MCP协议开发实战：从零搭建AI Agent工具链

weixin_43928072

102人浏览 · 2026-07-17 21:05:20

weixin_43928072 · 2026-07-17 21:05:20 发布

摘要

随着大模型 AI Agent 应用快速发展，MCP（Model Context Protocol）模型上下文协议正在成为大模型与外部工具、数据源交互的核心标准。本文将讲解 MCP 协议基础原理、核心架构，并提供可直接运行的 Python 代码示例，一步步实现 AI Agent 通过 MCP 调用本地工具、访问本地数据，构建完整可交互的智能工具调用链路。

一、什么是 MCP 协议

MCP（Model Context Protocol）模型上下文协议，是一套用于标准化大语言模型与外部服务、工具、数据库、本地文件之间通信的开放协议。

核心目标：统一大模型上下文传递格式、工具调用格式、返回结果格式，实现大模型与异构系统的无缝对接
核心价值：
1. 让 AI Agent 具备稳定调用外部工具（文件读取、数据库查询、脚本执行、API 调用）的能力
2. 实现上下文信息标准化传递，解决大模型上下文割裂、无法连贯调用工具的痛点
3. 支持本地部署、私有化部署，提升 AI Agent 数据安全，避免全部数据上传第三方平台
4. 适配主流大模型框架（LangChain、LlamaIndex、OpenAI SDK 等），降低 AI Agent 开发成本
核心组成：客户端（AI 大模型应用）、MCP 服务端（工具服务）、标准化消息结构（请求、工具调用、返回结果、错误处理）

二、MCP 协议核心原理与消息格式

2.1 整体架构

MCP Client：AI Agent 主程序、大模型调用层，负责发起上下文请求、解析返回结果、生成工具调用指令
MCP Server：独立服务进程，封装各类工具能力（本地文件、SQL 数据库、系统指令、第三方接口），接收 MCP 协议请求并执行对应操作
通信方式：JSON 结构化消息，支持 HTTP、WebSocket、stdio 等多种传输方式
交互流程：
1. AI Agent 客户端发送标准化 MCP 上下文请求，附带用户指令和工具调用参数
2. MCP Server 解析请求，调用对应工具执行任务
3. 工具结果按 MCP 格式封装后返回给客户端
4. 大模型读取返回结果，整合信息生成最终回复，完成一轮 Agent 交互

2.2 基础消息结构示例

json

{
  "protocol": "mcp/v1",
  "type": "tool_call",
  "request_id": "req-001",
  "tool": "read_local_file",
  "params": {
    "file_path": "./note.txt"
  }
}

三、Python 实战：简易 MCP 服务端与 AI Agent 客户端

3.1 MCP 简易服务端（本地文件读取工具）

python

# mcp_server.py
import json
from flask import Flask, request

app = Flask(__name__)

# MCP工具：读取本地文本文件
def read_file(file_path: str):
    try:
        with open(file_path, "r", encoding="utf-8") as f:
            return {"success": True, "content": f.read()}
    except Exception as e:
        return {"success": False, "error": str(e)}

@app.route("/mcp", methods=["POST"])
def mcp_handler():
    data = request.get_json()
    tool = data.get("tool")
    params = data.get("params", {})
    if tool == "read_local_file":
        result = read_file(params.get("file_path", ""))
    else:
        result = {"success": False, "error": "unknown tool"}
    return json.dumps({
        "protocol": "mcp/v1",
        "request_id": data.get("request_id"),
        "result": result
    })

if __name__ == "__main__":
    app.run(port=8080, debug=True)

3.2 AI Agent MCP 客户端调用

python

# mcp_agent_client.py
import requests
import json

MCP_SERVER_URL = "http://127.0.0.1:8080/mcp"

def mcp_call(tool: str, params: dict):
    payload = {
        "protocol": "mcp/v1",
        "type": "tool_call",
        "request_id": "agent-001",
        "tool": tool,
        "params": params
    }
    res = requests.post(MCP_SERVER_URL, json=payload)
    return json.loads(res.text)

# AI Agent调用读取本地笔记文件
if __name__ == "__main__":
    resp = mcp_call("read_local_file", {"file_path": "./note.txt"})
    print("MCP返回结果：")
    print(json.dumps(resp, ensure_ascii=False, indent=2))