当前位置: 首页 > news >正文

使用MCP Python SDK构建面向大语言模型的上下文协议服务

使用MCP Python SDK构建面向大语言模型的上下文协议服务

引言:重新定义LLM交互方式

Model Context Protocol(MCP)作为专为大语言模型设计的标准化协议,正在改变开发者构建LLM应用的方式。通过将上下文管理与模型交互解耦,MCP使应用能够以安全、可扩展的方式向LLM暴露数据和功能。本文将以Python SDK实现为例,深入解析如何构建符合MCP标准的服务。


核心概念解析

1. Server(服务端)

作为MCP的核心枢纽,FastMCP服务器提供协议兼容性保障和消息路由功能。通过生命周期管理支持资源初始化与清理:

from mcp.server.fastmcp import FastMCP@dataclass
class AppContext:db: Database@asynccontextmanager
async def app_lifespan(server: FastMCP) -> AsyncIterator[AppContext]:db = await Database.connect()try:yield AppContext(db=db)finally:await db.disconnect()mcp = FastMCP("My App", lifespan=app_lifespan)

2. Resources(资源)

类RESTful GET端点,用于向LLM暴露静态/动态数据:

@mcp.resource("users://{user_id}/profile")
def get_user_profile(user_id: str) -> str:return f"Profile data for user {user_id}"

3. Tools(工具)

支持LLM执行带副作用的操作,如API调用或数据处理:

@mcp.tool()
async def fetch_weather(city: str) -> str:async with httpx.AsyncClient() as client:response = await client.get(f"https://api.weather.com/{city}")return response.text

4. Prompts(提示模板)

结构化交互模板提升LLM响应质量:

@mcp.prompt()
def debug_error(error: str) -> list[base.Message]:return [base.UserMessage("I'm seeing this error:"),base.UserMessage(error),base.AssistantMessage("What have you tried so far?")]

快速构建服务

开发环境配置

# 使用uv包管理器
uv add "mcp[cli]"
# 或传统pip
pip install mcp

最小示例服务

# server.py
from mcp.server.fastmcp import FastMCPmcp = FastMCP("Demo")@mcp.tool()
def add(a: int, b: int) -> int:return a + b@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:return f"Hello, {name}!"if __name__ == "__main__":mcp.run()

调试与部署

# 开发模式实时调试
mcp dev server.py --with pandas# 集成到Claude Desktop
mcp install server.py --name "Production Server" -v API_KEY=secret

进阶开发模式

生命周期管理

通过@asynccontextmanager实现资源的安全初始化和清理:

@asynccontextmanager
async def server_lifespan(server: Server) -> AsyncIterator[dict]:db = await Database.connect()try:yield {"db": db}finally:await db.disconnect()

ASGI服务器集成

与Starlette等ASGI框架无缝整合:

from starlette.applications import Starlette
from mcp.server.fastmcp import FastMCPmcp = FastMCP("Hybrid Server")
app = Starlette(routes=[Mount('/', app=mcp.sse_app())])

实战案例:SQLite浏览器

import sqlite3
from mcp.server.fastmcp import FastMCPmcp = FastMCP("SQL Explorer")@mcp.resource("schema://main")
def get_schema() -> str:conn = sqlite3.connect("data.db")return "\n".join(row[0] for row in conn.execute("SELECT sql FROM sqlite_master"))@mcp.tool()
def query_data(sql: str) -> str:try:conn = sqlite3.connect("data.db")return str(conn.execute(sql).fetchall())except Exception as e:return f"Error: {e}"

客户端开发指南

from mcp import ClientSession
from mcp.client.stdio import stdio_clientasync with stdio_client() as (read, write):async with ClientSession(read, write) as session:await session.Initialize()tools = await session.list_tools()result = await session.call_tool("query_data", {"sql": "SELECT * FROM users"})

最佳实践

  1. 安全隔离:通过Context对象严格控制资源访问权限
  2. 性能优化:对耗时操作使用ctx.report_progress()实现进度反馈
  3. 版本控制:在初始化时声明server_version确保兼容性
  4. 错误处理:使用try-except包裹工具执行并返回结构化错误信息

生态与未来

MCP协议通过定义Prompts(用户控制)、Resources(应用控制)、Tools(模型控制)三大原语,构建了灵活的LLM交互体系。开发者可通过官方文档深入协议细节,或参与社区贡献扩展更多功能模块。

通过Python SDK的灵活实现,MCP正在成为连接LLM能力与企业级应用的标准化桥梁。随着工具链的不断完善,未来将看到更多创新应用基于此协议构建。

相关文章:

  • VLA 论文精读(十八)π0.5: a Vision-Language-Action Model with Open-World Generalization
  • 数据结构【树和二叉树】
  • Java—— 正则表达式 方法及捕获分组
  • Web常见攻击方式及防御措施
  • 怎么配置一个kubectl客户端访问多个k8s集群
  • 【数据可视化-26】基于人口统计与社会经济数据的多维度可视化分析
  • react-09React生命周期
  • wordpress学习笔记
  • AI与智能能源管理:如何通过AI优化能源分配和消耗?
  • Python----深度学习(基于深度学习Pytroch线性回归和曲线回归)
  • 【数据可视化-25】时尚零售销售数据集的机器学习可视化分析
  • vue3,element ui框架中为el-table表格实现自动滚动,并实现表头汇总数据
  • 从内核到应用层:深度剖析信号捕捉技术栈(含sigaction系统调用/SIGCHLD回收/volatile内存屏障)
  • ROS 快速入门教程03
  • 运维打铁:Centos 7使用yum安装 Redis 5
  • 【FAQ】PCoIP 会话后物理工作站本地显示器黑屏
  • centos挂载新的硬盘
  • Docker配置DNS方法详解及快速下载image方法
  • SpringBoot自定义拦截器以及多个拦截器执行顺序
  • 安卓adb shell串口基础指令
  • 韩国首尔江南区一大型商场起火,消防部门正在灭火中
  • 建行原副行长章更生被开除党籍:靠贷吃贷,大搞权钱交易
  • 土耳其发生6.2级地震,震源深度10千米
  • 石中英已任新成立的清华大学教育学院院长
  • 上海农房翻建为何难?基层盼政策适度松动
  • 深一度|上海半马,展示“体育+”无限可能的路跑狂欢