本文是 MCP（Model Context Protocol）教程系列的第二阶段，我们将告别理论，直接进入开发实战。你将学习如何从零开始，将一个第三方 API 封装成 Claude 等 AI 模型可以直接调用的强大工具。我们将以高德地图地理编码和arXiv 论文检索这两个实用场景为例，完整覆盖资源定义、工具声明、错误处理等核心概念。
一、项目初始化与环境搭建
首先，确保你已准备好开发环境。我们推荐使用 Python，因为其生态拥有最完善的 MCP 支持。
创建项目目录：
mkdir my-mcp-server
cd my-mcp-server
创建虚拟环境并激活：
python -m venv venv
On Windows
.\venv\Scripts\activate
On macOS/Linux
source venv/bin/activate
安装核心依赖： MCP 的核心是 mcp 库，此外我们还需要用于 HTTP 请求的 aiohttp 和用于管理异步并发的 anyio。
pip install mcp aiohttp anyio
创建主文件：
touch server.py
二、MCP 服务器骨架：起点
每个 MCP Server 都需要一个基本的程序结构。我们在 server.py 中搭建骨架。
import asyncio
from mcp.server import Server
from mcp.server.stdio import stdio_server
创建 Server 实例，名字叫 "my-custom-tools"
app = Server("my-custom-tools")
此处将在这里注册我们的工具（Tools）和资源（Resources）
asyncdef main():
# 使用 stdio 传输层，这是与 Claude 等客户端通信的标准方式
asyncwith stdio_server() as (read_stream, write_stream):
await app.run(
read_stream,
write_stream,
app.create_initialization_options()
)
if name == "main":
asyncio.run(main())
现在，你可以运行 python server.py，虽然它还做不了任何事情，但骨架已经搭好。接下来我们为其注入灵魂。
三、实战一：封装高德地图地理编码 API（Tools）
我们将把高德地图的“地理编码”API 封装成一个 MCP Tool，让 Claude 能够根据地址查询经纬度。
获取 API Key
前往高德开放平台，注册账号并创建一个新应用，获取你的 API Key（your_amap_api_key_here）。声明并实现工具
我们在 app 实例上使用 @app.tool() 装饰器来声明一个工具。
import aiohttp
from mcp.server.models import ToolResult
from mcp.types import Tool
你的高德 API Key，在实际项目中应从环境变量读取！
AMAP_API_KEY = "your_amap_api_key_here"
@app.tool()
asyncdef geocode_address(address: str) -> Tool:
"""根据中文地址获取其经纬度坐标。
Args:
address: 详细的中文地址，例如：北京市朝阳区阜通东大街6号。
Returns:
返回该地址的经纬度信息。
"""
# 构建请求 URL
url = f"https://restapi.amap.com/v3/geocode/geo?key={AMAP_API_KEY}&address={address}"
# 错误处理与超时控制：使用 aiohttp 和 asyncio.timeout
try:
asyncwith aiohttp.ClientSession() as session:
# 设置 10 秒超时
asyncwith asyncio.timeout(10):
asyncwith session.get(url) as response:
# 检查 HTTP 状态码是否成功
response.raise_for_status()
data = await response.json()
# 检查高德 API 返回的业务状态码
if data.get('status') != '1':
error_info = data.get('info', 'Unknown error')
return ToolResult(
content=f"Geocoding API error: {error_info}",
isError=True
)
# 解析并返回结果
geocodes = data.get('geocodes', [])
ifnot geocodes:
return ToolResult(content="No results found for the given address.")
location = geocodes[0].get('location')
formatted_address = geocodes[0].get('formatted_address')
result_text = f"地址 '{formatted_address}' 的坐标是：{location}"
return ToolResult(content=result_text)
except asyncio.TimeoutError:
return ToolResult(content="Geocoding request timed out after 10 seconds.", isError=True)
except aiohttp.ClientResponseError as e:
return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True)
except Exception as e:
return ToolResult(content=f"An unexpected error occurred: {str(e)}", isError=True)
代码解析与最佳实践：
工具声明：@app.tool() 装饰器将函数注册为 MCP 工具。函数的参数（address: str）和文档字符串（"""..."""）至关重要，它们会自动成为工具 Schema 的一部分，帮助 Claude 理解如何调用它。
错误处理：
asyncio.timeout(10)：确保网络请求不会无限期挂起。
response.raise_for_status()：处理非 200 的 HTTP 状态码。
检查高德 API 返回的 status 字段，处理业务逻辑错误。
使用多重 except 块捕获不同类型的异常，并返回清晰的错误信息。
返回值：必须返回 ToolResult 对象。content 是给模型看的结果，isError=True 用于明确告知模型此次调用失败了。
四、实战二：封装 arXiv 论文检索（Resources & Tools）
MCP 不仅有工具（Tools），还有资源（Resources）。资源代表模型可以“读取”的数据源。arXiv 是一个完美的例子，我们可以提供一个资源列表（论文列表），并提供一个工具来搜索它。
- 定义 arXiv 资源（Resources）
资源使用 @app.list_resources() 和 @app.read_resource() 装饰器。
from mcp.server.models import ResourceTemplatesResult, ReadResourceResult
from mcp.types import ResourceTemplate
@app.list_resources()
asyncdef list_arxiv_resources() -> ResourceTemplatesResult:
"""列出可用的 arXiv 相关资源。"""
templates = [
ResourceTemplate(
uri="arxiv://search",
name="arXiv Search Results",
description="搜索结果来自 arXiv 论文库",
mimeType="text/plain"
)
]
return ResourceTemplatesResult(templates=templates)
@app.read_resource()
asyncdef read_arxiv_resource(uri: str) -> ReadResourceResult:
"""读取 arxiv://search 资源。
注意：这个示例中，我们简单返回一个提示。
在实际应用中，你可能会在这里缓存或返回最近一次搜索的结果。
"""
if uri == "arxiv://search":
return ReadResourceResult(
content="Use the 'search_arxiv' tool to perform a search first.",
mimeType="text/plain"
)
# 对于未知的 URI，返回错误
return ReadResourceResult(
content=f"Resource not found: {uri}",
mimeType="text/plain",
isError=True
)
- 实现 arXiv 搜索工具（Tools）
现在实现核心的搜索功能。
@app.tool()
asyncdef search_arxiv(query: str, max_results: int = 5) -> Tool:
"""在 arXiv 库中搜索科学论文。
Args:
query: 搜索关键词，例如：'large language model'。
max_results: 返回的最大结果数量，默认为 5。
"""
# 构建 arXiv API 请求 URL
base_url = "http://export.arxiv.org/api/query"
params = {
"search_query": f"all:{query}",
"start": 0,
"max_results": max_results,
"sortBy": "submittedDate",
"sortOrder": "descending"
}
try:
asyncwith aiohttp.ClientSession() as session:
asyncwith asyncio.timeout(15): # arXiv 有时较慢，设置稍长的超时
asyncwith session.get(base_url, params=params) as response:
response.raise_for_status()
data = await response.text()
# arXiv 返回 Atom XML，这里需要解析（示例中简化处理）
# 在实际项目中，你应该使用 xml.etree.ElementTree 来解析响应内容
# 这里我们简单地截取一部分文本作为演示
if len(data) > 500:
preview = data[:500] + "..."
else:
preview = data
result_content = f"**arXiv Search Results for '{query}':**\n\nRaw API response preview:\n{preview}\n\n*Note: This is a simplified demo. A real implementation would parse the XML and present a formatted list of papers.*"
return ToolResult(content=result_content)
except asyncio.TimeoutError:
return ToolResult(content="arXiv search request timed out after 15 seconds.", isError=True)
except aiohttp.ClientResponseError as e:
return ToolResult(content=f"HTTP error occurred: {e.status} - {e.message}", isError=True)
except Exception as e:
return ToolResult(content=f"An unexpected error occurred during arXiv search: {str(e)}", isError=True)
代码解析：
资源与工具的结合：理想情况下，search_arxiv 工具执行搜索后，应该将结果写入 arxiv://search 资源，然后 read_arxiv_resource 函数可以返回格式化后的结果。本例为简化流程，直接在工具调用中返回了结果。这种“混合”模式在实践中也很常见。
参数设计：工具参数 max_results: int = 5 设置了默认值，这让模型在调用时更加灵活。
五、测试与集成
- 使用 MCP CLI 测试
在开发过程中，你可以使用官方 mcp CLI 工具来测试你的服务器，而无需启动完整的 Claude 环境。
首先全局安装 CLI：
pip install model-context-protocol
然后在你的项目目录下运行：
mcp dev server.py
这会启动一个交互式会话，你可以使用 list_tools， call_tool 等命令来测试你的工具是否正常工作。
- 集成到 Claude
目前，集成到 Claude for Desktop 是体验 MCP 的最佳方式。
创建配置文件： 在 ~/.anthropic/（macOS/Linux）或 %USERPROFILE%.anthropic\（Windows）目录下创建或编辑 claude_desktop_config.json。
配置你的 Server： 将你的服务器路径添加到配置文件中。
{
"mcpServers": {
"my-custom-tools": {
"command": "/path/to/your/venv/bin/python",
"args": ["/absolute/path/to/your/project/server.py"],
"env": {"AMAP_API_KEY": "your_actual_key_here"} // 推荐从环境变量读取密钥！
}
}
}
Windows 示例：
{
"mcpServers": {
"my-custom-tools": {
"command": "C:\path\to\your\project\venv\Scripts\python.exe",
"args": ["C:\path\to\your\project\server.py"]
}
}
}
重启 Claude：重启 Claude for Desktop 应用，你现在就可以在对话中直接使用你自定义的工具了！例如：
“@geocode_address 帮我查一下深圳腾讯大厦的经纬度。”
“@search_arxiv 帮我找一些关于 diffusion model 的最新论文，找3篇就行。”
总结与进阶
通过本教程，你已经成功完成了：
项目初始化：搭建了一个标准的 MCP 服务器开发环境。
工具封装：将高德地图 Geocoding API 封装成了一个可靠的 MCP Tool，并实施了全面的错误处理与超时控制。
资源定义：理解了 Resource 的概念，并为 arXiv 论文库声明了资源模板。
混合实践：实现了另一个 arXiv 搜索工具，演示了如何设计工具参数。
测试与集成：学会了如何使用 MCP CLI 测试，并如何将其集成到 Claude 桌面端中。
下一步挑战：
完善 arXiv 工具：使用 xml.etree.ElementTree 解析 arXiv 的 XML 响应，并返回格式清晰、包含标题、作者、摘要和链接的论文列表。
状态管理：让你的 read_arxiv_resource 能够返回最近一次搜索的真实结果，实现真正的 Resource 功能。
更多 API：尝试封装其他你常用的 API，如 GitHub、JIRA、Notion、数据库等。
安全性：将 API Keys 等敏感信息移至环境变量中管理。
MCP 的强大之处在于它将 AI 模型的能力无限延伸至整个数字世界。现在，你已经掌握了打造这些连接器的基本技能，开始构建你自己的智能助手工具箱吧！
