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
- 安全隔离:通过
Context
对象严格控制资源访问权限 - 性能优化:对耗时操作使用
ctx.report_progress()
实现进度反馈 - 版本控制:在初始化时声明
server_version
确保兼容性 - 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。