探索MCP應用與開發的奧秘

編者按：在人工智能越來越融入生活的今天，你是否好奇人工智能如何與外部系統“對話”，精準獲取信息并完成任務？Anthropic于2024年推出MCP協議將給你答案。本欄目上一期文章重點介紹了MCP協議的起源和工作原理，本期文章將聚焦MCP協議在用戶應用與開發實踐中的關鍵環節，同時提供了實用的指導與參考資源，讀者可通過本文掌握MCP的核心知識與技能，并將其有效運用于教學場景，從而推動MCP技術在教育領域的深化應用與發展。

中圖分類號：G434 文獻標識碼：A論文編號：1674—2117（2025）15-0081-06

引言

隨著人工智能技術的迅猛發展，模型上下文協議（MCP）日益受到關注。MCP的核心是標準化上下文信息的傳遞，它是實現模型服務便捷調用、互操作和整合的關鍵使能規范和基礎。無論是用戶希望借此提升工作效率，還是開發者致力于創新MCP應用的開發，深入掌握MCP的應用與開發流程都顯得極為關鍵。因此，本文將探討MCP在用戶應用及開發實踐中的多個細節，助力讀者理解MCP的精髓與操作要點。

從用戶的角度應用MCP現在，越來越多的人開始關注在日常工作中如何應用MCP來提高工作效率和擴展自身能力邊界，CherryStudio擁有強大的整合能力以及簡單易用的使用界面，為用戶帶來絕佳的MCP服務體驗，下面，介紹如何在Cherry Studio中應用MCP。

1.前置依賴

首先，使用CherryStudio客戶端，需確保已經安裝1.2.9及以上版本并完成模型API配置后才能正常使用此功能，在CherryStudio上進行模型對話所需的最低版本以及如何安裝使用可以參考Cherry

Studio官方文檔。

2.在Cherry Studio中同步魔搭MCP（ModelScopeMCP）服務

魔搭MCP廣場匯聚了海量的MCP服務資源，為用戶提供了豐富多樣的選擇。通過將魔搭MCP服務與Cherry Studio進行同步，用戶可以便捷地在CherryStudio中使用這些服務。

（1）在魔搭發現并托管MCP服務

若已經完成魔搭MCP廣場上的MCP服務發現、選型、托管步驟，則可以直接進入下一步，其中有“Hosted”標簽的為可托管服務，即服務部署于ModelScope平臺上，各客戶端可進行調取使用（如圖1）。

在有“Hosted”標記的MCP頁面上點擊進入詳情頁（如圖2），在“連接”位置進行托管，并獲得包括SSEURL的服務配置信息；除另有說明外，有些MCP服務需要填寫環境變量后才可以連通。連接并托管成功的MCP服務可以在魔搭MCP實驗場、本地開發環境及CherryStudio客戶端等多個場所/應用環境被調取并使用到。

（2）在Cherry Studio中設 置ModelScopeMCP同步

在CherryStudio的“設置-MCP服務器-同步服務器”（如

C ？ □ https：//www.modelscope.cn/mcp ☆ + ☆ ： ...

}Modelscope 首頁 模型庫 數據集 創空間 AIGC專區 文檔 社區

MCP服務 MCP體驗gt;Fetch網頁內容抓取 Hosted 高德地圖 Hosted福@modelcontextprotocol/fetch fetch @amap/amap-maps瀏覽器自動化 301 該服務器使大型語言模型能夠檢索和處理網頁內容，將 高德地圖是一個支持任何MCHTML轉換為markdown格式，以便于更輕松地使用。 用戶輕松利用高德地圖MCP@modelcontextprotocol 118.7k 41 @amap搜索工具 612交流協作工具 235 趣丸千音 Local A 12306-MCP車票查..@allvoicelab/AllVoiceLab @Jooo0ok/12306-mcp官方AllVoiceLab模型上下文協議（MCP）服務器，支持與 服務器提供一個簡單的API接開發者工具 1214 強大的文本轉語音和視頻翻譯API交互。允許MCP客戶 票。@allvoicelab 3.1k 3 @Joooook娛樂與多媒體 106支付寶McPever lacal 支 可視化圖表-MCP-S..文件系統 209是支付寶開放平臺提供的MCPServer，讓你可以輕松將 Avisualization Model Co大計寧立平退州的六創 高 種能能力 -h

圖1魔搭MCP廣場

圖3）中，默認ModelScope，因為CherryStudio與ModelScope為官方合作，所以在MCP服務器勾選ModelScope后會自動進入魔搭主頁，如下頁圖4所示。

在魔搭主頁里將魔搭API令牌填入到對應位置，即可一鍵同步魔搭賬號下的所有已托管MCP服務配置。

進入魔搭首頁訪問“魔搭首頁-訪問令牌”（如下頁圖5），在獲取到Token后，在CherryStudio相應地方填入Token并點擊“同步”。

在Cherry Studio可用的MCP服務器列表當中會有魔搭HostedMCP服務配置好并連接的那些服務器（如下頁圖6）。這樣，就可知道MCP服務在CherryStudio中已經同步完成了，之后就可以在CherryStudio中正常使用MCP服務了。

（3）增量更新

不論是成功地把MCP服務新加入MCP廣場還是卸載了MCP服務，都可以隨時回到CherryStudio中的“設置-MCP服務器一同步服務器”頁面上，點擊“同步”

圖2連接頁面

圖4同步魔搭賬號

圖5訪問令牌

務器”的圖標。點擊“MCP服務器”圖標就可以看到已經通過同步的方式導人到CherryStudio中的可以拿來直接使用的MCP服務列表了（如下頁圖7）。用戶可以在對話框列表中選取本次對話想要使用

從開發者的角度開發MCP

在了解MCP開發的知識技能后就能設計制作出各式各樣的、非常有創意的MCP應用軟件，為用戶打造各種強大功能。其中，FastMCP是一個MCPServer編程的開發引擎框架，以其精簡高效的特點成為許多開發人員的選擇，本文結合使用FastMCP框架實現基于城市天氣查詢的MCPServer來闡述MCP開發的一些知識要點。

的MCP服務，之后AI助手會在后續對話的過程中根據需要調用服務來完成所需求的任務。

按鈕，進行增量更新。每次都會同步MCP廣場上的MCP服務更新情況到CherryStudio中，隨時都保持最新的MCP服務列表。

1.模塊導入及初始化

（2）效果示例

3.在Cherry Studio中結合模型與MCP的使用

開發的第一步是導人必要的模塊并進行初始化操作。在Python環境中，需要導人FastMCP模塊以及其他相關依賴庫。下頁圖9是具體的代碼示例。

（1）用MCP在會話中開啟MCP服務

以“時間服務MCP”為例，當用戶要求AI助手獲取某個網頁的相關信息后，AI助手就會自動調用之前開啟了“時間服務”的MCP，將相關網頁內容準確地提取出來，并把相關信息反饋給用戶（如下頁圖8）。

在完成MCP服務同步以后，在CherryStudio客戶端AI助手消息輸入框的旁邊會出現“MCP服

這里，初始化了一個名為“weather”的FastMCP實例。該實例名稱會在一些工具中顯示，便于開發者識別和管理不同的MCP

圖7選擇MCP服務

圖8MCP服務反饋

圖9代碼示例

型的FastMCP工具主要由以下三個部分構成。

參數可以為數據元添加注釋，例如@ mcp.tool（annotations={\"title\"：\"CalculateSum\"，\"readOnlyHint\"：True，\"openWorldHint\"：False}），這些注釋信息有助于LLM更好地理解和使用工具。

（1）裝

飾器

④ 元數據：可以設置name、description和tags等元數據參數，如@mcp.tool（name °leddash 'find_products\"，description 11 工具描述信息\"，tags={\"catalog\"，\"search\"}），通過這些元數據，能夠更清晰地定義工具的名稱、描述和所屬標簽，便于組織和篩選工具。

裝飾器用于聲明一個MCP Tool工具，其標準格式為 @ mcp.tool（.在FastMCP框架中，裝飾器還支持多種參數設置，以實現不同的功能。

（2）函數主體

函數主體是具體實現工具功能的核心部分。FastMCP框架支持豐富的特性，為開發者提供了靈活的開發方式。

① 排除參數：通過exclude_args參數可以指定哪些參數不向LLM暴露，但需要

① 類型注釋：支持廣泛的類型注釋，包括所有Pydantic類型，同時可以使用Field類和Annotated提供有關參數的其他元數據。這有助于提高代碼的可讀性和可維護性，確保參數的正確傳遞和使用。

fromtyping import Any，Dict，Optional

import httpx

frommcp.server.fastmcpimport FastMCP

mcp=FastMCP（\"weather\"）#初始化FastMCP

Server

為這些參數提供默認值。例如，@ mcp.tool（name =11 get_user_details\"，exclude_args=[\"user_id\"]），在此設置下，user_id參數不會告知LLM填寫，但需要有默認參數傳入。

② 函數參數約定：沒有默認值的參數被視為必需參數，而有默認值的參數則是可選參數。這種約定與Python的標準函數參數規則一致，開發者可以輕松上手。

Server實例。通過這一初始化操作，搭建起了MCP Server的基礎架構，為后續的功能開發做好了準備。

② 禁用工具：若設置enabled參數為False，即 @ mcp.tool（enabled °leddash False），則該工具不會提供給LLM使用，可用于控制工具的啟用狀態。

2.FastMCP工具拆解

③ 支持標準def和異步asynchronous函數：工具可以采用標準的def函數或異步的asynchronous函數作為實現方式。無論采用哪種方式，工具都會自動

FastMCP框架中的工具是實現MCP功能的核心組件。一個典③ 數據注釋：利用annotations

fromtyping import Any return\"Unable to fetchalertsornoalertsfound.\"

import httpx if not data[\"features]：

from mcp.server.fastmcp import FastMCP return\"No active alerts for this state.\" alerts Σ=Σ [format_alert（feature）forfeatureindata[\"features\"]]

#Initialize FastMCP server return\"n- -n\".join（alerts）

mcp=FastMCP（\" weather\"） @mcp.tool

#Constants asyncdefget_forecast（latitude：float，longitude：float） -gt;str

NWS_API_BASE Ψ=Ψ \"https：//api.weather.gov\" etweatherforecastforalocation

USER_AGENT Σ=Σ \"weather-app/1.0\" Args：

async def make_nws_request（url：str） dict[str，Any]|None： latitude：Latitude of the location MakearequesttotheNwSAPlwithpropererorhandling.\" longitude：Longitude of the location headers III \"User-Agent\"：USER_AGENT， #First get the forecast grid endpoint \"Accept\"：\"application/geo+json\" points_url Σ=Σ f{NWS_APl_BASE}/points/{latitude}，{longitude}\" 分 points_data Σ= await make_nws_request（points_url） asyncwith httpx.AsyncClientas client： if not points_data： try： return\"Unable to fetch forecast data forthis location.\" response Σ= awaitclient.get（url，headers=headers，timeout=30.0） #Get the forecast URL from the points response response.raise_for_status forecast_url Σ=Σ points_data.get（\"properties\"，0）.get（\"forecast\"） return response.json if not forecast_url： except Exception ase： return\"Unable to fetch detailed forecast.\" print（f\"Request error：{e}\"） forecast_data Σ=Σ awaitmake_nws_request（forecast_url） return None if not forecast_data：

def format_alert（feature：dict） -gt;str return\"Unable to fetchdetailed forecast.\" Formatanalertfeatureintoareadablestring. #Format the periods intoa readable forecast props Σ=Σ feature.get（\"properties\"，0） periods Σ=Σ forecast_data.get（\"properties\"，{）.get（\"periods\"，[]） returnf forecasts Θ=I （20

Event：{props.get（'event'，'Unknown'）} forperiod in periods[：5]：# Only shownext5periods

Area：{props.get（'areaDesc'，'Unknown'）} forecast

Severity：{props.get（'severity'，'Unknown'）} {period.get（'name'，'UnknownPeriod'）}：

Description：{props.get（'description'，'No description available'）} Temperature：{period.get（'temperature'，'Unknown'）}°{period.

Instructions：{props.get（‘instruction’，'No specific instructionsprovided'）} get（'temperatureUnit'，'Unknown'）} Wind：{period.get（'windSpeed'，'Unknown'）}{period.get（'windDirection'，

@mcp.tool 'Unknown'）}

asyncdefget_alerts（state：str）-gt;str： Forecast：{period.get（'detailedForecast'，'Nodetailed forecastavailable'）} Get weatheralertsfora US state. Args： forecasts.append（forecast） state：Two-letter US state code （e.g.CA，NY） return\"n -n\".join（forecasts） ！ if name_ _main__\"： url=f\"{NwS_API_BASE}/alerts/active/area/{state} #Initializeandruntheserver data Σ=Σ awaitmake_nws_request（url） mcp.run（transport='stdio'） if not data or \"features\"not in data：

圖10完整的代碼main.py實現及詳細解析

圖11目錄結構信息

樣的輸出數據。例如，在天氣查詢工具的函數說明中，可以詳細描述工具的用途、輸入參數的含義以及輸出結果的格式等內容。

志記錄、閱讀資源或通過Context對象報告進度等。這些功能有助于開發者在開發過程中進行調試、監控和優化工具的性能。

3.實例展示

（3）函數說明

接下來，通過一個具體的實例——獲取指定城市天氣信息的工具，來深入理解FastMCP工具的開發過程。圖10是完整的代碼main.py實現及詳細解析。

圖12添加MCP服務

目錄結構如上頁圖11所示。使用CherryStudio客戶端添加MCP服務如圖12所示。

圖13參數部分的內容

持雙向通信，但實現復雜且可能受網絡限制。它們共同服務于客戶端與MCP服務器的通信，其中SSE和Streamable HTTP基于HTTP協議拓展，而STDIO在本地環境中為快速開發調試提供便利。STDIO、SSE和Streamable HTTP各有優勢和局限，需根據具體場景選擇。未來，新興技術如WebAssembly和WebSockets可能為優化MCP訪問過程提供新思路，同時現有通信方式有望得到進一步優化改進，以適應分布式計算和云計算環境下的應用需求。

注意，參數部分的內容如圖13所示。

結論

圖14MCP服務反饋

在配置完成點擊保存后，綠燈點亮，說明添加服務成功。開啟聊天窗口，選擇剛剛配置的服務器進行測試，如圖14所示。

5.進一步探 索與總結

在MCP訪問過程中，有STDIO、SSE和StreamableHTTP三種方

MCP技術范式正革新人工智能模型應用方式。用戶借助CherryStudio等客戶端與魔搭MCP廣場的融合，能輕松同步、配置和調用眾多MCP服務，拓展AI助手功能，提升效率與問題解決能力，無論是網頁檢索還是路線規劃，都能快速獲得理想方案。開發者熟練掌握MCP開發，尤其是FastMCP框架，可高效搭建實用MCPServer，通過深度解析FastMCP工具，明晰開發需綜合設計裝飾器、函數主體與闡述等關鍵模塊。未來，隨著模型優化與算力提升，MCP將在多領域深度應用，開發者在高效框架支持下，能開發更多創新應用，滿足市場變化需求，推動MCP技術創造更大價值，助力各行業邁向智能化新階段。 e

（powershell -ExecutionPolicy

ByPass-c \"irm https：//astral.sh/uv/

install.ps1|iex\"）然后創建uv管理的項目：（uvinit mcp—server—democd mcp—server-demo）最后，將MCP添加到項目依賴

項中：（uv add \"mcp[cli]\"mcp—server—demo）

式可供選擇，本例中使用為：mcp.run（transport='stdio'）.STDIO通過標準輸人輸出實現本地通信，適合簡單開發調試，但效率低，不適用于大規模數據和高并發。SSE基于持久連接，可實時推送服務器更新至客戶端，適合實時場景，不過僅支持文本數據且單向通信。StreamableHTTP利用HTTP分塊傳輸，能處理大規模數據且支