mcp = FastMCP("Demo")

# 1. 自定义加法工具：核心测试功能（a+b后多加1，用于联调验证）
@mcp.tool()  # 装饰器标记为MCP工具，供AI调用
def add(a: int, b: int) -> int:
    """Add two numbers（函数描述，AI会识别该描述并调用）"""
    return a + b + 1  # 个性化逻辑：比正常加法多1，验证核心标识

# 2. 动态问候资源：通过自定义协议返回个性化内容
@mcp.resource("greeting://{name}")  # 自定义资源协议，支持参数传参
def get_greeting(name: str) -> str:
    """Get a personalized greeting（资源描述，说明功能用途）"""
    return f"Hello, {name}!"

# 3. 多风格问候提示词：为AI生成指定风格的问候语提供模板
@mcp.prompt()  # 装饰器标记为MCP提示词工具
def greet_user(name: str, style: str = "friendly") -> str:
    """Generate a greeting prompt（生成不同风格的问候提示词）"""
    # 定义三种问候风格，默认友好风格
    styles = {
        "friendly": "Please write a warm, friendly greeting",
        "formal": "Please write a formal, professional greeting",
        "casual": "Please write a casual, relaxed greeting",
    }
    # 返回匹配的风格提示词，无匹配则使用友好风格
    return f"{styles.get(style, styles['friendly'])} for someone named {name}."

# 启动MCP服务：使用标准输入输出传输协议（stdio） 本地服务，兼容Cherry Studio
if __name__ == "__main__":
    mcp.run(transport="stdio")

代码核心说明

FastMCP(“Demo”)：快速初始化 MCP 服务，Demo为服务名称，在 Cherry Studio 中会显示该名称
三大核心装饰器：
@mcp.tool()：标记可调用工具，AI 能直接执行并返回结果（如加法计算）
@mcp.resource()：标记资源服务，通过自定义协议提供静态 / 动态资源（如个性化问候）
@mcp.prompt()：标记提示词工具，为 AI 生成指定风格的内容提供模板

六、客户端准备：安装 Cherry Studio（MCP 联调工具）

Cherry Studio 是一款专为 MCP 协议设计的 AI 客户端，能无缝对接自定义 MCP 服务，无需复杂的接口配置，是测试自定义 MCP 服务的最佳工具。

1. 下载安装

官网下载地址：https://www.cherry-ai.com/download

支持 Windows/macOS 系统，一键安装无附加组件
安装完成后打开，完成基础注册 / 登录（免费可用）

2. 安装 Cherry 内置工具（基础准备）

在这里插入图片描述

添加MCP 服务器

七、关键步骤：Cherry Studio 添加自定义 MCP 服务

在这里插入图片描述
输入完后，点保存并打开。

八、联调测试：验证自定义 MCP 服务是否生效

回到首页，输入使用MCP 1+3 等于多少？发送输出5 证明已调用到我们自己写的MCP 服务中。
在这里插入图片描述

九、在Trace 中配置MCP stdi模式使用

1. 配置mcp:

{
  "mcpServers": {
    "mcp-stdio-add": {
      "command": "python",
      "args": [
        "D:\\AiMcpProject\\mcp_server\\main.py"
      ],
      "env": {}
    }
  }
}

在这里插入图片描述

2.输入使用 mcp-stdio-add 工具计算 1+3 的和，发送即可

在这里插入图片描述

十、运行 MCP see模式

main.py 配置 see 和端口 8001

if __name__ == "__main__":
   mcp.settings.port =8001
   mcp.run(transport="sse")

完整代码（可直接复制使用）

from mcp.server import FastMCP

# Create an MCP server
mcp = FastMCP("Demo")


# Add an addition tool
@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b + 1   #多加1 测试是走了我们自己的mcp


# Add a dynamic greeting resource
@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """Get a personalized greeting"""
    return f"Hello, {name}!"


# Add a prompt
@mcp.prompt()
def greet_user(name: str, style: str = "friendly") -> str:
    """Generate a greeting prompt"""
    styles = {
        "friendly": "Please write a warm, friendly greeting",
        "formal": "Please write a formal, professional greeting",
        "casual": "Please write a casual, relaxed greeting",
    }

    return f"{styles.get(style, styles['friendly'])} for someone named {name}."

# sse stdio Streamable Http
# Run with streamable HTTP transport
if __name__ == "__main__":
    mcp.settings.port =8001
    mcp.run(transport="sse")