1 为什么 Go 语言是构建 MCP 服务的利器

在 AI 应用爆发的今天，模型上下文协议（Model Context Protocol，简称 MCP）正逐渐成为连接大语言模型与外部世界的“通用接口”。如果把 AI 模型比作大脑，那么 MCP 就是让大脑能够操作键盘、读取文件、访问数据库的神经末梢。对于 Go 语言开发者而言，这一协议的落地显得尤为自然。Go 语言天生具备的强类型系统、高并发处理能力以及简洁的语法风格，与 MCP 追求的高效、稳定、标准化的目标不谋而合。

不同于 Python 生态中大量依赖动态解释和复杂框架的现状，Go 在构建后端服务时往往能提供更清晰的架构和更低的运行时开销。当我们使用 mcp-go 库来构建 MCP 服务器时，这种优势被进一步放大。它不仅仅是一个简单的协议实现库，更是一套让 Go 开发者能够以“原生思维”去定义工具、资源和提示词的优雅方案。本文将深入实战，带你从零开始，利用 Go 语言构建一个功能完备、类型安全且高性能的 MCP 服务端。

2 快速起步：安装与核心概念

在开始编写代码之前，我们需要将 mcp-go 库引入项目。这是一个专为 Go 语言设计的 MCP 实现，旨在提供完整的协议支持，同时保持极高的开发效率。在你的 Go 项目根目录下，执行以下命令即可完成安装：

go get github.com/mark3labs/mcp-go

安装完成后，我们便拥有了构建 MCP 服务器的所有基石。MCP 的核心架构主要围绕三个概念展开：工具（Tools）、资源（Resources）和提示词（Prompts）。

• 工具：这是 MCP 最核心的能力，允许 AI 模型调用你编写的函数。比如让 AI 执行数学计算、查询数据库或调用外部 API。
• 资源：相当于数据的只读视图。AI 可以通过 URI 读取文件内容、日志或配置信息，但通常不能直接修改。
• 提示词：预定义的模板，帮助 AI 更好地理解上下文或执行特定任务，比如生成代码片段或格式化回复。

在 Go 中，这些概念都被抽象为强类型的结构体，这意味着我们在编译阶段就能发现大部分配置错误，而不是等到运行时才抛出异常。

3 打造类型安全的工具：从定义到注册

构建 MCP 服务器的第一步，通常是创建一个 Server 对象。这非常直观，只需指定服务器名称和版本号即可：

s := server.NewMCPServer("GoCalcServer", "1.0.0")

接下来是重头戏：定义并注册一个工具。让我们以一个经典的“计算器”为例，它需要支持加减乘除四种运算。在 mcp-go 中，我们使用 mcp.NewTool 来定义工具的元数据，包括参数类型、是否必填以及枚举限制。

calculatorTool := mcp.NewTool("calculate", 
    mcp.WithDescription("执行基本的算术运算"), 
    mcp.WithString("operation", 
        mcp.Required(), 
        mcp.Description("要执行的算术运算类型"), 
        mcp.Enum("add", "subtract", "multiply", "divide"),
    ), 
    mcp.WithNumber("x", 
        mcp.Required(), 
        mcp.Description("第一个数字"), 
    ), 
    mcp.WithNumber("y", 
        mcp.Required(), 
        mcp.Description("第二个数字"), 
    ), 
)

这段代码清晰地展示了 Go 的函数式选项模式（Functional Options Pattern）。我们不仅定义了参数名，还通过 mcp.Required() 标记了必填项，利用 mcp.Enum() 限制了 operation 参数的取值范围。这种显式的定义方式，让 AI 模型在调用工具时能准确理解参数约束，极大地减少了幻觉和调用错误。

定义好工具后，我们需要将其注册到服务器，并提供具体的业务逻辑处理函数：

s.AddTool(calculatorTool, func(ctx context.Context, request mcp.CallToolRequest) (*mcp.CallToolResult, error) {
    op := request.Params.Arguments["operation"].(string)
    x := request.Params.Arguments["x"].(float64)
    y := request.Params.Arguments["y"].(float64)

    var result float64
    switch op {
    case "add":
        result = x + y
    case "subtract":
        result = x - y
    case "multiply":
        result = x * y
    case "divide":
        if y == 0 {
            return nil, errors.New("不允许除以零")
        }
        result = x / y
    default:
        return nil, errors.New("未知的运算类型")
    }

    return mcp.FormatNumberResult(result), nil
})

在这个处理函数中，我们直接从请求中提取参数。由于 Go 是强类型语言，这里的类型断言（如 .(string)）虽然需要小心处理，但在配合前面的参数定义后，逻辑非常清晰。如果运算非法（如除以零），我们直接返回错误，MCP 协议会将这个错误清晰地反馈给客户端，从而保证系统的健壮性。

4 暴露本地资源与动态提示词

除了执行计算，MCP 服务器还能让 AI“阅读”文件。假设我们希望 AI 能读取项目的 README.md 文件来回答关于项目的问题，我们可以注册一个资源。

resource := mcp.NewResource(
    "docs://readme", 
    "项目说明文档", 
    mcp.WithResourceDescription("项目的 README 文件"), 
    mcp.WithMIMEType("text/markdown"), 
)

s.AddResource(resource, func(ctx context.Context, request mcp.ReadResourceRequest) ([]mcp.ResourceContents, error) {
    content, err := os.ReadFile("README.md")
    if err != nil {
        return nil, err
    }
    return []mcp.ResourceContents{
        mcp.TextResourceContents{
            URI:      "docs://readme",
            MIMEType: "text/markdown",
            Text:     string(content),
        },
    }, nil
})

这里的关键在于 URI 的设计（docs://readme），它成为了 AI 访问该资源的唯一标识。处理函数内部则是标准的 Go 文件读取操作，返回的内容被封装成 TextResourceContents 结构，确保 MIME 类型正确，方便前端或 AI 模型进行渲染。

同样，我们也可以定义动态提示词。例如，根据用户名字生成个性化的问候语：

s.AddPrompt(mcp.NewPrompt("greeting", 
    mcp.WithPromptDescription("一个友好的问候提示"), 
    mcp.WithArgument("name", mcp.ArgumentDescription("要问候的人的名字")), 
), func(ctx context.Context, request mcp.GetPromptRequest) (*mcp.GetPromptResult, error) {
    name := request.Params.Arguments["name"]
    if name == "" {
        name = "朋友"
    }
    return mcp.NewGetPromptResult(
        "友好的问候", 
        []mcp.PromptMessage{
            mcp.NewPromptMessage(
                mcp.RoleAssistant, 
                mcp.NewTextContent(fmt.Sprintf("你好，%s！今天有什么可以帮您的吗？", name)),
            ),
        }, 
    ), nil
})

通过 WithArgument 定义参数，使得提示词不再是死板的文本，而是可以根据上下文动态生成的模板。这在构建复杂的 AI 工作流时非常有用。

5 传输模式选型：Stdio 与 SSE 的实战对比

当服务器逻辑编写完毕后，最后一步是启动它。mcp-go 提供了两种主要的传输模式：Stdio 和 SSE（Server-Sent Events）。

Stdio 模式 是最轻量级的选择，它通过标准输入输出进行通信。这种方式非常适合本地开发、命令行工具集成，或者作为子进程被其他应用（如 IDE 插件）直接调用。启动代码极其简洁：

if err := server.ServeStdio(s); err != nil {
    fmt.Printf("Server error: %v\n", err)
}

在这种模式下，服务器不需要监听任何网络端口，安全性极高，因为通信仅限于进程间。如果你是在开发一个本地辅助工具，或者希望将 MCP 服务嵌入到现有的 CLI 工作流中，Stdio 是首选。

然而，在生产环境中，尤其是需要跨网络部署或支持 Web 客户端时，SSE 模式 则更为合适。SSE 基于 HTTP 协议，允许服务器向客户端推送实时数据，非常适合长连接场景。

sseServer := server.NewSSEServer(s)
err := sseServer.Start(":8080")
if err != nil {
    panic(err)
}

启动后，服务器将监听 8080 端口。此时，任何支持 MCP 协议的远程客户端（如运行在另一台机器上的 AI 助手）都可以通过 HTTP 连接到你的服务。SSE 模式的优势在于其网络穿透能力和对防火墙的友好性，它复用标准的 HTTP 端口，易于在云环境中部署和管理。

选型建议：如果你的应用场景局限于单机、本地调试或与桌面端深度集成，Stdio 凭借其低延迟和高安全性胜出；若你需要构建分布式系统、支持多用户并发访问，或希望服务能被远程 AI 代理调用，那么 SSE 是不二之选。在实际的大型项目中，甚至可以根据不同的客户端需求，同时开启两种模式的监听，以达到最大的兼容性。

通过上述步骤，我们不仅完成了一个功能丰富的 MCP 服务器构建，还充分利用了 Go 语言在类型安全和并发处理上的优势。从定义严谨的工具参数，到灵活选择传输协议，mcp-go 让整个过程既高效又可控。对于 Go 开发者来说，拥抱 MCP 不仅仅是学习一个新协议，更是将自身扎实的后端工程能力延伸至 AI 领域的一次绝佳机会。