一、MCP服务架构核心

三层服务模型​​（资源/提示/工具协同工作）：

服务类型对比矩阵​​：

服务类型	状态修改	缓存支持	协议类比	典型应用场景
Resource	❌	✅	REST GET	数据查询/配置读取
Prompt	❌	✅	模板引擎	标准化LLM交互
Tool	✅	❌	REST POST/PUT	系统操作/复杂计算

二、开发环境搭建

高效工具链配置​​：

• UV包管理​​（替代pip/conda）：

# Windows安装 "irm https://astral.sh/uv/install.ps1 | iex" # 项目初始化 cd

• 跨平台依赖​​：

# 核心依赖安装 add

• Node.js环境​​（v18.20.8必备）：

在 nodejs.org/zh-cn/downl…，选择 v22.17.0（LTS） 版本进行下载并安装：

--version --version

三、服务端 核心实现

1. 资源(Resource)开发​​ 数据库连接模板：

DB_CONFIG "dbname" "production_db" "user" "admin" "password" "secure_pass" "host" "10.1.1.27" "port" "11003" def get_db_connection return DB_CONFIG

四类关键资源​​：

# 1. 基础测试资源 @mcp.resource("test://hello") def hello str return "Hello, MCP World!" # 2. 表名查询 @mcp.resource("db://tables") def list_tables str with as with as "SELECT table_name FROM information_schema.tables" return 0 for in # 3. 表数据查询（防SQL注入） @mcp.resource("db://tables/{table_name}/data") def get_table_data table_name: str, limit: int = 100 str with as with as "SELECT * FROM %s LIMIT %s" return str # 4. 表结构查询 @mcp.resource("db://tables/{table_name}/schema") def get_table_schema table_name: str str with as with as """
                SELECT column_name, data_type 
                FROM information_schema.columns 
                WHERE table_name = %s
                """ return dict 0 type 1 for in

2. 提示(Prompt)开发​​ 省级介绍模板：

@mcp.prompt() def introduce_province province: str str return f"""
    请从以下维度介绍{province}：
    1. 历史沿革
    2. 人文地理特点
    3. 经济发展现状
    4. 特色旅游资源
    """

代码调试模板（多轮对话）：

@mcp prompt debug_code code error SystemMessage "你是一位专业的代码调试助手" UserMessage "请帮我修复以下代码：" UserMessage "```python\n{code}\n```" UserMessage "错误信息：\n{error}" AssistantMessage "我将按以下步骤分析：1. 语法检查 2. 逻辑分析 3. 修复方案"

3. 工具(Tool)开发​​ 数学运算工具集：

@mcp.tool() def add a: float, b: float float """加法运算 (a + b)""" return @mcp.tool() def divide a: float, b: float float """除法运算 (a / b)""" if 0 raise "除数不能为零" return

服务启动配置​​：

__name__ "__main__" mcp debug False # 生产环境关闭调试 host "0.0.0.0" port 8000 # 生产环境使用SSE协议

四、MCP Inspector 验证流程

MCP Inspector 是专为 MCP 服务端设计的交互式调试工具，提供了一个直观的界面，使得开发者能够快速地验证服务端的响应和状态。使用 MCP Inspector 来测试验证上述开发的服务端功能。

1. 运行 MCP Inspector

在终端运行 mcp --help，可以查看 mcp 命令的用法（由下面的返回结果可知，可以通过 mcp dev 命令运行 mcp inspector）：

> mcp --help

mcp dev 命令语法：

help

运行命令：mcp dev db_server_see.py（ mcp dev 命令默认使用 stdio 通信方式来启动 mcp 服务端），对上面开发的 mcp 服务端功能进行测试。点击输出的链接，即可打开浏览器，进入 mcp inspector 用户界面：

打开 mcp inspector 的页面，点击左侧的 connect 按钮，连接到 mcp 服务端：

连接到 mcp 服务端后，左侧的页面顶部显示 Resources、Prompts、Tools 三个按钮，可以分别对服务端暴露的 Resources、Prompts、Tools 功能进行测试验证。

2. Resources 功能验证

点击 Resources，然后点击下方的 List Resources、List Templates，可以查看资源 list。

查看数据库的数据表清单，点击资源 URI list_table 后，右侧可以查看到 mcp 服务端返回的内容，目前数据库有两张数据表，分别是 chinese_provinces、chinese_movie_ratings 两张表：

查看具体某张数据表的数据内容。点击 get_table_data 资源，输入表名参数和 limit 参数，点击 Read Resource，可以查看 mcp 服务端返回的数据表数据：

3.Prompts 功能验证

点击 Prompts 下的 List Prompts，列出全部 Prompts：

选择其中一个 Prompt，输入参数 （如，广东省），点击 Get Prompt，即可按照预先设定的 prompt 模板，生成 prompt：

4. Tools 功能验证

点击 Tools 下的 List Tools，列出全部工具，选择其中一个，输入参数，点击 Run Tools，即可调用工具，获取返回的运行结果：

通过 mcp inspector，可以快捷高效地测试验证我们开发的 mcp 服务端功能。

五、企业级最佳实践

安全防护措施​​：

• SQL注入防护​​：

# 错误方式（漏洞） "SELECT * FROM {table_name}" # 正确方式（参数化） "SELECT * FROM %s"

• 访问控制​​：

# 生产环境限制访问IP mcp "192.168.1.100"

• 错误处理​​：

@mcp.resource("db://secure/data") def secure_data try # 业务逻辑 except as return "error" str

性能优化方案​​：

# 1. 连接池管理 from import 5 20 # 2. 异步处理 @mcp.resource("db://async") async def async_data async with as # 异步查询

---

结语：MCP的核心价值

通过Resource/Prompt/Tool三层抽象，MCP实现了：

1. 安全隔离​​：工具操作通过沙箱环境执行
2. 标准化接口​​：统一AI模型与外部系统交互规范
3. 灵活扩展​​：支持数据库/API/文件系统等多类连接
4. 开发效率​​：Inspector工具实现可视化调试

如果本次分享对你有所帮助，记得告诉身边有需要的朋友，"我们正在经历的不仅是技术迭代，而是认知革命。当人类智慧与机器智能形成共生关系，文明的火种将在新的维度延续。"在这场波澜壮阔的文明跃迁中，主动拥抱AI时代，就是掌握打开新纪元之门的密钥，让每个人都能在智能化的星辰大海中，找到属于自己的航向。

我们该怎样系统的去转行学习大模型 ？

很多想入行大模型的人苦于现在网上的大模型老课程老教材，学也不是不学也不是，基于此我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近100余次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包分享出来, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​

​

一、大模型经典书籍（免费分享）

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套大模型报告（免费分享）

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、大模型系列视频教程（免费分享）

四、2025最新大模型学习路线（免费分享）

我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

​​​​​​​L1阶段：我们会去了解大模型的基础知识，以及大模型在各个行业的应用和分析；学习理解大模型的
核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段是我们的AI大模型RAG应用开发工程，我们会去学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，我们会去学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造我们自己的Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，我们会更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调；并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方二维码，免费领取

👉CSDN大礼包🎁：全网最全《LLM大模型学习资源包》免费分享（安全链接，放心点击）👈

​