一文搞懂 MCP Servers

一文搞懂 MCP Servers

引用

CSDN

1.

https://m.blog.csdn.net/fnngj/article/details/145965126

MCP（Model Context Protocol）是由Anthropic提出的一种通信协议，旨在解决大型语言模型（LLM）与外部数据源及工具之间无缝集成的需求。通过标准化AI系统与数据源的交互方式，MCP帮助模型获取更丰富的上下文信息，从而生成更准确、更相关的响应。本文将详细介绍MCP服务器的概念、功能、架构以及如何使用MCP服务器。

什么是MCP

MCP概念

MCP（Model Context Protocol，模型上下文协议）是由Anthropic提出并于2024年11月开源的一种通信协议，旨在解决大型语言模型（LLM）与外部数据源及工具之间无缝集成的需求。它通过标准化AI系统与数据源的交互方式，帮助模型获取更丰富的上下文信息，从而生成更准确、更相关的响应。

主要功能

• 上下文共享：应用程序可以通过MCP向模型提供所需的上下文信息（如文件内容、数据库记录等），增强模型的理解能力。
• 工具暴露：MCP允许应用程序将功能（如文件读写、API调用）暴露给模型，模型可以调用这些工具完成复杂任务。
• 可组合的工作流：开发者可以利用MCP集成多个服务和组件，构建灵活、可扩展的AI工作流。
• 安全性：通过本地服务器运行，MCP避免将敏感数据上传至第三方平台，确保数据隐私。

MCP架构

MCP采用客户端-服务器架构：

• MCP客户端（Client）：通常是AI应用程序（如Claude Desktop或其他LLM工具），负责发起请求并与服务器通信。
• MCP服务器（Server）：轻量级程序，负责暴露特定的数据源或工具功能，并通过标准化协议与客户端交互。

通信格式：基于JSON-RPC 2.0，支持请求、响应和通知三种消息类型，确保通信的标准化和一致性。

MCP Servers主要功能

MCP Servers作为一个轻量级的本地服务，旨在为客户端提供数据访问和功能执行的接口。

1. 资源暴露（Resource Exposure）

资源是服务器提供给客户端的数据实体，可以是文件、数据库记录、内存中的对象等。例如：

• 文件资源：file:///home/user/report.txt
• 内存资源：memo://recent-insights

2. 工具提供（Tool Provisioning）

工具是服务器暴露的可执行功能，客户端可以通过调用这些工具完成特定任务。例如：

• 查询数据库：query_database（参数：SQL语句，返回：查询结果）
• 文件写入：write_file（参数：文件路径、内容）

3. 动态通知（Dynamic Notification）

当资源发生变化时，服务器可以通过通知机制（如notification消息）主动推送更新到客户端。

4. 会话管理（Session Management）

处理客户端的连接初始化、能力协商和会话关闭。

自定义 MCP Servers

1. 本地实现一个文件资源服务，创建mcp_server.py文件。

import json
import sys

# 处理客户端请求
def handle_request(request):
    method = request.get("method")
    params = request.get("params", {})
    request_id = request.get("id")
    if method == "initialize":
        return {
            "jsonrpc": "2.0",
            "result": {"version": "1.0", "capabilities": ["resources", "tools"]},
            "id": request_id
        }
    elif method == "read_resource":
        uri = params.get("uri")
        with open(uri.replace("file:///", ""), "r") as f:
            content = f.read()
        return {"jsonrpc": "2.0", "result": content, "id": request_id}
    elif method == "call_tool":
        tool_name = params.get("name")
        if tool_name == "echo":
            return {"jsonrpc": "2.0", "result": params.get("message"), "id": request_id}
    else:
        return {"jsonrpc": "2.0", "error": {"code": -32601, "message": "Method not found"}, "id": request_id}

# 主循环：通过 Stdio 通信
def main():
    while True:
        # 从 stdin 读取请求
        raw_input = sys.stdin.readline().strip()
        if not raw_input:
            break
        request = json.loads(raw_input)
        
        # 处理请求并返回响应
        response = handle_request(request)
        sys.stdout.write(json.dumps(response) + "\n")
        sys.stdout.flush()

if __name__ == "__main__":
    main()

1. 通过python启动服务

python mcp_server.py

1. 在相同的目录下创建test.txt文件。

Hello, this is a test file!

1. 另外启动一个命令窗口，输入：

echo '{"jsonrpc": "2.0", "method": "read_resource", "params": {"uri": "file:///D:/path/to/test.txt"}, "id": 2}' | python mcp_server.py
{"jsonrpc": "2.0", "result": "Hello, this is a test file!", "id": 2}

注：此处使用的是PowerShell，我们看到服务返回了文件的内容。

使用现有 MCP Servers

GitHub：在GitHub上查找MCP servers：

• https://github.com/modelcontextprotocol/servers
• https://github.com/punkpeye/awesome-mcp-servers

网站：通过下面的网站查找MCP servers：

• https://mcpservers.org
• https://mcp.so
• https://glama.ai/mcp/servers
• https://www.pulsemcp.com/

UI自动化相关的MCP servers：

• playwright：https://github.com/executeautomation/mcp-playwright
• browserbase：https://github.com/browserbase/mcp-server-browserbase
• puppeteer：https://github.com/modelcontextprotocol/servers/tree/HEAD/src/puppeteer

我们以Playwright项目为例子。

playwright项目：https://github.com/AutoTestClass/playwright-mind

在项目里添加playwright-mcp-server：

git clone https://github.com/AutoTestClass/playwright-mind
cd playwright-mind
npm install -g @executeautomation/playwright-mcp-server # <--添加--

MCP Client

MCP client一般选用AI应用程序（如Claude Desktop、cline或其他LLM工具），负责发起请求并与服务器通信。我们这里选用VSCode + cline的组合，关于二者的使用，铺天盖地都是使用的文章，这里就不介绍了。

1. 首先，在VSCode中打开cline插件，在MCP servers中搜索playwright插件安装。
2. 然后，配置playwright mcp servers的启动配置。

{
  "mcpServers": {
    "playwright": {
![](https://wy-static.wenxiaobai.com/chat-rag-image/7626391464507591141)
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}

1. 最后，通过LLM大模型，描述需求（UI自动化相关操作），LLM大模型会通过playwright MCP servers启动浏览器完成一些UI自动化操作。

MCP Servers的作用

最后，我们再来总结MCP Servers的作用。懒得画图了，下面是我网上找的一张图。结合前面的操作流程，相信你已经知道MCP Servers可以做什么了。

MCP Servers真正价值不在于我们传统的UI自动化测试，因为它是通过文字描述操作浏览器去完成一些工作。并没有自动化的脚本沉淀，当然，如果你把Prompt沉淀下来当作自动化脚本也是可以的，这确实颠覆了我们写自动化脚本的形式。

当然，MCP Servers更多价值不是浏览器自动化，而是利用LLM操作本地资源，例如，本地文件，数据库、git等。想想你不需要写复杂的SQL语句，通过自然语言描述就可以轻松完成本地数据库的操作。这种效率的提升是非常明显。