MCP 服务器构建

系统化设计、实现、测试和部署 Model Context Protocol 服务器的方法论。

1. 协议核心概念

MCP 定义三种原语：

• Tools（工具）：AI 助手主动调用的函数，有副作用。如搜索、创建、删除操作。
• Resources（资源）：AI 助手只读访问的数据源，用 URI 标识。如 users://{id}/profile。
• Prompts（提示词模板）：预定义交互模板，引导用户触发工作流。

选择原则： 执行操作 → Tool | 读取数据 → Resource | 引导交互 → Prompt

2. 项目结构规范

TypeScript

my-mcp-server/
├── src/
│   ├── index.ts          # 入口，注册 tools/resources
│   ├── tools/             # 按功能拆分
│   ├── resources/
│   └── lib/               # 客户端封装、校验逻辑
├── tests/
├── package.json
└── tsconfig.json

关键依赖：@modelcontextprotocol/sdk + zod

Python

my-mcp-server/
├── src/my_mcp_server/
│   ├── server.py
│   ├── tools/
│   └── lib/
├── tests/
└── pyproject.toml

关键依赖：mcp + pydantic

3. Tool 设计原则

命名

• snake_case 格式，动词开头：search_users、create_issue、delete_file
• 名称自解释，AI 助手靠名称选工具，模糊命名导致误调用

参数

• 每个参数有类型约束和 .describe() 描述
• 可选参数给默认值，减少 AI 决策负担
• 用枚举代替布尔开关

server.tool("search_issues", {
  query: z.string().describe("搜索关键词"),
  status: z.enum(["open", "closed", "all"]).default("open").describe("状态筛选"),
  limit: z.number().min(1).max(100).default(20).describe("返回上限"),
}, async ({ query, status, limit }) => { /* ... */ });

描述

说明用途 + 返回内容 + 限制，这是 AI 选择工具的关键依据：

server.tool("search_users",
  "根据姓名或邮箱搜索用户。返回 ID、姓名、邮箱列表。模糊匹配，最多 50 条。",
  schema, handler);

输出

• 结构化数据 → JSON，人类可读内容 → Markdown
• 始终用 content: [{ type: "text", text: "..." }] 格式返回

4. 输入验证和错误处理

用 Zod/Pydantic 做 Schema 级校验，业务级校验放 handler 开头：