📦 MCP Builder - MCP 服务器构建器

这是什么？

MCP Builder 是一个完整的指南，教你如何创建高质量的 MCP (Model Context Protocol) 服务器。MCP 服务器就像是 LLM 的"工具箱"，让 AI 能够调用外部 API、访问数据库、操作第三方服务。

想象一下：如果 LLM 是一个聪明的助手，MCP 服务器就是教它如何使用 GitHub、Slack、数据库等工具的"使用手册"。

能做什么？

核心功能一览

  • 🔧 完整开发流程：从零到一构建 MCP 服务器的四阶段指南
  • 🌐 多语言支持：TypeScript（推荐）或 Python 任选
  • 📚 最佳实践库：工具命名、错误处理、分页等经验总结
  • ✅ 质量保障：代码检查清单 + MCP Inspector 测试工具
  • 📊 效果评估：创建 10 个问题验证 MCP 服务器的实用性

适合谁用？

  • 后端开发者：想让 AI 调用自己的 API
  • DevOps 工程师：需要 AI 操作 CI/CD、监控系统
  • 数据工程师：希望 AI 能查询数据库、生成报表
  • 产品经理：想了解如何将现有系统与 AI 集成

典型使用场景

场景 1：GitHub 集成 🐙

需求：让 AI 能够管理 GitHub 仓库

// 创建 Issue 工具
github_create_issue(owner, repo, title, body)
  → 创建成功: Issue #42

// 列出仓库工具  
github_list_repos(username, limit=10)
  → 返回用户的前 10 个仓库

价值：AI 可以自动创建 bug 报告、管理项目任务

场景 2：数据分析助手 📊

需求：让 AI 查询销售数据库并生成报表

# SQL 查询工具
@mcp.tool()
async def query_sales(start_date, end_date):
    """查询指定时间段的销售数据"""
    return execute_sql(f"SELECT * FROM sales WHERE...")

价值：业务人员用自然语言提问，AI 自动查询并分析数据

场景 3：自动化运维 🔄

需求：让 AI 管理 CI/CD 流水线

// Jenkins 工具
jenkins_trigger_build(job_name, params)
jenkins_get_logs(build_number)
jenkins_list_jobs()

价值：AI 可以触发部署、查看日志、诊断构建失败原因

快速开始

5 分钟了解核心概念

  1. 什么是 MCP？

    • MCP = Model Context Protocol（模型上下文协议）
    • 让 LLM 能够调用外部工具的标准协议
    • 类似于 REST API，但专为 AI 设计

  2. MCP 服务器的组成

    MCP 服务器
├── 工具定义（Tools）：AI 可以调用的函数
├── 输入模式（Schema）：参数验证规则
├── 错误处理：告诉 AI 出错时怎么办
└── 响应格式：JSON 或 Markdown

  3. 开发四步骤

    1. 研究和规划 → 了解 MCP 协议和最佳实践
2. 实现代码 → 编写工具和 API 集成
3. 测试验证 → 使用 MCP Inspector 测试
4. 创建评估 → 10 个问题验证实用性

代码示例：最简单的 MCP 工具

TypeScript 版本：

import { Server } from '@modelcontextprotocol/sdk'

const server = new Server({ name: 'my-mcp', version: '1.0.0' })

// 注册一个简单的工具
server.registerTool({
  name: 'get_weather',
  description: '获取指定城市的天气',
  inputSchema: {
    type: 'object',
    properties: {
      city: { type: 'string', description: '城市名称' }
    },
    required: ['city']
  },
  async handler({ city }) {
    const weather = await fetchWeather(city)
    return {
      content: [{
        type: 'text',
        text: `${city}的天气：${weather.condition}，温度 ${weather.temp}°C`
      }]
    }
  }
})

Python 版本：

from fastmcp import FastMCP

mcp = FastMCP("my-mcp")

@mcp.tool()
async def get_weather(city: str) -> str:
    """获取指定城市的天气"""
    weather = await fetch_weather(city)
    return f"{city}的天气：{weather['condition']}，温度 {weather['temp']}°C"

为什么选择 TypeScript？

MCP Builder 推荐使用 TypeScript，原因：

  • ✅ 官方 SDK 质量高：功能完善、文档齐全
  • ✅ AI 友好：模型擅长生成 TypeScript 代码
  • ✅ 类型安全：编译时发现错误
  • ✅ 广泛兼容：在多种环境中运行（Node.js、Deno、浏览器）

但 Python 也完全可用，特别适合数据科学和后端开发者。

关键设计原则

1. API 覆盖 vs. 工作流工具

问题：应该提供底层 API 还是高级工作流？

答案：优先全面的 API 覆盖

❌ 只提供高级工具
create_github_project()  // 太具体，灵活性差

✅ 提供底层 + 组合
github_create_repo()
github_add_collaborator()
github_create_issue()
// AI 可以组合这些工具实现复杂流程

2. 清晰的工具命名

好的命名：一致的前缀 + 动作 + 对象

✅ 推荐
github_create_issue
github_list_repos
github_merge_pull_request

❌ 避免
create        // 太模糊
issue_new     // 不一致
merge_pr      // 缩写不清晰

3. 可操作的错误消息

普通错误：

Error: Repository not found

优秀错误：

仓库 'user/repo' 未找到。请检查：
1. 仓库名称是否正确
2. 您是否有访问权限
3. 仓库是否为私有（如使用公开 token）

提示：使用 github_list_repos 查看可访问的仓库

下一步

选择您的路径：

相关技能：