罗罗编程学习记录
本页内容 展开查看

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

  1. MCP Server 实现一个工具(如文件系统、数据库、API)。
  2. MCP Host(Claude Code、IDE 等)通过 MCP Client 连接 Server。
  3. Agent 发现 Server 提供的工具,调用工具完成任务。
  4. 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

  1. Host 启动时,配置要连接的 MCP Server。
  2. Host 启动 Server 进程(stdio)或连接远程 Server(HTTP)。
  3. 握手:Server 告诉 Host 它有哪些 Tools/Resources/Prompts。
  4. Agent 需要时,通过 Client 调用 Server 的工具。
  5. 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

  1. 分析场景:需要什么能力。
  2. 拆分为工具:每个工具单一职责。
  3. 定义参数:尽量少,用枚举限制可选值。
  4. 写描述:清晰说明工具用途和适用场景。
  5. 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

  1. 安装 MCP SDK:pip install mcp 或 npm install @modelcontextprotocol/sdk。
  2. 创建 Server,声明工具。
  3. 实现工具处理函数。
  4. 用 MCP Inspector 本地测试。
  5. 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

  1. 去 MCP 官方仓库找现成 Server。
  2. 配置到 Host 中。
  3. 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

  1. 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)。
  2. 工具白名单:只启用必要的工具,不启用的不要加载。
  3. 人工审批:敏感操作(删除、发送消息)需要人工确认。
  4. 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

  1. LLM 输出 Function Call 请求(工具名+参数)。
  2. 应用解析请求,通过 MCP Client 调用对应的 MCP Server。
  3. MCP Server 执行工具,返回结果。
  4. 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

  1. 工具名清晰:search_orders 而不是 do_stuff。
  2. 描述清晰:说明用途和适用场景。
  3. 参数精简:3~5 个以内,枚举选项。
  4. 返回结构化:JSON 格式。
  5. 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