作者：张星宇
在大型语言模型（LLM）生态快速演进的今天，Model Context Protocol（MCP）作为连接 AI 能力与真实世界的标准化协议，正逐步成为智能体开发的事实标准。该协议通过定义 Resources（静态资源）、Prompts（提示词模板）和 Tools（可执行工具）三大核心能力，让开发者能够以模块化方式为 LLM 扩展文件系统访问、API 集成甚至物联网控制等交互能力。
然而当前 MCP Server 的开发部署仍存在显著痛点：开发者需要手动配置 Python/TypeScript SDK、处理依赖冲突，最终还需自行解决云端的 IaC 部署难题。这种碎片化体验使得从零构建 MCP Server 的成本过高。而通过 Serverless Devs CLI 工具，开发者能够一键拉起 MCP Server 项目，并在开发完成后一键部署到云端，显著缩短开发链路，提升 MCP Server 的开发效率。
本文将带你通过 Serverless Devs CLI 工具，开发并一键部署一个原生 SSE 的示例 MCP Server 到 FunctionAI 开发平台，提供自带 LLM 的 Client ，可对部署好的 MCP Server 进行测试。
什么是 Serverless Devs？
Serverless Devs 是一个开源开放的 Serverless 开发者平台，致力于为开发者提供强大的工具链体系。通过该平台，开发者可以一键体验多云 Serverless 产品，极速部署 Serverless 项目。Serverless Devs 于 2020 年 10 月 23 日正式开源，并于 2022年 进入 CNCF 沙箱，成为首个入选的 Serverless 工具项目，目前项目已经服务于成千上万的开发者和企业用户。
Serverless Devs 包含 CLI 工具，Registry 各类热门 AI 应用模版、实用 AI 工具以及 AI 工作流)，CICD工具，并与 函数计算FC、FunctionAI 开发平台密切合作，为开发者提供更加便利的 Serverless+AI 服务。
从零开发 MCP Server
本地初始化 MCP Server
初始化 MCP Server 项目到本地需要借助 Serverless Devs 工具。可依照此文档进行安装。安装并配置完成后，通过以下指令初始化一个 Hello World MCP Server 项目：
s init start-fcai-mcp-nodejsAI 代码解读
按照提示填入地域和配置好的 access，即可完成项目的初始化：
项目的目录结构如下：
. ├── build.yaml # 构建配置 ├── code # 项目代码目录 │ ├── check_node_version.mjs # 部署前检查脚本 │ ├── package-lock.json │ ├── package.json │ ├── src │ │ └── index.ts # 项目源码 │ ├── tsconfig.json │ └── webpack.config.js ├── readme.md └── s.yaml # 部署 YAMLAI 代码解读
开发 MCP Server
项目根目录下的code文件夹即是项目代码的目录，部署时只有这个文件夹里的内容会部署到 FunctionAI 上。打开src/index.ts文件，可以看到 CLI 已经帮你写好了一个简单的、可直接进行部署的Hello World MCP Server：
import {
McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import {
z } from "zod";
import {
StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
// Create a new server instance every time a new connection is made to ensure concurrency
const createServer = () => {
// Create server instance
const server = new McpServer({
name: "my-mcp-server",
version: "1.0.0",
});
// Implement your tools here
server.tool(
"hello_world",
"Return string 'hello world!'",
{
// Define input parameters using zod. example:
// prefix: z.string().describe('prefix').optional(),
},
async () => {
console.log("Hello World tool called");
return {
content: [{
type: "text",
text: 'hello world!',
}]
}
},
);
return server;
}
// Create a new server instance
const server = createServer();
// Create a new stdio transport instance
const transport = new StdioServerTransport();
// Start the server
server.connect(transport).then(() => {
console.log("Server started");
}).catch((err) => {
console.error("Error starting server:", err);
});
AI 代码解读
这个 Server 包含一个名字为hello_world的工具，它只会返回一个字符串'hello world!'，且不需要任何输入参数。你可以参考当前代码的实现自行修改工具，且 CLI 已经帮你配置好了package.json，你可以按照你开发任意Node.js项目的方式来开发这个 Server。
部署 MCP Server 到 FunctionAI
完成 Server 的开发后，你可以通过 Serverless Devs CLI 工具一键将你的 MCP Server 部署到 FunctionAI。Serverless Devs 是通过s.yaml部署代码的，其需要包含所有部署需要的信息，包括实例规格、代码目录、触发器配置等等，而 CLI 已经帮你写好了，因此你不需要在意这些。
在部署之前，还需要对代码进行打包。在这里我们使用webpack进行打包，配置已经帮你写好了，因此你只需在code目录下执行以下指令：
注意：需要本地 node 版本为 20 或以上。
npm install # 如果你之前没有执行 npm run buildAI 代码解读
若code目录下出现了dist文件夹并包含以下文件，则说明构建成功：
此时，你已经准备好将这个 Server 部署到 FunctionAI 了！回到项目根目录，执行以下指令：
s deploy -yAI 代码解读
若看到以下信息，则说明部署成功。部署成功后，Serverless Devs 会打印部署成功的函数的配置信息：
✔ [nodejs-stdio-hello-world] completed (37.35s) 🚀 Result for [deploy] of [start-mcp-server-nodejs] ==================== serviceName: xxxxx ......配置信息AI 代码解读
其中，projectName 和 serviceName 就是部署好的项目和服务的名称，你可以登录阿里云 Function AI 控制台查看。你还可以在配置信息中找到 internetUrl 字段，这个就是你的 MCP Server 的 URL，可以用于测试和集成到你自己的系统。
测试 MCP Server
你可以本地启动一个官方 inspector 测试部署好的MCP，只需执行：
npx @modelcontextprotocol/inspector node build/index.jsAI 代码解读
或者，你也可以启动一个我们基于官方项目修改的，内置好了 LLM 的 inspector：
npx @serverless-devs/inspector node build/index.jsAI 代码解读
Transport Type选择SSE，复制之前部署获取到的system_url，在尾部添加/sse，然后粘贴到URL输入框。点击Connect，再切到Tools，点击List Tools，即可看到部署好的 Server 的工具信息，并能进行调试。
若你使用的是我们的包含大模型的 inspector，还可以切到LLM，选择大模型，填入你的 API Key，测试大模型使用你的工具的效果：
需要先点击 List Tools，否则大模型无法使用工具
三种方式接入客户端
方式一：官方 Client
所有部署到函数计算FC的 MCP Server 都遵循 SSE 协议。对于已经支持 SSE 的官方 Client （例如Cursor），接入配置如下：
{
"mcpServers": {
"server-name": {
"url": "<部署好的system_url>/sse",
"env": {
// 如果有的话
"key": "value"
}
}
}
}
AI 代码解读
对于暂未支持 SSE 的 Client，可以参考一些开源社区代理解决方案，例如：
方式二：其他本地 Client
对于非官方的 Client，接入 MCP Server 需要使用官方的提供的 sdk 进行连接。具体开发方式可参考官方文档。一个示例 Node Client 如下：
import {
Client } from "@modelcontextprotocol/sdk/client/index.js";
import {
SSEClientTransport } from "@modelcontextprotocol/sdk/client/sse.js";
const client = new Client({
name: "example-client",
version: "1.0.0"
}, {
capabilities: {
}
});
const transport = new SSEClientTransport(
new URL("<部署好的system_url>/sse")
);
await client.connect(transport);
AI 代码解读
方式三：在 FC 部署一个 Client
如果你需要一个远端的 Client，你也可以在 函数计算 FC 应用中心部署 inspector 到函数计算。你可以通过这个链接一键部署。部署完成后，点击访问域名即可进入 inspector 界面。
结语
至此，你已经成功初始化，开发并部署了一个属于你自己的 SSE MCP Server！除了文章中示范的基于 Node 的 MCP Server Hello World 项目，Serverless Devs 还提供了基于 Python，Java 的 Hello World 项目，以及大量可以一键部署的开源 Server，包括高德地图、百度地图、Github 等等，详情可以查看这个代码仓库。
欢迎您加入Serverless 开发者技术学习群 钉钉群，群号：33947367 与我们交流。
