Skip to main content

【中级】在 MTT AIBOOK 上从零搭建 MCP-Server

更新日志​

版本日期变更描述
1.0.02026-01-30初始版本，包含在 MTT AIBOOK(型号 A141) 上搭建 MCP Server 的完整开发指南。

1. 目标与范围​

本教程将带领您搭建一个属于自己的 MCP Server（模型上下文协议服务），并通过实际案例让您的 AI 助手（如 Cursor、Cherry Studio 等）具备“调用外部工具”的能力。掌握 MCP Server 的基本概念和架构，学会使用 FastMCP 框架开发可扩展的服务端。

难度：中级，适合有编程基础的开发者体验

MCP Server 简介： MCP（模型上下文协议）的最大作用，就是统一各类工具的接入标准，极大简化工具开发流程，并降低模型认知和使用工具的难度。MCP Server 作为其中重要的一个环节，为大模型赋予更多的能力，让 AI 助手不再局限于“只会聊天”，而是能像人一样“用工具解决实际问题”。

2. 前置条件​

在开始本教程之前，请确保您已满足以下所有条件：

  • 硬件: AI 算力本 MTT AIBOOK，型号 A141
  • 软件:
    • MTT AIBOOK 操作系统 AIOS(1.3.1-B15) 及以上版本。
    • 设备已配置管理员权限（可使用 sudo 命令）。
    • 网络环境通畅，可访问互联网（需下载依赖包）。
    • 已安装 Python 3.10 或更高版本（python --version 验证）。
    • 已安装 VS Code 或 Cursor 代码编辑器。
    • 已安装 Cherry Studio（可选，用于测试 MCP Server）。
    • 具备 Python 编程基础知识。

3. 环境部署​

本章节描述如何安装开发工具并创建第一个 MCP Server 项目。

3.1 安装 uv​

MCP 推荐使用 uv 管理项目。uv 是一个快速的 Python 包管理器和项目管理工具。

  1. 安装 uv。

    curl -LsSf https://astral.sh/uv/install.sh | sh

    安装完成后将显示类似以下输出：

    downloading uv 0.7.19 aarch64-unknown-linux-gnu
    no checksums to verify
    installing to /home/user/.local/bin
    uv
    uvx
    everything's installed!

  2. 配置环境变量。

    如果提示 PATH 设置未生效，运行以下命令使该命令对所有终端生效：

    # 如果你用 bash/zsh/sh (默认)
    echo 'source $HOME/.local/bin/env' >> ~/.bashrc && source ~/.bashrc

    # 如果你用 fish
    echo 'source $HOME/.local/bin/env.fish' >> ~/.config/fish/config.fish && source ~/.config/fish/config.fish

    安装uv环境变量

  3. 验证安装是否成功。

    uv --version

    正常应输出：uv 0.7.19 或类似版本号。

3.2 创建第一个 MCP Server​

  1. 创建项目文件夹。

    mkdir mcp_server
    cd mcp_server

  2. 初始化 Python 项目。

    uv init .

    此命令会将当前文件夹初始化为一个 Python 工程。

  3. 添加 MCP 依赖。

    uv add "mcp[cli]"

  4. 更新 FastMCP 依赖（重要）。

    uv add fastmcp
    tip

    MCP 安装包未包含升级后的 fastmcp 2.0，为确保正常使用，需要使用此命令更新依赖。

    安装uv环境变量

  5. 验证环境配置。

    1. 打开 Cursor 或 VS Code。

    2. 打开 mcp_server 文件夹。

    3. 可以看到 uv 已经帮您配置开发环境（.venv 是运行于该项目的虚拟环境）。

    4. 打开终端，输入 python main.py，成功打印结果说明环境配置正确。 Cursor 项目结构

      运行 Hello MCP

此时，我们已经能够运行独立的 MCP 开发工具。

4. 最佳实践​

本章节指导您完成一个可调用计算器的 MCP Server 的开发、配置和使用流程。

场景 1: 编写简单的加法器 MCP Server​

通过一个简单的加法器示例，理解 MCP Server 的基本结构：

  1. 编写 MCP Server 代码

    将以下代码写入 main.py 中：

    # server.py
    from fastmcp import FastMCP
    # 将 FastMCP 导入 MCP 包
    # FastMCP：一个简化 MCP 服务器开发的框架

    # Create an MCP server
    mcp = FastMCP("Demo")
    # 创建一个 MCP 服务器，并命名为 Demo

    # Add an addition tool
    @mcp.tool()
    def add(a: int, b: int) -> int:
        """Add two numbers"""
        # 定义一个简单的加法工具
        # AI 模型可以通过 MCP 协议调用这个工具来执行数学运算
        # 准确的数据类型可以帮助大模型更好的理解工具
        # 这个注释是必须写的，运用自然语言告诉大模型这个工具的用途
        return a + b

    # Add a dynamic greeting resource
    # 定义一个动态的问候资源，AI 模型可以通过 MCP 协议调用这个资源来获取个性化的问候
    # resource 为大模型提供只读数据，只请求，不产生其他作用
    @mcp.resource("greeting://{name}")
    def get_greeting(name: str) -> str:
        """Get a personalized greeting"""
        return f"Hello, {name}!"

    if __name__ == "__main__":
        mcp.run()  # 简化运行方式，默认使用 stdio 传输协议

  2. 代码说明

    元素说明
    FastMCP一个简化 MCP 服务器开发的框架。
    @mcp.tool()装饰器，用于定义工具函数，AI 模型可以调用这些工具。
    @mcp.resource()装饰器，用于定义资源，为大模型提供只读数据。
    函数文档字符串必须写，用于告诉大模型工具的用途。
    类型注解准确的数据类型可以帮助大模型更好地理解工具。

场景 2: 在 Cursor 中配置和使用 MCP Server​

学习如何在 Cursor 中配置并测试 MCP Server：

  1. 添加 MCP Server 配置。

    1. 打开 Cursor 设置。

    2. 点击 Tools & Integrations。

    3. 在 MCP Tools 中，点击 Add Custom MCP。

      Cursor MCP 设置

  2. 编写配置文件。

    创建或编辑 JSON 配置文件，内容如下：

    {
     "mcpServers": {
        "demo-server": {
          "name": "Demo MCP 服务器",
          "type": "stdio",
          "description": "我的 Demo MCP 服务器，提供加法工具",
          "isActive": true,
          "registryUrl": "",
          "command": "uv",
          "args": [
            "--directory",
            "/home/project30_mcp_server/mcp_server",
            "run",
            "main.py"
          ],
          "cwd": "/home/project30_mcp_server/mcp_server"
        }
      }
    }
    tip

    重要提示： 请将路径修改为您的实际项目路径。

  3. 保存并验证配置。

    保存配置文件后，MCP 工具将显示为已启用状态：

    MCP 工具已启用

  4. 使用 MCP Server。

    1. 在右侧 AI 栏中提出一个包含加法的问题。
    2. 可以看到大模型调用 MCP 工具进行加法运算。

    Cursor 使用 MCP 计算

场景 3: 在 Cherry Studio 中配置和使用 MCP Server​

学习如何在 Cherry Studio 中配置并测试 MCP Server：

  1. 导入 MCP Server。

    1. 在 Cherry Studio 中，点击 设置。

    2. 打开 MCP 服务器。

    3. 点击 添加服务器，选择 从 json 导入。

      Cherry Studio MCP 设置（空）

  2. 配置 JSON 文件。

    使用与 Cursor 中相同的 JSON 配置。

  3. 启用 MCP Server。

    1. 点击 添加。

    2. 打开开关。

    3. 显示绿色连通标志证明 MCP 配置成功。

      Cherry Studio 已配置 MCP

  4. 使用 MCP Server。

    1. 返回主界面。

    2. 在对话框下方点击 MCP 服务器，点击 打开。

    3. 接下来输入您的问题，LLM 可以自行调用 MCP 服务器进行工作。

      Cherry Studio 聊天界面

      DeepSeek 使用 MCP 计算

场景 4: MCP Server 能力展现​

通过对比示例展现 MCP Server 的实际意义：

未使用 MCP Server 的情况： 大模型（如 DeepSeek R1）需要自己进行复杂计算 - 对于大数加法（如 32904789 + 239047097800），模型需要 280.6 秒的深度思考 - 思考过程类似人类列竖式，既繁琐又低效,而且因为大模型是语言模型,极易出错。

使用 MCP Server 的情况： 模型仅用 15 秒就给出正确答案：

DeepSeek 大数计算

大模型的思考过程重点放在判断要调用工具上。 MCP Server 为模型提供一个类似“计算器”的工具。

核心价值： MCP（模型上下文协议）的最大作用，就是统一各类工具的接入标准，极大简化工具开发流程，并降低模型认知和使用工具的难度。MCP Server 作为其中重要的一个环节，为大模型赋予更多的能力。

场景 5: 编写智能时间管理 MCP Server​

搭建一个基于 MCP 框架构建的智能时间管理服务器，提供时间查询、提醒设置和倒计时等功能：

  1. 获取项目代码。

    git clone git@gitee.com:mthreadsacademy/project100.git
    注意

    请将仓库地址替换为实际地址。

  2. 进入项目目录。

    cd project100/mcp_server_time

  3. 代码模块划分。

    工具函数：

    • get_current_time()：获取当前时间
    • set_reminder()：设置提醒
    • list_reminders()：查看提醒列表
    • check_triggered_reminders()：检查已触发提醒
    • acknowledge_reminder()：确认提醒
    • cancel_reminder()：取消提醒
    • start_countdown()：开始倒计时
    • list_countdowns()：查看倒计时列表
    • get_countdown_status()：获取倒计时状态
    • cancel_countdown()：取消倒计时

    资源接口：

    • time://current：当前时间
    • reminders://active：活跃提醒
    • countdowns://running：运行中倒计时

    辅助函数：

    • load_data() / save_data()：数据持久化
    • parse_duration()：时间字符串解析
    • format_time_semantic()：语义化时间
    • log_message()：日志输出
    • monitor_service()：后台监控

  4. 核心功能

    • 时间查询：支持标准格式和中文语义格式。
    • 智能提醒：支持相对时间（如“10 分钟后”）和绝对时间（如“2025-01-16T09:00:00”）。
    • 倒计时功能：支持各种时长的倒计时管理。
    • 数据持久化：自动保存和恢复数据。
    • AI 友好：专为大语言模型设计的工具接口。

  5. 在 Cursor 中配置时间管理服务器。

    1.打开 Cursor 设置。 2.点击 Tools & Integrations。 3. 在 MCP Tools 中点击 Add Custom MCP。 MCP服务

    1. 修改 JSON 文件，添加如下内容：
    {
      "mcpServers": {
        "time-server": {
          "name": "时间管理 MCP 服务器",
          "type": "stdio",
          "description": "时间管理服务器，提供时间查询、提醒设置和倒计时功能",
          "isActive": true,
          "registryUrl": "",
          "command": "uv",
          "args": [
            "--directory",
            "/home/project30_mcp_server/mcp_server_time",
            "run",
            "main.py"
          ],
          "cwd": "/home/project30_mcp_server/mcp_server_time"
        }
      }
    }
    tip

    重要提示： 请将路径修改为您的实际项目路径。

  6. 在 Cherry Studio 中配置时间管理服务器。

    1. 在 Cherry Studio 中，点击 设置。

    2. 打开 MCP 服务器。

    3. 点击 添加服务器，选择 从 json 导入。

    4. 使用与 Cursor 中相同的 JSON 配置。

    5. 点击 添加，打开开关，显示绿色连通标志。

      时间管理 MCP 服务器

  7. 使用时间管理服务器。

    配置成功后，您可以在对话中使用以下功能：

    • 询问当前时间：“现在几点？”
    • 设置提醒：“10 分钟后提醒我喝水”
    • 查看待办清单：“查看我的待办事项”
    • 倒计时功能：“40 小时后是什么时间？”

MCP Server 效果演示

未使用时间管理器 MCP Server 时：

大模型无法准确的告诉我此时的时间。

未使用 MCP 时间查询对比

再来看看网页版的DeepSeek，网页版同样没有办法给出具体的时间：

网页版 DeepSeek 时间查询

使用时间管理器 MCP Server 之后：

不仅能的知道当前的准确时间，还可以根据我的语义自动识别意图。

Cherry Studio 时间提醒功能

常用操作命令​

操作命令
安装 uvcurl -LsSf https://astral.sh/uv/install.sh | sh
配置环境变量echo 'source $HOME/.local/bin/env' >> ~/.bashrc && source ~/.bashrc
验证 uv 安装uv --version
初始化项目uv init .
添加 MCP 依赖uv add "mcp[cli]"
更新 FastMCPuv add fastmcp

5. 附录​

5.1 项目亮点​

  • 标准化开发：基于 MCP 协议，开发流程统一，易于集成到各大 AI 平台。
  • 工具能力扩展：不仅能实现加法器，还能轻松扩展为时间管理、提醒、倒计时等多种实用工具。
  • AI 赋能：让大模型具备“用工具”的能力，显著提升 AI 助手的实用性和智能水平。
  • 数据持久化：所有数据自动保存，服务重启不丢失。
  • 平台兼容：支持 Cursor、Cherry Studio 等主流 AI 平台，配置简单。

5.2 小知识：MCP 总体架构​

MCP 遵循客户端 - 服务器架构，其中主机应用程序可以连接到多个服务器：

MCP 架构图

主要有以下几个部分：

  • MCP Hosts（MCP 主机）：想要通过 MCP 访问数据的程序，如 Claude 桌面版、IDE 或 AI 工具
  • MCP Clients（MCP 客户端）：与服务器保持 1:1 连接的协议客户端
  • MCP Servers（MCP 服务器）：通过标准化的模型上下文协议暴露特定功能的小型程序
  • Local Data Sources（本地数据源）：您的计算机文件、数据库和服务，MCP 服务器可以安全访问
  • Remote Services（远程服务）：可通过互联网（例如通过 API）访问的外部系统，MCP 服务器可以连接

本教程重点： 这篇教程主要针对 MCP Server 的构建，使用时我们借助已有的 MCP Client（Cursor 和 Cherry Studio 的 MCP 功能实现）。

5.3 进阶建议​

完成基础实现后，您可以尝试以下进阶操作：

  1. 搭建您自己的 MCP Server。

    • 让您的 AI 助手实现更有趣的功能
    • 根据实际需求定制工具和资源

  2. 探索更多 MCP Server。

    • 充实您的 AI 工具箱
    • 学习其他开发者的实现方式

  3. 探究 MCP Client 的更多功能。

    • 深入了解 MCP 协议的完整功能
    • 探索更高级的集成方式

5.4 常见问题​

问题描述可能原因解决方案
uv 安装失败网络问题或权限不足1. 检查网络连接。
2. 使用 sudo 执行安装命令。
3. 手动下载安装包。
PATH 设置未生效环境变量配置错误1. 检查配置文件是否正确。
2. 重新打开终端或执行 source ~/.bashrc。
MCP Server 无法启动依赖未安装或路径错误1. 确认已执行 uv add "mcp[cli]"。 和 uv add fastmcp。
2. 检查 JSON 配置中的路径是否正确。
Cursor 中 MCP 不显示配置格式错误或未保存1. 检查 JSON 格式是否正确。
2. 确认已保存配置文件。
3. 重启 Cursor。
Cherry Studio 中 MCP 连接失败路径错误或服务未启动1. 检查 JSON 配置中的路径。
2. 确认 MCP Server 可以独立运行。
3. 查看 Cherry Studio 的错误日志。
工具调用失败函数定义错误或类型不匹配1. 检查函数文档字符串是否完整。
2. 确认类型注解正确。
3. 查看 MCP Server 的运行日志。
数据持久化失败文件权限问题或路径错误1. 检查数据文件路径的写入权限。
2. 确认数据目录存在。
3. 查看错误日志定位问题。

5.5 相关资源​

版权所有 2024 摩尔线程，本文档受国际版权法保护。

摩尔线程和摩尔线程徽标是摩尔线程智能科技 (北京)有限责任公司的注册商标。

免责声明

本文档提供有关摩尔线程产品的信息。本文档并未授权任何知识产权的许可，并未以明示或暗示，或以禁止反言或其他方式授予任何知识产权许可。