前面三篇，我已经把 MCP 的认知和底层原理拆清楚了：

1. MCP 是什么
2. MCP 的运行流程
3. 为什么 LLM 会调用 MCP Tool

但如果只停留在理解层面，其实没有意义。

作为开发者，我必须真正写一个 MCP，才算真正掌握。

这一篇，我会做两件事：

• 用 Python 开发一个最小 MCP Server
• 用 Python 模拟 Client 调用 MCP

虽然我本身是 Java 开发者，但我发现：

只要理解了 Python 版本的运行机制，我就能很容易迁移到 Java。

因为：

MCP 的核心是协议思想，而不是语言。

---

一、这一篇到底要解决什么？

很多教程的问题是：

• 上来就贴代码
• 但根本不知道代码为什么这么写

所以这一篇，我不会只讲“怎么写”，还会讲：

每一行代码在 MCP 体系里到底对应什么角色。

---

二、先明确 MCP 开发的本质

一句话：

MCP 开发，本质就是“把普通函数暴露成 AI 可调用能力”

例如：

def get_weather(city):
    return "晴天"

普通函数只能被程序调用。

但 MCP 做了一件事：

把它变成“LLM 可以发现和调用的 Tool”

---

三、MCP 的整体结构（必须先理解）

我先把完整链路画出来：

LLM
 ↓
MCP Client
 ↓
MCP Server
 ↓
Tool（Python函数）

---

每层在干什么？

层级	作用
LLM	决定调用什么
MCP Client	发送请求
MCP Server	管理 Tool
Tool	真正执行逻辑

---

四、开始开发：安装 MCP SDK

先安装 Python SDK：

pip install mcp

---

五、开发第一个 MCP Server（核心）

1. 创建 server.py

from mcp.server import Server

server = Server("weather-server")

---

这一段在做什么？

这里不是简单创建对象。

而是在做：

启动一个“能力服务”

此时 Server 内部会维护：

• Tool 列表
• Tool Schema
• 请求路由

---

六、注册第一个 Tool

@server.tool()
def get_weather(city: str) -> str:
    """根据城市查询天气"""

    return f"{city}今天晴天，25度"

---

七、这里到底发生了什么？（重点）

很多人会觉得：

“不就是一个装饰器吗？”

但实际上：

这一行是整个 MCP 的核心。

---

MCP 内部做了什么？

1. 收集函数信息

MCP 会自动读取：

• 函数名
• 参数类型
• 返回值类型
• docstring

---

2. 自动生成 Tool Schema

类似：

{
  "name": "get_weather",
  "description": "根据城市查询天气",
  "parameters": {
    "city": "string"
  }
}

---

3. Tool 注册到 Server

Server 内部会维护：

Tool Name -> Python Function

类似：

get_weather -> 内存地址

---

八、为什么 LLM 后面能调用它？

这里终于进入核心。

注意：

LLM 从来没有“看到 Python 代码”

它看到的只有：

{
  "name": "get_weather",
  "description": "根据城市查询天气"
}

---

本质是什么？

Tool 被“翻译成文本描述”

然后：

• Client 会把这些 Tool 信息塞进 Prompt
• LLM 再决定是否调用

---

九、启动 MCP Server

if __name__ == "__main__":
    server.run()

---

十、server.run() 到底干了什么？

很多教程不会讲这一层，但这一层非常关键。

---

本质上：

server.run() 启动了一个 MCP 通信服务

它会：

• 等待 Client 请求
• 接收 Tool 调用
• 分发到对应 Python 函数

---

类比 Java

如果我是 Java 开发者，我可以这样理解：

SpringBoot Controller
       ↓
接收 HTTP 请求
       ↓
调用 Service

---

MCP Server 本质类似：

MCP Request
      ↓
Tool Router
      ↓
Python Function

---

十一、开始开发 MCP Client

现在我再写一个 Client。

---

创建 client.py

from mcp.client import Client

client = Client("demo-client")

---

连接 MCP Server

client.connect("http://localhost:8000")

---

十二、连接时到底发生了什么？

这里不是简单 TCP 连接。

实际上：

Client 会开始“能力发现”

---

它会请求：

请告诉我你有哪些 Tool

---

Server 返回：

[
  {
    "name": "get_weather",
    "description": "根据城市查询天气"
  }
]

---

十三、LLM 为什么知道调用哪个 Tool？

现在：

• 用户输入：

帮我查一下北京天气

---

Client 会构造 Prompt：

你可以使用以下工具：

工具：
get_weather
作用：根据城市查询天气

---

然后 LLM 推理：

它发现：

• “天气”
• “get_weather”

高度匹配。

于是输出：

{
  "tool": "get_weather",
  "arguments": {
    "city": "北京"
  }
}

---

十四、为什么参数是 JSON？

因为：

Tool Schema 已经提前定义了参数结构。

例如：

{
  "city": "string"
}

---

LLM 本质是在：

“按 Schema 填空”

而不是：

“凭空创造 JSON”

---

十五、Client 如何真正调用 Tool？

现在 Client 拿到：

{
  "tool": "get_weather",
  "arguments": {
    "city": "北京"
  }
}

---

Client 会做什么？

1. 解析 JSON

2. 发送 MCP 请求

类似：

调用 get_weather
参数 city=北京

---

Server 收到后：

根据：

get_weather -> Python函数

找到真实函数：

get_weather("北京")

---

十六、最终结果怎么回到 LLM？

Tool 返回：

北京今天晴天，25度

---

Client 再把结果塞回 Prompt：

工具返回：
北京今天晴天，25度

---

然后 LLM 再生成最终回答：

北京今天天气晴朗，气温25度。

---

十七、如果我是 Java 开发者，该怎么理解？

这一段非常重要。

很多 Java 开发者看到 Python 会慌。

但实际上：

MCP 和语言关系不大。

---

Java 对应关系

MCP Python	Java 思维
Tool	Service 方法
Server	SpringBoot 服务
Schema	DTO / JSON Schema
Client	Feign / SDK
Tool Router	Dispatcher

---

本质上：

MCP 就是“AI 时代的 RPC/接口调用系统”

---

十八、真正重要的收获（不是代码）

这一篇最重要的不是：

• 会不会写 Python

而是：

我终于理解了 MCP 的本质机制。

---

MCP 真正做的事情

1. 把函数暴露成 Tool

2. 把 Tool 转成文本描述

3. 把文本描述交给 LLM

4. LLM 输出结构化调用

5. Client 转换成真实函数执行

---

十九、总结

我把这一篇压缩成一句话：

MCP 本质是“函数调用”和“自然语言”之间的翻译层