MCP (Model Context Protocol) 技术分析

MCP (Model Context Protocol) 技术分析

技术背景

MCP（Model Context Protocol）是一种模型上下文协议，旨在通过本地运行的MCP服务器扩展系统的能力。MCP服务器提供额外的工具和资源，使系统能够更有效地完成任务。MCP的核心思想是通过非交互式环境中的服务器，提供动态的操作和数据处理能力。

工作原理

MCP服务器通过标准输入输出（stdio）与系统进行通信，采用基于JSON的协议格式。通信过程遵循请求-响应模式，系统发送请求到MCP服务器，服务器处理请求并返回响应。

MCP整体架构

MCP服务器

JSON请求

JSON响应

Transport层

MCP服务器

Server类

资源处理器

工具处理器

静态资源

动态资源

工具实现

系统

资源处理流程

系统 MCP服务器 ListResourcesRequest 资源列表 ReadResourceRequest 资源数据 系统 MCP服务器

工具调用流程

系统 MCP服务器 外部系统 ListToolsRequest 工具列表 CallToolRequest 执行操作 操作结果 工具执行结果 系统 MCP服务器 外部系统

通信机制

MCP采用基于JSON的轻量级通信协议，通过标准输入输出（stdio）进行数据传输。整个通信过程类似于客户-服务器模式，但更加轻量和高效。

1. 连接建立

• MCP服务器启动时，通过StdioServerTransport建立与系统的连接
• 类似于电话拨号，建立稳定的双向通信通道
• 示例：服务器启动后，等待系统发送请求

2. 请求处理

系统发送JSON格式的请求，包含以下关键信息：

• 操作类型（如获取资源、调用工具）
• 请求参数
• 请求ID（用于匹配请求和响应）

示例请求：

{
  "type": "CallTool",
  "id": "12345",
  "name": "get_forecast",
  "arguments": {
    "city": "Beijing",
    "days": 3
  }
}

3. 响应返回

服务器处理请求后，返回JSON格式的响应，包含：

• 请求ID（与请求匹配）
• 操作结果
• 状态码（成功或错误）

成功响应示例：

{
  "id": "12345",
  "status": "success",
  "result": {
    "forecast": [
      {
        "date": "2025-05-12",
        "temperature": 22,
        "condition": "sunny"
      },
      {
        "date": "2025-05-13",
        "temperature": 20,
        "condition": "cloudy"
      }
    ]
  }
}

错误响应示例：

{
  "id": "12345",
  "status": "error",
  "code": "INVALID_PARAM",
  "message": "City parameter is required"
}

4. 实际应用场景

场景1：获取天气信息

• 系统发送获取天气请求
• MCP服务器调用OpenWeather API
• 返回格式化后的天气数据

场景2：执行数据分析

• 系统发送数据分析请求
• MCP服务器调用数据处理模块
• 返回分析结果和可视化数据

5. 错误处理机制

• 参数验证错误：返回INVALID_PARAM错误
• 资源不存在：返回RESOURCE_NOT_FOUND错误
• 服务器内部错误：返回INTERNAL_ERROR错误
• 超时处理：设置合理的超时时间，返回TIMEOUT错误

资源（Resources）

资源是MCP服务器提供的数据实体，分为两种类型：

• 静态资源：通过唯一的URI标识，可以直接访问。例如：weather://San Francisco/current
• 动态资源：使用URI模板（遵循RFC 6570标准），允许动态生成资源内容。例如：weather://{city}/current

资源处理流程：

1. 系统发送ListResourcesRequest或ListResourceTemplatesRequest获取资源列表
2. 服务器返回可用资源或资源模板信息
3. 系统发送ReadResourceRequest读取具体资源内容
4. 服务器返回资源数据，格式为UTF-8编码的文本

工具（Tools）

工具是MCP服务器提供的可执行功能，具有以下特点：

1. 动态性：可以接收参数并返回动态结果
2. 交互性：能够与外部系统进行交互
3. 状态修改：可以修改系统或外部系统的状态

工具调用流程：

1. 系统发送ListToolsRequest获取可用工具列表
2. 服务器返回工具信息，包括名称、描述和输入参数schema
3. 系统发送CallToolRequest调用具体工具
4. 服务器执行工具逻辑并返回结果

工具参数通过JSON Schema定义，支持以下特性：

• 参数类型验证（string, number, object等）
• 参数范围限制（最小值、最大值）
• 必填参数标记
• 参数描述信息

架构

MCP服务器的架构包括以下几个关键组件：

1. Server类：管理MCP服务器的生命周期，处理请求和响应。
2. Transport层：负责与系统的通信，通常使用stdio作为传输层。
3. 资源和工具处理器：定义和实现资源和工具的具体逻辑。
4. 错误处理：通过McpError类处理服务器运行中的错误。

创建MCP服务器（Python版）

创建MCP服务器的基本步骤包括：

1. 初始化项目

mkdir mcp-server
cd mcp-server
python -m venv venv
source venv/bin/activate
pip install fastapi uvicorn pydantic

2. 创建项目结构

touch main.py
mkdir resources
mkdir tools

3. 定义资源和工具

在main.py中定义资源和工具的处理逻辑，示例：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

# 资源示例
@app.get("/resources")
async def list_resources():
    return {
        "resources": [{
            "uri": "example://resource1",
            "name": "Example Resource",
            "mimeType": "application/json"
        }]
    }

# 工具示例
class ToolRequest(BaseModel):
    param1: str
    param2: int

@app.post("/tools/example-tool")
async def example_tool(request: ToolRequest):
    return {
        "result": f"Processed {request.param1} with {request.param2}"
    }

4. 运行服务器

uvicorn main:app --reload

5. 配置MCP设置

在MCP设置文件中添加服务器配置：

{
  "mcpServers": {
    "python-example": {
      "command": "uvicorn",
      "args": ["main:app", "--host", "0.0.0.0", "--port", "8000"],
      "env": {
        "PYTHONPATH": "."
      }
    }
  }
}

6. 测试服务器

使用curl或Postman测试API：

curl -X GET http://localhost:8000/resources
curl -X POST http://localhost:8000/tools/example-tool -H "Content-Type: application/json" -d '{"param1": "test", "param2": 123}'

示例：天气服务器

以下是一个简单的MCP服务器示例，提供天气数据功能：

依赖库

pip install fastapi uvicorn requests pydantic

Python实现

from fastapi import FastAPI
from pydantic import BaseModel
import requests
import os
import uvicorn

app = FastAPI()

class WeatherRequest(BaseModel):
    city: str
    days: int = 3

class WeatherServer:
    def __init__(self):
        self.api_key = os.getenv('OPENWEATHER_API_KEY')
        self.base_url = "http://api.openweathermap.org/data/2.5"
        self.setup_routes()

    def setup_routes(self):
        @app.get("/resources")
        async def list_resources():
            return {
                "resources": [{
                    "uri": "weather://San Francisco/current",
                    "name": "Current weather in San Francisco",
                    "mimeType": "application/json"
                }]
            }

        @app.get("/resource-templates")
        async def list_resource_templates():
            return {
                "resourceTemplates": [{
                    "uriTemplate": "weather://{city}/current",
                    "name": "Current weather for a given city",
                    "mimeType": "application/json"
                }]
            }

        @app.get("/weather/{city}")
        async def get_weather(city: str):
            response = requests.get(
                f"{self.base_url}/weather",
                params={
                    "q": city,
                    "appid": self.api_key,
                    "units": "metric"
                }
            )
            return response.json()

        @app.post("/forecast")
        async def get_forecast(request: WeatherRequest):
            response = requests.get(
                f"{self.base_url}/forecast",
                params={
                    "q": request.city,
                    "cnt": request.days * 8,
                    "appid": self.api_key,
                    "units": "metric"
                }
            )
            return response.json()

if __name__ == "__main__":
    server = WeatherServer()
    uvicorn.run(app, host="0.0.0.0", port=8000)

总结

MCP通过本地服务器扩展系统的能力，提供资源和工具的动态操作功能。通过定义资源和工具，MCP服务器能够与外部系统交互，执行复杂的任务。创建MCP服务器的过程包括初始化项目、定义处理逻辑、编译运行和配置设置文件。