1. MCP服务资源类型

1.1 Resource

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

官方解释：
Expose data through Resources (think of these sort of like GET endpoints; they are used to load information into the LLM’s context)

我们可以通过@mcp.resource这个装饰器来暴露数据，并将其作为一个信息载入到LLM的上下文中，一般体现为一个JSON数据

1.2 Tools

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

官方解释：
Provide functionality through Tools (sort of like POST endpoints; they are used to execute code or otherwise produce a side effect)

我们可以通过@mcp.tool来定义一个mcp工具，tool通过被用来执行一段代码。为了让大模型能够理解这个函数的意义，我们需要添加注释，在上述代码中的示例就是"Add two numbers"

1.3 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}."

官方解释：
Define interaction patterns through Prompts (reusable templates for LLM interactions)

我们可以通过@mcp.prompt来进行一个提示词的设计，一个好的提示词可以帮助我们更好的完成任务。例如你正在学习go语言，那么你肯定希望LLM给你的代码是go语言相关的，因此你可以设定相关的提示词，例如：“你是一名精通go语言的教师，每次回答问题都需要使用go语言输出对应的代码，并且做出详细的解释”