学习连接：https://www.datawhale.cn/learn/content/220/5017

一、MCP的由来

Function Calling基础概念

  • OpenAl接口协议下的一环。
  • 允许大模型调用工具，不再只是文字的生产者，也能成为任务的执行者。
  • Al Agent 的基础。

Function Calling案例

  • 定义大模型可用的工具函数get_weather
  • 通过tools字段注入上下文，告诉大模tools型"你可以使用的工具以及工具的描述"。
  • 通过[{“role”:“user”“content”: “xxx”}]启动对话/任务。
  • 通过大模型返回的tool_calls字段获取“大模型想要使用的工具数组"。
from openai import OpenAI

client = OpenAI(
    api_key="<your api key>",
    base_url="https://api.deepseek.com",
)

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get weather of a location, the user should supply a location first.",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The city and state, e.g. San Francisco, CA",
                    }
                },
                "required": ["location"]
            },
        }
    },
]

def send_messages(messages):
    response = client.chat.completions.create(
        model="deepseek-chat",
        messages=messages,
        tools=tools
    )
    return response.choices[0].message

messages = [{"role": "user", "content": "How's the weather in Hangzhou?"}]
message = send_messages(messages)
print(f"User>\t {messages[0]['content']}")

tool = message.tool_calls[0]
messages.append(message)

messages.append({"role": "tool", "tool_call_id": tool.id, "content": "24℃"})
message = send_messages(messages)
print(f"Model>\t {message.content}")

Function Calling开发痛点分析

  • 业务规模扩大带来的复杂性
  • 代码维护性下降
  • 系统不确定性挑战
  • 开发心智负担加重

MCP协议

无MCP协议：耦合度高，开发和维护成本大
在这里插入图片描述
有MCP协议：后端服务与Agent解耦，扩展灵活
在这里插入图片描述

二、MCP实践

开发配置准备

技术选型

fastmcp(开发MCP服务器) + OpenMCP(调试验证MCP服务器)

fastmcp安装

pip install uv
uv add mcp "mcp[cli]"

uv的优点，便于管理，云服务友好

fastmcp 和 OpenMCP快速入门

fastmcp

# server.py
from mcp.server.fastmcp import FastMCP

# 创建一个 MCP Server
mcp = FastMCP("HelloMCP")

# 定义一个 prompt
@mcp.prompt()
def hello(name: str) -> str:
    """
    hello prompt
    """
    return f"hello {name}"

# 定义一个工具
@mcp.tool()
def say_hello(name: str) -> str:
    """
    向指定的人打招呼
    """
    return f"你好, {name}！这是来自 MCP 的问候 👋"

if __name__ == "__main__":
    # 如果没有这句话，需要通过脚手架启动服务器，也就是
    # mcp run server.py (全局安装 mcp[cli]) 或者 uv run mcp run server.py (本地安装 mcp)
    mcp.run()

这里你就定义了一个简单的MCP服务了！！！
OpenMCP教程https://openmcp.kirigaya.cn/zh/plugin-tutorial/quick-start/

STEP1:需求确定与快速开发

根据对大模型能力的边界和知识的边界了解估算需要输入的prompt。可以将上面fastmcp的例子输入进去让模型知道mcp怎么用

我现在要开发一个 MCP 服务器让大模型学会调用工具，
请使用 fastmcp 设计一个 excel 文档的 MCP，
使得大模型可以操控 excel 文件，下面是一个 MCP 的开发案例:
from mcp.server.fastmcp import FastMCP

# 创建一个 MCP Server
mcp = FastMCP("HelloMCP")

# 定义一个 prompt
@mcp.prompt()
def hello(name: str) -> str:
    """
    hello prompt
    """
    return f"hello {name}"

# 定义一个工具
@mcp.tool()
def say_hello(name: str) -> str:
    """
    向指定的人打招呼
    """
    return f"你好, {name}！这是来自 MCP 的问候 👋"

if __name__ == "__main__":
    # 如果没有这句话，需要通过脚手架启动服务器，也就是
    # mcp run server.py (全局安装 mcp[cli]) 或者 uv run mcp run server.py (本地安装 mcp)
    mcp.run()

我的kimi输出如下：看起来还不错，先直接复制到server_excel.py文件，先运行脚本无报错程序停止不动说明启动成功，后续可以在OpenMCP调试

# server_excel.py
from pathlib import Path
from typing import Optional

from openpyxl import Workbook, load_workbook
from openpyxl.utils import get_column_letter

from mcp.server.fastmcp import FastMCP

# 1. 创建 MCP 服务器
mcp = FastMCP("ExcelMCP")


# ---------- 工具区 ----------
@mcp.tool()
def excel_create(file_path: str, sheet: str = "Sheet1") -> str:
    """
    新建一个 Excel 文件（若已存在会覆盖）
    :param file_path: 绝对或相对路径，必须以 .xlsx 结尾
    :param sheet: 默认工作表名
    :return: 成功提示
    """
    wb = Workbook()
    ws = wb.active
    ws.title = sheet
    wb.save(file_path)
    return f"已创建文件：{Path(file_path).absolute()}"


@mcp.tool()
def excel_read_cell(file_path: str, sheet: str, cell: str) -> str:
    """
    读取单个单元格
    :param cell: 例如 "A1"
    """
    wb = load_workbook(file_path)
    ws = wb[sheet]
    val = ws[cell].value
    return str(val) if val is not None else ""


@mcp.tool()
def excel_write_cell(
    file_path: str, sheet: str, cell: str, value: str | int | float
) -> str:
    """
    写入单个单元格
    """
    wb = load_workbook(file_path)
    ws = wb[sheet]
    ws[cell] = value
    wb.save(file_path)
    return f"已写入 {cell} = {value}"


@mcp.tool()
def excel_append_row(
    file_path: str, sheet: str, row_data: list[str | int | float]
) -> str:
    """
    在最后一行下方追加一行数据
    """
    wb = load_workbook(file_path)
    ws = wb[sheet]
    ws.append(row_data)
    wb.save(file_path)
    return f"已追加一行：{row_data}"


@mcp.tool()
def excel_sum_column(
    file_path: str, sheet: str, col: str, start_row: int = 1
) -> float:
    """
    对某列从 start_row 到最后一行求和（只统计数字）
    :param col: 列字母，如 "A"
    """
    wb = load_workbook(file_path)
    ws = wb[sheet]
    col_idx = openpyxl.utils.column_index_from_string(col)
    total = 0.0
    for row in ws.iter_rows(min_row=start_row, max_row=ws.max_row, min_col=col_idx, max_col=col_idx):
        cell = row[0]
        if isinstance(cell.value, (int, float)):
            total += cell.value
    return total


# ---------- 可选：Prompt 模板 ----------
@mcp.prompt()
def excel_helper() -> str:
    """
    给大模型的一个系统提示，让它知道有哪些 Excel 工具可用
    """
    return (
        "你是一个 Excel 助手，已连接 ExcelMCP 服务器，拥有以下工具：\n"
        "- excel_create: 新建文件\n"
        "- excel_read_cell: 读单元格\n"
        "- excel_write_cell: 写单元格\n"
        "- excel_append_row: 追加行\n"
        "- excel_sum_column: 列求和\n"
        "当用户提到“打开/新建/读写/追加/求和”等关键词时，直接调用对应工具即可。"
    )


# ---------- 启动 ----------
if __name__ == "__main__":
    mcp.run()

STEP2:OpenMCP启动！开始调试！

这边简单说明，更多OpenMCP使用请看教程。OpenMCP教程https://openmcp.kirigaya.cn/zh/plugin-tutorial/quick-start/
如果你安装了OpenMCP，直接点这个小圈圈。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
一般要调试自建都成功在进行下一步，我报的错误都是文件路径没找到，我看了下每步报错路径都千奇百怪的，感觉没按照这个预设链路来。不知道是不是bug还是模型的问题。我觉得这个问题还好就直接进行下一步了。
在这里插入图片描述

STEP3.通过交互测评当前MCP

在这里插入图片描述

可以看到还是正常调用MCP生成了文件
在这里插入图片描述

在这里插入图片描述

STEP4.测试无误后封装prompt

@mcp.prompt
def data2excel_prompt(content: str) -> str:
    """请将非结构化数据整合成excel文件"""
    return f"""你是一个擅长擅长分析非结构化数据、并生成excel的的AI，请将输入的资料整理和生成excel文件。{content}"""

STEP5.部署MCP服务器

import { OmAgent } from 'openmcp-sdk/service/sdk';

@Injectable()
export class SlidesService {

    /**
     * @description 创建 markdown 任务，并返回中途进度
     */
    async dataToExcelHandler(id: number, user: User, subscriber: Subscriber<any>) {
        // Load configuration, which can be automatically generated after debugging with openmcp client
        agent.loadMcpConfig('/path/to/excel-mcp.config.json');

        // 从文档数据库中拿当前用户的 content
        const content = await this.documentService.getContent(id, user);

        const prompt = await agent.getPrompt('data2excel_prompt', { content });    

        const res = await agent.ainvoke({ messages: prompt });
        
        subscriber.next(toSseData({ done: true, data: res }));
    }

}
# 人工智能
Logo
北京朝阳AI社区

更多推荐

cover

上下文工程驱动智能体向 金融风控动态决策

avatar 北京朝阳AI社区
cover

上下文工程驱动智能体向 教育个性化学习路径

avatar 北京朝阳AI社区
cover

上下文工程驱动智能体向 工业质检零缺陷

avatar 北京朝阳AI社区