MCP 教程（下）：AI 运作、意图转化与部署实战

1. AI 如何操作：从意图到执行的标准路径

步骤 1：建立会话与能力协商
客户端先 initialize 完成协议版本与能力协商，随后发送 notifications/initialized 进入运行阶段。

步骤 2：能力发现
客户端通过 tools/list、resources/list、prompts/list 获取能力目录，必要时监听 list_changed 通知保持目录更新。

步骤 3：模型形成可执行计划
模型根据工具描述与 JSON Schema 生成结构化参数，选择是否调用工具、读取资源或使用提示模板。

步骤 4：执行与回传
客户端执行 tools/call，服务器返回结果；模型据此继续规划或输出最终答复。

通俗解释：
模型不会“直接动系统”，它只会把“要干什么”翻译成“调用哪个工具 + 传什么参数”。

2. 部署路线图：先选传输方式

选择建议

  • 本地单机、强调稳定与低延迟：选 stdio。
  • 需要远程访问、多人复用、或要接入 Codex：选 Streamable HTTP（有明确 URL）。

为什么需要 Streamable HTTP
Codex 官方说明支持通过 URL 连接 MCP Server（Streamable HTTP），配置可通过 CLI 或 ~/.codex/config.toml 完成。

通俗解释：
stdio 就像“本机插件”，HTTP 就像“远程服务”。要给别的客户端用，就把它变成可访问的 URL。

3. MCP Server 逻辑代码（FastMCP 版本）

下面是一份可直接运行的最小服务器，包含：

  • 1 个工具（add）
  • 1 个资源（greeting://{name}）
  • 1 个提示模板（greet_user）
  • 以 Streamable HTTP 暴露在 /mcp
# server.py
from mcp.server.fastmcp import FastMCP

# 推荐：Streamable HTTP + JSON 响应（更适合生产）
# 也可将 stateless_http=False 做有状态会话
mcp = FastMCP(
    "Demo MCP",
    json_response=True,
    stateless_http=True,
    streamable_http_path="/mcp",
)

@mcp.tool()
def add(a: int, b: int) -> int:
    """Add two numbers."""
    return a + b

@mcp.resource("greeting://{name}")
def greeting(name: str) -> str:
    """Get a personalized greeting."""
    return f"Hello, {name}!"

@mcp.prompt()
def greet_user(name: str, style: str = "friendly") -> str:
    """Generate a greeting prompt."""
    styles = {
        "friendly": "Please write a warm, friendly greeting",
        "formal": "Please write a formal, professional greeting",
        "casual": "Please write a casual, relaxed greeting",
    }
    return f"{styles.get(style, styles['friendly'])} for someone named {name}."

if __name__ == "__main__":
    # Streamable HTTP 模式
    mcp.run(transport="streamable-http", host="127.0.0.1", port=8000)

    # 若改为 stdio：
    # mcp.run()

以上代码结构与官方 FastMCP Quickstart 一致，工具、资源、提示模板的写法与 Streamable HTTP 的启动方式都能直接对应官方示例。

通俗解释：
这段代码把“能做的事”封装成按钮，把“可读的数据”封装成资料库，把“固定流程”封装成模板。

4. 安装与运行（详细步骤）

步骤 1：安装依赖
选择其一即可：

  • 使用 uv：uv init 后执行 uv add "mcp[cli]"。
  • 使用 pip：pip install "mcp[cli]"。

步骤 2：运行服务器

  • 直接运行：python server.py
  • 若用 uv：uv run server.py

步骤 3：确认服务可访问
官方示例建议通过 MCP Inspector 连接 http://localhost:8000/mcp 检查是否可用。

通俗解释：
能通过 Inspector 打开并看到工具列表，就说明服务“活着”。

5. 目前主流的浏览器 MCP Server 方案（含安装命令、最小启动参数、典型工具）

说明：以下为“当前生态里使用频率较高”的浏览器 MCP Server。你可以把它当作一张“部署速查表”。工具清单以 tools/list 为准，这里给出官方文档中明确列出的常见工具名，便于快速上手。

5.1 Playwright MCP（Microsoft 官方）

安装与启动（stdio）：

npx @playwright/mcp@latest

最小配置（stdio，通用 MCP 客户端）：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["@playwright/mcp@latest"]
    }
  }
}

最小启动参数（HTTP 模式）：

npx @playwright/mcp@latest --port 8931

{
  "mcpServers": {
    "playwright": {
      "url": "http://localhost:8931/mcp"
    }
  }
}

典型工具（节选）：
browser_click、browser_hover、browser_navigate、browser_navigate_back、browser_network_requests、browser_press_key、browser_snapshot、browser_take_screenshot、browser_console_messages。
（工具来自官方 README 的 “Tools” 列表，实际工具可能随版本或 caps 变化）

通俗解释：
Playwright 官方版强调“结构化快照 + 可访问性树”，不依赖视觉模型，适合稳定的自动化。

5.2 Puppeteer MCP（官方参考实现，已弃用）

注意：@modelcontextprotocol/server-puppeteer 在 npm 上已标记 deprecated（不再支持），属于参考实现/非生产维护状态，但包仍可用。

安装与启动（stdio）：

npx -y @modelcontextprotocol/server-puppeteer

最小配置（stdio）：

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"]
    }
  }
}

典型工具（官方文档）：
puppeteer_navigate、puppeteer_screenshot、puppeteer_click、puppeteer_hover、puppeteer_fill、puppeteer_select、puppeteer_evaluate。
资源：console://logs、screenshot://<name>。

可选配置（自定义浏览器启动参数）：

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-puppeteer"],
      "env": {
        "PUPPETEER_LAUNCH_OPTIONS": "{ \"headless\": false, \"args\": [] }",
        "ALLOW_DANGEROUS": "true"
      }
    }
  }
}

通俗解释：
功能上仍是“经典 Puppeteer 浏览器自动化”，但维护已弃用，生产落地需谨慎评估。

5.3 Browserbase MCP（Stagehand 云/本地）

远程托管（SHTTP，推荐）：

{
  "mcpServers": {
    "browserbase": {
      "url": "your-smithery-url.com"
    }
  }
}

本地 STDIO（需要 API Key）：

{
  "mcpServers": {
    "browserbase": {
      "command": "npx",
      "args": ["@browserbasehq/mcp-server-browserbase"],
      "env": {
        "BROWSERBASE_API_KEY": "",
        "BROWSERBASE_PROJECT_ID": "",
        "GEMINI_API_KEY": ""
      }
    }
  }
}

典型工具（节选）：
browserbase_stagehand_navigate、browserbase_stagehand_act、browserbase_stagehand_extract、browserbase_stagehand_observe、browserbase_screenshot、browserbase_stagehand_get_url、browserbase_session_create、browserbase_session_close、multi_browserbase_stagehand_session_create、multi_browserbase_stagehand_session_list、multi_browserbase_stagehand_session_close、multi_browserbase_stagehand_navigate_session。
资源：screenshot://screenshot-name。

通俗解释：
这是“云端浏览器 + 自然语言动作”的方案，适合并发会话或云端运行。

5.4 Chrome DevTools MCP（社区，CDP）

安装与启动（stdio）：

{
  "mcpServers": {
    "chrome-devtools": {
      "command": "npx",
      "args": ["-y", "chrome-devtools-mcp@latest"]
    }
  }
}

典型工具（节选，官方 README 的工具分类）：
输入类：click、drag、fill、fill_form、handle_dialog、hover、press_key、upload_file。
导航类：navigate_page、new_page、list_pages、select_page、close_page、wait_for。
仿真类：emulate、resize_page。
性能类：performance_start_trace、performance_stop_trace、performance_analyze_insight、take_memory_snapshot。
调试类：evaluate_script、list_console_messages、get_console_message。
网络类：get_network_request、list_network_requests。

通俗解释：
更像“调试与分析工具集”，适合性能分析与问题诊断。

5.5 Playwright MCP（ExecuteAutomation 社区）

安装与启动（stdio）：

npx @executeautomation/playwright-mcp-server

最小配置（stdio）：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": ["-y", "@executeautomation/playwright-mcp-server"]
    }
  }
}

最小启动参数（HTTP/SSE 模式）：

playwright-mcp-server --port 8931

{
  "mcpServers": {
    "playwright": {
      "url": "http://localhost:8931/mcp",
      "type": "http"
    }
  }
}

典型工具（节选，官方 Supported Tools）：
Playwright_navigate、Playwright_screenshot、Playwright_click、Playwright_hover、Playwright_fill、Playwright_select、Playwright_evaluate、Playwright_console_logs、Playwright_resize。
（该项目还提供 codegen 工具，如 start_codegen_session、end_codegen_session）

通俗解释：
工具覆盖面广、易上手，适合需要“快速把浏览器自动化跑起来”的团队。

6. Codex MCP Client 配置（可直接复制）

Codex 支持在 CLI 或 IDE 扩展中配置 MCP，且配置共享。官方提供两种配置方式：

方式 A：CLI 添加

codex mcp add my-local-mcp --url http://127.0.0.1:8000/mcp
codex mcp list

方式 B：直接改 ~/.codex/config.toml

[mcp_servers.my-local-mcp]
url = "http://127.0.0.1:8000/mcp"

通俗解释：
给 Codex 一个 URL，它就知道“要去哪里找你的 MCP 服务”。

7. 客户端到服务端的连接与通信（关键细节）

生命周期握手（必须步骤）

  1. Client 发送 initialize 请求，带协议版本与能力。
  2. Server 返回自身能力与信息。
  3. Client 发送 notifications/initialized，进入正常交互。

简化消息示意

// 1) initialize
{"jsonrpc":"2.0","id":1,"method":"initialize","params":{...}}

// 2) initialize result
{"jsonrpc":"2.0","id":1,"result":{...}}

// 3) initialized notification
{"jsonrpc":"2.0","method":"notifications/initialized"}

stdio 传输要点

  • 客户端启动服务器进程，消息走 stdin/stdout。
  • 每条 JSON-RPC 消息一行，不能包含内嵌换行。
  • stdout 只能输出 MCP 消息，日志应写 stderr。

Streamable HTTP 传输要点

  • 服务器提供一个单一 endpoint，支持 GET/POST。
  • 可使用 SSE 或流式响应推送多条消息。
  • 必须做 Origin 校验、尽量绑定 localhost 并启用认证。

通俗解释：
stdio 是“本地管道”，HTTP 是“网络接口”。两者都用 JSON-RPC 说话，但安全要求不同。

8. 自测清单（跑通即成功）

  1. 启动 server.py 并确认 http://127.0.0.1:8000/mcp 可访问。
  2. 用 Codex 配置该 URL，并执行 codex mcp list。
  3. 在 Codex 中输入：
    “请使用 MCP 的 add 工具计算 2 + 3”。
  4. 若看到工具调用结果返回，则部署成功。

通俗解释：
能让 Codex 真正调用你的工具，并得到结果，就是 MCP Server 的“毕业考试”。

# 人工智能
Logo
MCP技术社区

欢迎加入 MCP 技术社区！与志同道合者携手前行，一同解锁 MCP 技术的无限可能！

更多推荐

cover

调查研究-192 AI Agent 之间也需要“信任“:把多 Agent 信任变成可测指标

avatar MCP技术社区

2026年AI大模型集成范式：主流API聚合中转架构技术评估与选型指南（企业与开发者视角）

2026 年的大模型应用架构正在从“单模型调用”逐步演进为“多模型协同调度体系”。API 聚合中转层不再只是简单的接口封装，而是逐渐演变为集成路由控制、协议适配、成本治理与权限管理的基础设施组件。对于企业而言，选择合适的 API 聚合平台，本质上是在选择未来 AI 应用架构的稳定性边界与扩展能力边界。星链4SAPI这类统一调度型方案，更适合需要长期运营、多模型并行与企业级治理能力的系统环境。

avatar MCP技术社区
cover

【版本更新】Claude Code v2.1.186 发布：命令行 MCP 登录解锁、支持 SSH 盲操免浏览器验证、大修权限逃逸与无限重试死锁！

avatar MCP技术社区