MCP极简开发

MCP极简开发
🖥️ MCP核心原理
“MCP（模型上下文协议）是一个重要的技术框架，旨在提高多种应用程序之间的互操作性和安全性。”

什么是MCP？
模型上下文协议（Model Context Protocol，MCP） 是一个用于定义和管理不同模型之间交互的协议。
该协议在多个领域有广泛应用，包括安全威胁分析与未来研究方向。
MCP的核心架构
MCP的架构包含多个组件，其中包括API和MCP服务器。
这些组件共同支持数据处理与交互。
MCP的原理介绍
MCP的核心功能
允许不同模型间进行高效的上下文共享和交互。
提供了一种标准化的方式来访问和管理模型的状态。
MCP的开发与配置
开发环境配置
使用pip安装所需依赖：

bash
Copy
pip install uv
使用PowerShell安装：

bash
Copy
powershell -ExecutionPolicy ByPass -c “irm https://astral.sh/uv/install.ps1|iex"
使用uv的优势
显著提升包管理速度，适合频繁依赖管理的项目。
提供现代化依赖管理，优化开发体验。
有效避免依赖冲突，简化MCP项目的开发流程。
天气查询的MCP Server的开发
项目初始化步骤
项目初始化：
bash
Copy
uv init
创建虚拟环境：
bash
Copy
uv venv
激活虚拟环境：
bash
Copy
.venv\Scripts\activate
安装依赖：
bash
Copy
uv add mcp httpx
Server主程序编写
使用FastMCP类创建天气查询服务器。
通过@mcp.tool()装饰器定义工具函数。
使用httpx进行异步天气API请求。
进行异常处理和错误信息格式化。
实现JSON数据解析与格式化输出天气信息。
测试Server
在Trae的对话窗口中测试天气查询功能，确保能够成功返回数据。
MCP Client的开发
Client开发准备
安装依赖：
bash
Copy
uv add openai python-dotenv
配置环境变量，创建.env文件并添加：
text
Copy
BASE_URL=https://api.siliconflow.cn/v1
MODEL=Pro/deepseek-ai/DeepSeek-V3
API_KEY=“your api_key”
Client程序编写
使用AsyncExitStack管理异步资源。
通过stdio_client建立MCP服务器通信。
集成OpenAI接口，实现工具调用对话。
提供交互式命令行聊天接口。
Client测试
启动Client与Server进行测试，确保功能正常。
MCP Server的调试
Inspector工具
Inspector 是专为测试和调试MCP Server而设计的开发者工具。
提供交互式界面，方便开发者连接并测试MCP Server，监控运行状态和日志信息。
启动Inspector
在项目文件夹下运行以下命令：
bash
Copy
npx @modelcontextprotocol/inspector uv run weather.py
测试功能
在Inspector的Tools标签页下，输入测试城市名称（如“Wuhan”）并查看返回结果。
MCP Server的高级开发
基于SSE的MCP Server的开发
创建文件及修改：

将client.py和main.py删除，创建src文件夹并移动weather.py。
修改weather.py以使用SSE格式：
python
Copy
mcp.run(transport=‘sse’)
运行测试：

启动Inspector并连接后进行测试，确保返回结果。
MCP Server的上线发布
获取API Token并配置文件。
修改项目配置文件pyproject.toml，填入打包信息。
安装打包工具并上传项目：
bash
Copy
uv pip install build twine
python -m build
python -m twine upload dist/*
在Cline上应用MCP Server的案例
使用GitHub MCP Server进行仓库管理查询。
官方GitHub仓库地址：GitHub MCP Server。
🐳 在Cline上应用MCP Server的案例
8.1.1 基于GitHub MCP的仓库管理查询

1. 获取GitHub的API token
   首先要进入 GitHub 个人访问令牌页面，创建一个访问令牌。

2. 项目克隆及编译
   克隆GitHub上的源码到本地，并使用以下命令将其编译为二进制文件：

bash
Copy
go build -o github-mcp-server
3. 配置GitHub MCP的Json文件
进入Cline的MCP配置界面，在配置界面中粘贴以下代码。注意将“/path/to/github-mcp-server”替换为实际的项目构建路径，将 <YOUR_TOKEN> 替换为你的实际的GitHub API Token。

json
Copy
{
“mcp”: {
“servers”: {
“github”: {
“command”: “/path/to/github-mcp-server”,
“args”: [“stdio”],
“env”: {
“GITHUB_PERSONAL_ACCESS_TOKEN”: “<YOUR_TOKEN>”
}
}
}
}
}
4. GitHub MCP的测试
进入Cline的对话框，询问“我的github名叫xxx，我的github下面有哪些仓库”，可以看到Cline调用了GitHub的MCP工具，并列出了你的GitHub上的仓库。

8.1.2 基于Figma MCP的原型设计

1. 获取Figma的API token
   访问Figma的官网 Figma官网，进入Settings设置中的Security选项卡下，创建一个token。

2. 获取Figma UI页面的链接
   进入Figma的UI设置页面，右键页面，在下拉框的Copy/Paste as中选择Copy link to selection，保存这个链接备用。

3. 配置Figma MCP的Json文件
   进入Cline的MCP配置界面，在配置界面中粘贴以下代码。注意将 <YOUR_TOKEN> 替换为你的实际的Figma Token。

json
Copy
{
“mcpServers”: {
“Framelink Figma MCP”: {
“command”: “cmd”,
“args”: $
“/c”,
“npx”,
“-y”,
“figma-developer-mcp”,
“–figma-api-key=”,
“–stdio”
$
}
}
}
4. Figma MCP的测试
在Cline聊天中输入“将我的这个页面1：1的复现出来，ui设计链接为 Figma页面链接”，可以看到Cline调用了Figma MCP的工具，并设计出了网页。

8.2.1 基于ArXiv MCP的论文搜索查询下载

1. 配置Arxiv MCP的Json文件
   进入Trae的MCP手动配置界面，在配置界面中粘贴以下代码。注意将“/path/to/paper/storage”替换为你想要保存的实际路径。

json
Copy
{
“mcpServers”: {
“arxiv-mcp-server”: {
“command”: “uv”,
“args”: $
“tool”,
“run”,
“arxiv-mcp-server”,
“–storage-path”, “/path/to/paper/storage”
$
}
}
}
2. Arxiv MCP的测试
进入Trae的对话框内，输入“查找一下关于xxx的论文”，可以看到Trae调用了Arxiv MCP进行搜索、下载、读取等工具，并返回了结果。

8.2.2 基于Firecrawl MCP的网络信息抓取

1. 获取Firecrawl的API Key
   访问Firecrawl的官网 Firecrawl官网，进入API Keys设置中，点击“Create API Key”，创建一个Key。

2. 配置Firecrawl MCP的Json文件
   进入Trae的MCP手动配置界面，在配置界面中粘贴以下代码。注意将“YOUR-API-KEY”替换为你实际的Firecrawl的key。

json
Copy
{
“mcpServers”: {
“firecrawl-mcp”: {
“command”: “npx”,
“args”: $"-y","firecrawl-mcp"$,
“env”: {
“FIRECRAWL_API_KEY”: “YOUR-API-KEY”
}
}
}
}
3. Firecrawl MCP的测试
进入Trae的对话框内，输入“爬取这个网站的信息www.xxx，并总结一下内容”，可以看到Trae调用了Firecrawl MCP的爬取工具，并返回了爬取的结果。

8.2.3 基于Xmind MCP的思维导图整理

1. 安装依赖包
   在命令行中输入以下命令，安装所需要的依赖：

bash
Copy
npm install @modelcontextprotocol/sdk adm-zip zod
2. 配置Xmind MCP的Json文件
进入Trae的MCP手动配置界面，在配置界面中粘贴以下代码。注意将“/Users/alex/XMind”替换为你实际的Xmind保存目录。

json
Copy
{
“mcpServers”: {
“xmind”: {
“command”: “npx”,
“args”: $
“-y”,
“@41px/mcp-xmind”,
“E:\code_demo\MCP_demo\text”
$
}
}
}
3. Xmind MCP的测试
进入Trae的对话框内，输入“总结某个xxx思维导图的内容”，可以看到Trae调用了Xmind MCP工具，并返回了读取总结后的结果。

8.2.4 基于无影AgentBayMCP的思维导图整理

1. 登录无影agent bay官网获取无影agent bay MCP的Json文件
   登录后获取必要的Json代码和密钥。

2. 在Trae中配置无影agentbayMCP的Json文件
   json
   Copy
   {
   “mcpServers”: {
   “wuying_mcp_server”: {
   “command”: “cmd”,
   “args”: $
   “/c”,
   “npx”,
   “-y”,
   “wuying-agentbay-mcp-server”
   $,
   “env”: {
   “APIKEY”: “粘贴在官网申请到的API key”
   }
   }
   }
   }
   8.2.6 基于Filesystem MCP的本地文件管理

3. 配置Filesystem MCP的Json文件
   进入Trae的MCP手动配置界面，在配置界面中粘贴以下代码。注意将“/Users/username/Desktop”替换为你实际想要给AI操作的文件夹。

json
Copy
{
“mcpServers”: {
“filesystem”: {
“command”: “npx”,
“args”: $
“-y”,
“@modelcontextprotocol/server-filesystem”,
“/Users/username/Desktop”
$
}
}
}
2. Filesystem MCP测试结果展示
进入Trae的对话框内，输入“使用工具查询我的目录E:\WORK\写书\智能体进阶：MCP开发与应用\配套资料下有哪些文件”，可以看到Trae调用了Filesystem MCP的list_directory工具，并列出了文件夹下面的文件。继续询问“将Demo这个ppt文件改名为可学教程示例”，可以看到Trae调用了Filesystem MCP的move_file工具，并将PPT文件成功重命名。

🌍 旅游规划Agent
人工旅游规划的困难
信息处理效率低下
工作流程高度依赖人工经验：难以处理海量旅游数据，增加了人为错误的风险。
预订和行程细节确认：在确认行程时，易出现失误，影响整体体验。
个性化需求应对不足：难以满足游客日益增长的个性化需求。
突发情况应变能力弱：对天气变化、景点临时关闭等状况反应迟缓，缺乏灵活调整的能力。
💑 约会地点选择Agent
影响约会地点选择的现实因素
因素 描述
预算限制 情侣双方在预算上的考量和期望可能存在差异，在有限预算内找到双方满意的地点成为挑战。
兴趣不一致 情侣双方拥有不同的兴趣爱好，导致约会地点选择上的分歧。
时间安排冲突 快节奏的生活中，情侣双方可能因工作或生活作息不同，难以找到共同的空闲时间。
新鲜感缺失 对于交往已久的情侣，约会地点可能因重复而失去新鲜感，导致选择困难。
☁️ 每日天气推送Agent
智能天气助手
工作流程
实时精准的天气推送：提供个性化的穿衣建议和智能出行规划提醒。
极端天气预警通知：随时随地为用户提供精准快速的天气信息，确保出行安全。
🍔 附近餐厅推荐Agent
工作流程
选择困难症：在众多美食选择中，用户可能会感到困惑。
信息过载：多种美食APP、评价、排行榜让人眼花缭乱。
决策疲劳：反复比较菜品、价格、评价，担心选择错误。
✈️ 航班查询Agent
核心API接口
API接口 描述
机场未来天气 提供未来天气信息，帮助行程调整。
航班实时动态 实时更新航班状态，确保用户获取最新信息。
乘机舒适度 分析乘机过程中的舒适度，为用户提供建议。
航班中转方案 提供中转航班信息，帮助用户选择最佳出行方案。
机票价格服务 实时查询机票价格，帮助用户做出经济决策。
飞机实时定位 提供飞机的实时定位信息，方便行程管理和接送安排。
📚 自动上传笔记Agent
信息碎片化时代的挑战
主要问题
信息爆炸：面临海量的碎片化信息，难以有效筛选和消化。
知识碎片化：零散的知识点难以形成系统化的结构。
回顾困难：有效回顾已记录的内容变得复杂。
💳 智能记账Agent
记账的重要性
传统记账的困难
耗时费力：手动记录需要大量时间，容易遗漏。
分类困难：难以确定支出类别，影响预算控制。
智能记账的优势
实时更新：随时随地记录支出，避免遗漏。
数据分析：自动生成报表，帮助用户做出明智的财务决策。
安全性高：加密技术保护财务信息，减少隐私泄露风险。
📰 每日资讯获取Agent
热点新闻的关键指标
重要性
即时性与短暂性：热点新闻如浪花般转瞬即逝，但也具有深远影响。
高度聚焦性：迅速吸引公众注意力，成为社会讨论的中心。
显著影响力：塑造公众认知，影响企业与平台的决策。
🧠 结构化思考
“结构化思考是一种促进复杂问题解决的思维方式，通过有序的分析与反思，提高决策效率与方案质量。”

产品研发的挑战
在产品研发过程中，面对复杂的用户反馈和需求，常常难以厘清思路。通过结构化思维过程，我们能够促进大语言模型（Large Language Model，简称LLM）进行动态分析和深度反思，从而高效解决复杂问题。

复杂问题的需求
复杂情景决策：在复杂环境下做出有效决策。
问题诊断：对问题进行系统分析和诊断。
创意开发：在创意生成过程中保持系统性思维。
传统方法的局限性
传统的方法往往缺乏系统性，导致决策效率和方案质量受到影响。

解决方案
为了解决上述挑战，提出了以下策略：

解决方案 描述
逐步推理 通过分步分析来理清思路和问题。
结构化分解 将复杂问题分解为更小的可处理部分。
动态思考 根据反馈不断调整思路和方案。
优势与价值
提升复杂问题解决效率与质量：通过结构化思考，能够迅速厘清思路并辅助关键决策的制定。
促进思维链构建：建立系统性的思维链条，有助于更全面地解决问题。
反思机制的应用：通过反思机制持续优化方案质量，确保决策的有效性。
自动配图Agent
Wanx文生图MCP
Wanx文生图MCP是一种快速高效创作视觉内容的工具，能够告别费时费力的图像搜索与设计，直接将文本转化为精美图像。

传统视觉内容创作的痛点
在视觉内容创作过程中，常见的挑战包括：

新品发布会海报制作耗时费力。
自媒体文案配图搜索费时。
自行设计需要专业技能。
效率提升
通过Wanx文生图MCP，用户可以实现秒级响应，快速生成图像，极大提升视觉内容创作效率。适用于多种场景，如海报和自媒体等。

效率提升过程 描述
输入文本 用户输入文本描述。
处理 系统分析输入并生成图像。
生成图像 输出精美图像。
平台与配置
平台：Trae
详细配置：参见相关资料。