10.9.6 MCP Server 开发与工具设计
所属:全栈开发面试题库 / 10 AI 应用开发:LLM 与 Agent / 10.9 Agent 框架与工具链
覆盖范围
- MCP(Model Context Protocol)协议概述
- MCP Server 的架构与通信方式
- 工具设计原则(粒度、参数、错误处理)
- MCP Server 开发流程
- 常用 MCP Server 生态
- 安全与权限控制
高频题速览
| 编号 | 题目 | 难度 | 频率 |
|---|---|---|---|
| 10.9.6-001 | MCP 是什么,解决什么问题? | 基础 | ★★★★ |
| 10.9.6-002 | MCP Server 的架构? | 进阶 | ★★★ |
| 10.9.6-003 | 怎么设计 MCP 工具? | 进阶 | ★★★★ |
| 10.9.6-004 | MCP Server 怎么开发? | 进阶 | ★★★ |
| 10.9.6-005 | MCP 有哪些常用 Server? | 基础 | ★★★ |
| 10.9.6-006 | MCP 的安全风险? | 进阶 | ★★★ |
| 10.9.6-007 | MCP 和 Function Calling 什么关系? | 基础 | ★★★ |
| 10.9.6-008 | 工具设计的最佳实践? | 基础 | ★★★★ |
10.9.6-001 MCP 是什么,解决什么问题?
频率 ★★★★ | 难度 基础
一句话结论
MCP(Model Context Protocol)是 Anthropic 推出的开放协议:标准化 LLM 应用如何连接外部工具和数据源,类似"AI 应用的 USB 接口";解决了不同 Agent 框架、不同工具之间的碎片化问题。
概念解释
- 问题:每个 Agent 框架都要自己对接各种工具,重复造轮子。
- MCP:定义统一协议,工具方按 MCP 实现,任何支持 MCP 的 Agent 都能直接用。
- 类比:USB 统一了外设接口,MCP 统一了 AI 工具接口。
- 组件:MCP Host(Agent 应用)、MCP Client(连接端)、MCP Server(工具提供方)。
原理流程
- MCP Server 实现一个工具(如文件系统、数据库、API)。
- MCP Host(Claude Code、IDE 等)通过 MCP Client 连接 Server。
- Agent 发现 Server 提供的工具,调用工具完成任务。
- 统一协议,任何 MCP 兼容的 Host 都能用任何 MCP Server。
代码 / 示例
MCP 生态:
Host: Claude Desktop, Cursor, Claude Code, 各种 Agent
Client: Host 内置, 连接 Server
Server: 文件系统, 数据库, GitHub, Slack, 浏览器...
好处: 工具方写一次 MCP Server, 所有 Host 都能用
常见误区
- 误区:MCP 是一个新的 Agent 框架;正解:MCP 是协议,不是框架,它定义工具和 Agent 之间怎么通信。
- 误区:MCP 只能给 Claude 用;正解:MCP 是开放协议,任何 Agent 都可以实现 MCP Client。
追问
- Q:MCP 什么时候推出的? A:Anthropic 在 2024 年底推出,具体版本和发展以官方为准。
- Q:MCP 和 OpenAI 的 Function Calling 什么关系? A:Function Calling 是模型层面的能力,MCP 是应用层的协议,两者互补。
10.9.6-002 MCP Server 的架构?
频率 ★★★ | 难度 进阶
一句话结论
MCP Server 通过 stdio 或 HTTP/SSE 与 Host 通信,暴露三类能力:Tools(工具调用)、Resources(资源读取)、Prompts(提示模板);Server 是独立进程,Host 按需连接。
概念解释
- Transport:stdio(本地进程)或 HTTP/SSE(远程服务)。
- Tools:可调用的函数,输入参数,返回结果。
- Resources:可读取的数据(文件、数据库记录)。
- Prompts:预定义的提示模板。
- 架构:Host ↔ Client ↔ Server,Client 和 Server 通过 MCP 协议通信。
原理流程
- Host 启动时,配置要连接的 MCP Server。
- Host 启动 Server 进程(stdio)或连接远程 Server(HTTP)。
- 握手:Server 告诉 Host 它有哪些 Tools/Resources/Prompts。
- Agent 需要时,通过 Client 调用 Server 的工具。
- Server 执行,返回结果。
代码 / 示例
MCP Server 通信方式:
stdio: 本地进程, 通过标准输入输出通信, 适合本地工具
HTTP/SSE: 远程服务, 通过 HTTP 通信, 适合云端工具
MCP Server 暴露的能力:
- tools: 可调用的函数列表
- resources: 可读取的资源列表
- prompts: 预定义的提示模板
常见误区
- 误区:MCP Server 必须是 HTTP 服务;正解:本地工具用 stdio 更简单,不需要起 HTTP 服务。
- 误区:MCP Server 只能暴露工具;正解:还能暴露 Resources(数据)和 Prompts(模板)。
追问
- Q:MCP Server 可以用什么语言写? A:官方提供 Python 和 TypeScript SDK,理论上任何语言都能实现 MCP 协议。
- Q:MCP Server 是长期运行的吗? A:stdio 模式下 Host 启动时拉起,退出时关闭;HTTP 模式下是独立服务。
10.9.6-003 怎么设计 MCP 工具?
频率 ★★★★ | 难度 进阶
一句话结论
工具设计原则:单一职责(一个工具只做一件事)、参数精简(参数越少越好)、描述清晰(让 LLM 知道什么时候用)、错误友好(返回明确的错误信息)、粒度适中(不要太大也不要太小)。
概念解释
- 单一职责:每个工具只做一件事,不要一个工具做太多事。
- 参数精简:参数数量控制在 3~5 个,太多 LLM 容易填错。
- 描述清晰:工具名和描述要让 LLM 知道什么时候该用这个工具。
- 错误友好:出错时返回明确的错误信息,帮助 LLM 调整。
- 粒度适中:太大(如"处理数据")LLM 不知道怎么用;太小(如"打开文件")需要太多步。
原理流程
- 分析场景:需要什么能力。
- 拆分为工具:每个工具单一职责。
- 定义参数:尽量少,用枚举限制可选值。
- 写描述:清晰说明工具用途和适用场景。
- 设计错误处理:返回友好错误信息。
代码 / 示例
# 好的工具设计:
@mcp.tool()
def search_orders(
status: str = Field(description="订单状态: pending/paid/shipped/completed",
pattern="^(pending|paid|shipped|completed)$"),
start_date: str = Field(description="开始日期, YYYY-MM-DD"),
end_date: str = Field(description="结束日期, YYYY-MM-DD")
) -> list:
"""搜索订单列表, 按状态和日期范围筛选。
当用户需要查询订单、查看订单状态时使用此工具。
"""
# 实现...
常见误区
- 误区:工具越多越好;正解:工具太多 LLM 会选择困难,相关工具要合并。
- 误区:参数越多越灵活;正解:参数太多 LLM 容易填错,尽量用枚举和默认值。
追问
- Q:工具描述怎么写? A:用 LLM 能理解的语言,说明"这个工具做什么"和"什么时候用",不要写技术实现细节。
- Q:工具返回什么格式? A:返回结构化数据(JSON),不要返回大段文本,LLM 更容易处理。
10.9.6-004 MCP Server 怎么开发?
频率 ★★★ | 难度 进阶
一句话结论
开发流程:用 MCP SDK(Python/TypeScript)→ 定义 Tools/Resources/Prompts → 实现处理逻辑 → 本地测试 → 发布;MCP SDK 封装了协议细节,开发者只需关注业务逻辑。
概念解释
- SDK:官方提供 Python 和 TypeScript SDK,封装协议。
- 定义:用装饰器或配置声明工具、资源、提示。
- 实现:写工具的业务逻辑。
- 测试:用 MCP Inspector 调试工具。
- 发布:发布到 npm/pip,或内部部署。
原理流程
- 安装 MCP SDK:
pip install mcp或npm install @modelcontextprotocol/sdk。 - 创建 Server,声明工具。
- 实现工具处理函数。
- 用 MCP Inspector 本地测试。
- 配置到 Host 中使用。
代码 / 示例
# Python MCP Server 示例
from mcp.server.fastmcp import FastMCP
mcp = FastMCP("my-tools")
@mcp.tool()
def get_weather(city: str) -> str:
"""查询城市天气
Args:
city: 城市名称, 如 "北京"
"""
# 调用天气 API
return f"{city} 今天晴, 25°C"
if __name__ == "__main__":
mcp.run() # 默认 stdio 模式
常见误区
- 误区:MCP Server 开发很复杂;正解:用 SDK 很简单,核心就是写函数,SDK 处理协议。
- 误区:MCP Server 必须是远程服务;正解:stdio 模式就是本地进程,不需要 HTTP。
追问
- Q:怎么调试 MCP Server? A:用 MCP Inspector,官方提供的调试工具,能查看工具列表、测试调用。
- Q:MCP Server 怎么和 Host 连接? A:在 Host 的配置文件中指定 Server 命令或 URL,Host 启动时自动连接。
10.9.6-005 MCP 有哪些常用 Server?
频率 ★★★ | 难度 基础
一句话结论
常用 MCP Server 包括:文件系统、Git、数据库、浏览器自动化、GitHub、Slack、Google Drive、PostgreSQL 等;社区生态在快速增长,大多数常用工具都有对应的 MCP Server。
概念解释
- 开发工具:文件系统、Git、GitHub。
- 数据工具:PostgreSQL、SQLite、Google Drive。
- 通信工具:Slack、Discord、邮件。
- 浏览器:Playwright、Puppeteer 自动化。
- 社区生态:官方和社区维护的 Server 越来越多。
原理流程
- 去 MCP 官方仓库找现成 Server。
- 配置到 Host 中。
- 直接使用,不用自己开发。
代码 / 示例
常用 MCP Server:
- filesystem: 文件系统读写
- git: Git 仓库操作
- github: GitHub API
- postgresql: PostgreSQL 数据库查询
- playwright: 浏览器自动化
- slack: Slack 消息
- google-drive: Google Drive 文件
常见误区
- 误区:MCP Server 要自己写;正解:大多数常用工具都有现成 Server,直接用就行。
- 误区:MCP 生态还很小;正解:生态在快速增长,常用工具基本都有了。
追问
- Q:哪里找 MCP Server? A:官方的 modelcontextprotocol/servers 仓库,以及社区整理的列表。
- Q:没有现成的怎么办? A:用 SDK 自己写一个,MCP Server 开发很简单。
10.9.6-006 MCP 的安全风险?
频率 ★★★ | 难度 进阶
一句话结论
MCP 安全风险:工具越权(MCP Server 能访问敏感数据,Agent 可能滥用)、提示注入(工具返回的内容可能包含恶意指令)、数据泄露(工具把敏感数据发给 LLM)、权限过大(文件系统 Server 能读写所有文件);需要严格权限控制。
概念解释
- 工具越权:Agent 让 MCP Server 做超出预期的操作。
- 提示注入:工具返回的数据里包含恶意指令,诱导 Agent 做坏事。
- 数据泄露:MCP Server 读取敏感数据,发送给 LLM API。
- 权限过大:文件系统 Server 配置成能读写整个磁盘。
原理流程
- 最小权限:MCP Server 只授予必要的权限(如文件系统只允许访问特定目录)。
- 工具白名单:只启用必要的工具,不启用的不要加载。
- 人工审批:敏感操作(删除、发送消息)需要人工确认。
- 数据脱敏:敏感数据经过脱敏再传给 LLM。
代码 / 示例
安全措施:
- 最小权限: 文件系统只允许访问指定目录
- 工具白名单: 只启用必要的工具
- 人工审批: 敏感操作需要人确认
- 数据脱敏: PII 数据脱敏后再传
- 审计日志: 记录所有工具调用
常见误区
- 误区:MCP Server 很安全不用管;正解:MCP Server 能访问系统资源,安全风险很大,必须严格控制。
- 误区:MCP 协议本身有安全机制;正解:MCP 是协议,安全要靠 Host 和 Server 实现。
追问
- Q:怎么防止提示注入? A:工具返回的数据要标记为"数据"而不是"指令",不要让 Agent 把工具返回的内容当指令执行。
- Q:敏感场景怎么用 MCP? A:用本地模型(数据不出域)、最小权限、人工审批、审计日志。
10.9.6-007 MCP 和 Function Calling 什么关系?
频率 ★★★ | 难度 基础
一句话结论
Function Calling 是模型层面的能力(模型知道什么时候该调用工具),MCP 是应用层的协议(工具怎么实现和连接);Function Calling 是"大脑",MCP 是"手脚的接口",两者配合使用。
概念解释
- Function Calling:模型输出工具调用请求(工具名+参数)。
- MCP:工具的实现和连接协议,定义工具怎么被调用。
- 关系:模型用 Function Calling 决定调用什么,应用通过 MCP 执行工具。
- 类比:Function Calling 是"想吃苹果",MCP 是"苹果从哪拿、怎么拿"。
原理流程
- LLM 输出 Function Call 请求(工具名+参数)。
- 应用解析请求,通过 MCP Client 调用对应的 MCP Server。
- MCP Server 执行工具,返回结果。
- 结果送回 LLM,LLM 继续生成。
代码 / 示例
Function Calling vs MCP:
Function Calling (模型层):
模型输出: { "tool": "get_weather", "args": { "city": "北京" } }
MCP (应用层):
应用通过 MCP 连接到 weather-server
调用 get_weather 工具
得到结果: "北京 晴 25°C"
两者配合: 模型决定调用什么, MCP 执行调用
常见误区
- 误区:MCP 替代 Function Calling;正解:两者是不同层面的东西,Function Calling 是模型能力,MCP 是应用协议。
- 误区:不用 Function Calling 就不能用 MCP;正解:MCP 也可以配合其他工具调用方式。
追问
- Q:MCP 是 OpenAI 提出的吗? A:不是,是 Anthropic 提出的开放协议。
- Q:MCP 能和 OpenAI 的 Function Calling 一起用吗? A:可以,MCP 是协议层,和模型无关,任何支持 Function Calling 的模型都能用。
10.9.6-008 工具设计的最佳实践?
频率 ★★★★ | 难度 基础
一句话结论
最佳实践:工具名和描述要清晰、参数尽量少且用枚举、返回结构化数据、错误信息友好、单一职责、粒度适中、不要让 LLM 猜参数;好的工具设计让 LLM 调用准确率大幅提升。
概念解释
- 命名:工具名用动词+名词,如
search_orders。 - 描述:说明做什么、什么时候用,不要写实现细节。
- 参数:尽量少,用枚举限制可选值,加默认值。
- 返回:结构化 JSON,不要大段文本。
- 错误:明确错误信息,帮助 LLM 调整。
原理流程
- 工具名清晰:
search_orders而不是do_stuff。 - 描述清晰:说明用途和适用场景。
- 参数精简:3~5 个以内,枚举选项。
- 返回结构化:JSON 格式。
- 错误友好:告诉 LLM 哪里错了,怎么改。
代码 / 示例
好的工具设计:
名称: search_orders
描述: 按状态和日期范围搜索订单列表。当用户需要查询订单时使用。
参数:
status: enum(pending/paid/shipped/completed)
start_date: string (YYYY-MM-DD)
end_date: string (YYYY-MM-DD)
返回: [{ order_id, status, amount, date }]
不好的工具设计:
名称: get_data
描述: 获取数据
参数: query: string
返回: 大段文本
常见误区
- 误区:工具描述给开发者看就行;正解:工具描述是给 LLM 看的,要用 LLM 能理解的语言写。
- 误区:返回大段文本方便 LLM 理解;正解:结构化数据更准确,LLM 更容易解析和使用。
追问
- Q:怎么测试工具设计好不好? A:让 LLM 用这些工具完成任务,看它会不会选错工具、填错参数。
- Q:工具太多 LLM 选不对怎么办? A:合并相关工具、优化描述、用工具分组,减少选择困难。
待整理清单
- [ ] MCP Server 的部署与运维
- [ ] MCP 的高级特性(流式、订阅)
- [ ] 自定义 MCP Server 的开发案例
- [ ] MCP 与现有 Agent 框架集成
- [ ] MCP 安全最佳实践