mcp服务开发

Axiss

2025-05-30

ai 技术

开发和调试

参考资料：

基于python fastmcp库进行开发，文档可以看这里。根据文档可以很快开发一个mcp服务。

调试有两种方法

启动一个调试服务，在inspect页面上进行调试

mcp dev .\\web_search.py

注意command可能需要填写完整的路径
连接后点击tool-》list tools可以看到我们的mcp提供的所有服务

写一个mcp的客户端来调用自己的写的mcp服务

import asyncio
from fastmcp import Client

from web_search import mcp

client = Client("web_search.py")

async def call_tool(name: str):
    async with client:
        result = await client.call_tool("list_desktop_files", {"name": name})
        print(result)

asyncio.run(call_tool("Ford"))

添加到cherry studio

通过json添加到cherry的服务中

json内容：

{
  "mcpServers": {
    "rHlIpITumEJwpsYJAm8fP": {
      "name": "notionApi",
      "type": "stdio",
      "description": "",
      "isActive": true,
      "registryUrl": "",
      "command": "C:\\\\Program Files\\\\nodejs\\\\npx.cmd",
      "args": [
        "-y",
        "@notionhq/notion-mcp-server"
      ],
      "env": {
        "OPENAPI_MCP_HEADERS": "{\\"Authorization\\": \\"Bearer 这里的密钥需要到notion创建\\", \\"Notion-Version\\": \\"2022-06-28\\" }"
      }
    },
    "list_desktop_files": {
      "name": "list_desktop_files",
      "type": "stdio",
      "isActive": true,
      "registryUrl": "",
      "command": "D:\\\\software\\\\uv-x86_64-pc-windows-msvc\\\\uv.exe",
      "args": [
        "--directory",
        "D:\\\\app\\\\self_mcp_test",
        "run",
        "web_search.py"
      ]
    }
  }
}

这里是mcp配置的标准格式，包含了我们自己开发的mcp服务，以及notion官方提供的一个服务；
如果配置没问题，就可以直接启动，否则会有相关的报错

Q&A

问题1：

如何启动？

mcp host里面包含mcp client 会自己去启动。

问题2：

端口？？要用端口，不用自己指定。 不要把mcp服务视作一个web服务。

问题3：启动失败

解决：改一下命令，改到uv命令的绝对路径

实践：Notion MCP +cherry studio+ Deepseek

参考：https://www.youtube.com/watch?v=g3yWIOr7zz4

我的一些错误理解

mcp是网络服务吗？

否。

mcp是一个协议标准，定义了大模型如何与外部信息源进行交互的规范。

可以是网络服务，也可以是本地服务，也可以是进程间通信等等。

大模型怎么用mcp server的？

配置mcp server到mcphost(大模型）上
mcp host里面有mcp client，可以与mcp server通信

工作描述（from gemini）：

步骤 1：用户提问 / 任务触发 用户向 MCP Host（即 AI 应用程序）输入一个请求，例如：“帮我在 Notion 里找找所有关于 Model Context Protocol 的文档。”
步骤 2：LLM 思考并决定调用工具 MCP Host 收到用户请求后，会将请求连同已配置的 MCP Server 提供的所有工具的描述一起发送给 LLM。 LLM 接收到这些信息后，会进行推理：
- “用户需要从 Notion 获取信息。”
- “我有一个名为 notion.search_pages 的工具，可以搜索 Notion 页面。”
- “要使用这个工具，我需要一个 query 参数，值为‘Model Context Protocol’。” LLM 不会直接执行工具，它只会生成一个工具调用请求（Function Call Request），其中包含要调用的工具名称和相应的参数。
步骤 3：MCP Host 执行工具调用 MCP Host 收到 LLM 生成的工具调用请求后，它不会将这个请求直接返回给用户。相反，它会：
- 识别出需要调用的工具对应的 MCP Server。
- 将这个工具调用请求（notion.search_pages，参数 query="Model Context Protocol"）发送给相应的 MCP Server。
步骤 4：MCP Server 执行外部操作 MCP Server 接收到来自 MCP Host 的工具调用请求：
- 它解析请求，确定要执行的操作。
- 如果需要，它会使用预配置的凭据（如 Notion API Token）去调用实际的外部 API（例如 Notion 的 Web API）。
- 它等待外部 API 的响应。
步骤 5：MCP Server 返回结果给 MCP Host MCP Server 收到外部 API 的响应后，会对其进行处理（可能进行格式转换、过滤等），然后将结果封装成 MCP 协议规定的格式，返回给 MCP Host。
步骤 6：MCP Host 将结果提供给 LLM (作为上下文) MCP Host 收到 MCP Server 返回的结果后，它会将这个结果作为新的上下文信息，再次发送给 LLM。这次，LLM 不再是接收原始的用户请求，而是接收：
- 原始的用户请求。
- 以及工具调用产生的结果（例如，Notion 中关于“Model Context Protocol”的文档列表和摘要）。
步骤 7：LLM 生成最终响应 LLM 结合这些额外的上下文信息，生成一个更准确、更相关、更全面的响应，并将其返回给用户。例如：“我在 Notion 中找到了以下关于 Model Context Protocol 的文档： [文档标题 1], [文档标题 2]...它们主要涵盖了 MCP 的定义、用途和集成方式。”

mcp有啥类型？

resource：只返回数据，不执行操作
tools 工具类，可以做一些计算，或者进行一些请求
prompts 提示词骨架，包含一些占位符，可以由用户定义，

prompt mcp服务工作流程

发现提供的模板

Notion mcp是怎么做的

提供了一个mcp server

https://github.com/makenotion/notion-mcp-server

将webapi统一转换为tools

// Convert OpenAPI spec to MCP tools
    const converter = new OpenAPIToMCPConverter(openApiSpec)
    const { tools, openApiLookup } = converter.convertToMCPTools()
    this.tools = tools
    this.openApiLookup = openApiLookup