前言

2026年，AI Agent已经成为开发者必备技能，而MCP（Model Context Protocol）则是连接大模型与外部工具的核心协议。截至2026年7月，MCP生态已拥有超过3000个开源Server实现，成为连接LLM与现实世界数据的标准协议。本文带你从零开始，用Python搭建一个完整的MCP Server，让AI模型能调用你的自定义工具。

一、MCP是什么？

MCP（Model Context Protocol）是Anthropic推出的开放标准协议，为AI应用提供统一方式连接外部数据源和工具。你可以把MCP理解为"AI世界的USB接口"——任何工具只要实现MCP协议，就能被任何支持MCP的AI模型调用。

核心架构

AI模型(Claude/GPT) ←→ MCP Client ←→ MCP Server ←→ 你的工具/数据

二、环境准备

# 安装MCP Python SDKpipinstallmcp# 或使用uv（推荐）uv init mcp-demo&&cdmcp-demo uvaddmcp

## 三、实战：搭建天气查询MCP Server ### 3.1 最小化Server

frommcp.serverimportServerfrommcp.server.stdioimportstdio_serverimportmcp.typesastypesimporthttpximportjson app=Server("weather-server")@app.list_tools()asyncdeflist_tools()->list[types.Tool]:return[types.Tool(name="get_weather",description="获取指定城市的天气信息",inputSchema={"type":"object","properties":{"city":{"type":"string","description":"城市名称，如：上海、北京"}},"required":["city"]})]@app.call_tool()asyncdefcall_tool(name:str,arguments:dict)->list[types.TextContent]:ifname=="get_weather":city=arguments.get("city","未知")# 调用免费天气APIasyncwithhttpx.AsyncClient()asclient:resp=awaitclient.get(f"https://wttr.in/{city}",params={"format":"j1"},timeout=10)data=resp.json()current=data.get("current_condition",[{}])[0]result={"city":city,"温度":f"{current.get('temp_C')}°C","天气":current.get('weatherDesc',[{}])[0].get('value'),"湿度":f"{current.get('humidity')}%","风速":f"{current.get('windspeedKmph')}km/h"}return[types.TextContent(type="text",text=json.dumps(result,ensure_ascii=False,indent=2))]asyncdefmain():asyncwithstdio_server()as(read_stream,write_stream):awaitapp.run(read_stream,write_stream)if__name__=="__main__":importasyncio asyncio.run(main())

### 3.2 配置到Claude Desktop

在Claude Desktop的配置文件中添加：

{"mcpServers":{"weather":{"command":"python","args":["path/to/weather_server.py"]}}}

配置文件位置：

• Windows:%APPDATA%\Claude\claude_desktop_config.json
• macOS:~/Library/Application Support/Claude/claude_desktop_config.json

重启Claude Desktop后，就可以直接问："上海今天天气怎么样？"AI会自动调用你的MCP Server。
## 四、进阶：数据库查询Server

importsqlite3frommcp.serverimportServerimportmcp.typesastypes app=Server("db-server")defget_db():conn=sqlite3.connect("products.db")conn.row_factory=sqlite3.Rowreturnconn@app.list_tools()asyncdeflist_tools()->list[types.Tool]:return[types.Tool(name="query_products",description="查询商品数据库，支持按名称、价格范围筛选",inputSchema={"type":"object","properties":{"keyword":{"type":"string","description":"商品名称关键词"},"min_price":{"type":"number","description":"最低价格"},"max_price":{"type":"number","description":"最高价格"},"limit":{"type":"integer","description":"返回条数","default":10}}}),types.Tool(name="get_product_stats",description="获取商品统计信息（总数、平均价格等）",inputSchema={"type":"object","properties":{}})]@app.call_tool()asyncdefcall_tool(name:str,arguments:dict)->list[types.TextContent]:db=get_db()try:ifname=="query_products":sql="SELECT * FROM products WHERE 1=1"params=[]ifarguments.get("keyword"):sql+=" AND name LIKE ?"params.append(f"%{arguments['keyword']}%")ifarguments.get("min_price"):sql+=" AND price >= ?"params.append(arguments["min_price"])ifarguments.get("max_price"):sql+=" AND price <= ?"params.append(arguments["max_price"])limit=arguments.get("limit",10)sql+=f" LIMIT{limit}"rows=db.execute(sql,params).fetchall()results=[dict(row)forrowinrows]return[types.TextContent(type="text",text=json.dumps(results,ensure_ascii=False,indent=2))]elifname=="get_product_stats":row=db.execute("SELECT COUNT(*) as total, AVG(price) as avg_price, ""MIN(price) as min_price, MAX(price) as max_price FROM products").fetchone()return[types.TextContent(type="text",text=json.dumps(dict(row),ensure_ascii=False,indent=2))]finally:db.close()

## 五、MCP的三大资源类型

MCP Server可以暴露三种资源：
### 5.1 Tools（工具）
AI可以调用的函数，如查询数据库、调用API。
### 5.2 Resources（资源）
AI可以读取的数据，如文件内容、数据库表。

@app.list_resources()asyncdeflist_resources()->list[types.Resource]:return[types.Resource(uri="file:///config.json",name="配置文件",description="应用配置",mimeType="application/json")]@app.read_resource()asyncdefread_resource(uri:str)->str:ifuri=="file:///config.json":withopen("config.json")asf:returnf.read()

## 5.3 Prompts（提示词）

预设的对�Y模板，用户可以更接週择使用。

@app.list_prompts()asyncdeflist_prompts()->list[types.Prompt]:return[types.Prompt(name="code-review",description="代码殡查助手",arguments=[types.PromptArgument(name="language",description="编程语",required=True)])]@app.get_prompt()asyncdefget_prompt(name:str,arguments:dict)->types.GetPromptResult:ifname=="code-review":lang=arguments.get("language","Python")returntypes.GetPromptResult(messages=[types.PromptMessage(role="user",content=types.TextContent(type="text",text=f"诵审查以下{lang}代码，关注安全性、性能和可读性：\\n\\n``F{lang.lower()}\\n# 粘贴代�8\\n〦```))])

## 公、调试技巧 ### 6.1 使用MCP Inspector

npx @modelcontextprotocol/inspector python weather_server.py

这会启动一个Web界面，可以可视化测试所有工具和资源。
### 6.2 日志调试

importlogging logging.basicConfig(level=logging.DEBUG)logger=logging.getLogger("mcp-server")@app.call_tool()asyncdefcall_tool(name:str,arguments:dict):logger.info(f"Tool called:{name}with{arguments}")# ...

## 七、部署与发布 ### 7.1 打包为命令行工具

# pyproject.toml [project.scripts] weather-mcp = "weather_server:main"

pipinstall-e.# 现在可以直接运行weather-mcp

### 7.2 发布到PyPI

python-mbuild twine upload dist/*

### 7.3 发布到MCP Hub

将你的Server提交到 mcphub.io，让全球开发者都能使用。
## 八、变现机会

学会MCP开发后，可以通过以下方式变现：

1. 定制MCP Server：为企业开发连接内部系统的MCP Server，单价2000-10000元
2. SaaS化MCP服务：搭建MCP Server云平台，按调用次数收费
3. 技术专栏：在CSDN写MCP系列教程，积累粉丝后开付费专栏
4. 开源赞助：优质MCP Server项目可获GitHub Sponsors赞助
5. 培训课程：录制MCP开发实战课程，在网易云课堂等平台售卖

   总结

MCP是2026年AI开发最热门的方向之一。掌握MCP开发，你就能让任何AI模型使用你构建的工具，打开AI应用开发的全新可能。

专栏后续会更新：MCP+RAG实战、MCP安全防护、MCP多Server编排、企业级MCP部署等内容，欢迎关注！

有问题欢迎评论区交流，需要定制MCP Server开发可以私信。