远程 MCP 实战：用 Python 直连 3 个免费公开服务，查询官方文档、开源项目与最新 API

上一篇我们通过 stdio 构建了本地 MCP Server。本文继续讲解 Remote MCP：不在电脑上启动 Server，直接通过 Streamable HTTP 连接公网 MCP 服务。我们将实际使用 Microsoft Learn、DeepWiki 和 Context7，分别完成官方技术文档检索、开源仓库问答和第三方库 API 查询。三个服务均可在不配置业务 API Key 的情况下开始体验。

本文面向第一次调用远程 MCP 的开发者。你不需要购买大模型 API，也不需要注册数据库。只要安装 Python 和 MCP SDK，就能独立验证远程连接、动态发现工具并执行调用。

说明：公开服务的端点、匿名额度和工具 Schema 可能随运营策略变化。本文示例按照 2026 年 7 月公开文档编写；实际开发时，应始终通过 list_tools() 获取当前能力。

一、本地 MCP 与远程 MCP 有什么区别？

本地 MCP Server 通常由客户端启动，通过 stdin/stdout 通信：

AI Client ── stdio ── 本地 MCP Server ── 本地文件或程序

远程 MCP Server 已经运行在服务提供方的服务器上，客户端通过网络连接：

AI Client ── HTTPS / Streamable HTTP ── 远程 MCP Server

两者使用相同的 MCP 语义，但工程特征不同：

对比项 本地 MCP 远程 MCP
Server 在哪里运行 用户电脑或本机容器 服务提供方的远程服务器
常用传输 stdio Streamable HTTP
是否需要本地启动命令 需要 不需要
网络依赖 不一定需要 必须联网
认证 常由本机权限控制 可能需要 OAuth、Token 或 API Key
更新方式 用户更新本地包 服务端集中更新
常见用途 文件、Git、本机自动化 公共知识、SaaS、团队服务、云端数据

本文选择的三个 Remote MCP 都可以匿名开始使用，省去账号授权过程，适合新手先把协议调用跑通。

二、Remote MCP 不是普通 REST API

第一次接触远程 MCP，很多人会直接在浏览器中打开：

https://learn.microsoft.com/api/mcp

然后看到 405 Method Not Allowed，误以为服务已经失效。

实际上，MCP 端点不是普通网页，也不是“访问一次 URL 就返回 JSON”的 REST 接口。MCP Client 需要：

  1. 使用支持的传输方式建立连接；
  2. 发送 initialize 完成协议版本和能力协商；
  3. 调用 tools/list 获取实时工具列表；
  4. 根据服务器返回的 JSON Schema 组织参数；
  5. 调用 tools/call 并处理 MCP 结果。

所以正确关系是：

Python 程序
  ↓
MCP Client SDK
  ↓ initialize / tools/list / tools/call
Streamable HTTP
  ↓
Remote MCP Server

不要用 requests.get(mcp_url) 代替 MCP Client，也不要把当前工具参数永远硬编码成某个 REST 契约。

三、这次要使用的三个 Remote MCP

3.1 Microsoft Learn MCP

端点：

https://learn.microsoft.com/api/mcp

特点：

  • 官方公开远程服务；
  • 使用 Streamable HTTP；
  • 无需登录、无需 API Key；
  • 免费访问公开技术文档；
  • 适合查询 .NET、Azure、PowerShell、Windows 等技术资料。

公开文档列出的工具包括：

Tool 作用
microsoft_docs_search 对官方技术文档执行语义检索
microsoft_docs_fetch 将指定文档页面读取为 Markdown
microsoft_code_sample_search 搜索官方代码片段，可按语言过滤

它尤其适合解决“模型训练数据可能已经过期”的问题。例如查询某项云服务的当前配置方式、SDK 方法或产品限制。

3.2 DeepWiki MCP

端点：

https://mcp.deepwiki.com/mcp

特点：

  • 免费、无需认证；
  • 面向公开 GitHub 仓库；
  • 可以查看项目文档结构、读取项目 Wiki、进行仓库问答；
  • 适合快速理解陌生开源项目。

主要工具：

Tool 作用
read_wiki_structure 查看仓库文档主题结构
read_wiki_contents 读取仓库的完整 Wiki 内容
ask_question 针对公开仓库提出问题并获取基于仓库上下文的回答

DeepWiki 同时保留旧式 SSE 端点，但官方推荐新集成使用 /mcp 的 Streamable HTTP。本文不使用正在退出主流的 /sse。

3.3 Context7 MCP

端点：

https://mcp.context7.com/mcp

特点：

  • 可匿名调用；
  • API Key 是可选项，主要用于提高速率限制；
  • 面向开发框架和依赖库的最新文档及代码示例；
  • 适合核对模型容易答错的新版 API。

主要工具：

Tool 作用
resolve-library-id 将普通库名解析为 Context7 Library ID
query-docs 使用 Library ID 查询相关文档

Context7 通常要分两步使用：先确定库的唯一 ID，再查询文档。这和数据库中“先找主键，再读取记录”有些相似。

3.4 为什么没有选择更多服务？

很多知名 Remote MCP 需要 OAuth、个人访问令牌或单独申请 API Key。例如代码托管、企业协作、支付和数据库服务都涉及用户私有数据，要求认证是合理的。

本文的目标是让新手先完成协议实践，因此只选择：

  • 可以匿名连接；
  • 不要求准备第三方账号凭据；
  • 提供真实技术价值；
  • 有明确公开文档；
  • 不会修改用户业务数据。

“无需认证”不等于“无限调用”。公共服务仍可能执行限流、公平使用策略或临时维护。

四、准备 Python 环境

4.1 创建项目

mkdir remote-mcp-demo
cd remote-mcp-demo

python -m venv .venv

激活虚拟环境。

Windows PowerShell：

.venv\Scripts\Activate.ps1

macOS / Linux：

source .venv/bin/activate

4.2 安装 MCP Python SDK

python -m pip install --upgrade pip
pip install "mcp[cli]"

确认安装：

python -c "import mcp; print('MCP SDK 安装成功')"

本文不安装模型 SDK，因为所有调用都由我们手动指定 Tool。这样可以把“远程 MCP 协议是否可用”和“大模型是否正确选择工具”两个问题分开。

五、先写一个最小连接程序

创建 hello_remote_mcp.py：

import asyncio

from mcp import ClientSession
from mcp.client.streamable_http import streamable_http_client


MCP_URL = "https://learn.microsoft.com/api/mcp"


async def main() -> None:
    async with streamable_http_client(MCP_URL) as (
        read_stream,
        write_stream,
        get_session_id,
    ):
        async with ClientSession(read_stream, write_stream) as session:
            # 初始化阶段会协商协议版本和双方能力
            await session.initialize()

            tools_result = await session.list_tools()
            print("连接成功，可用工具：")
            for tool in tools_result.tools:
                print(f"- {tool.name}: {tool.description}")

            session_id = get_session_id()
            if session_id:
                print("Session ID:", session_id)


if __name__ == "__main__":
    asyncio.run(main())

运行：

python hello_remote_mcp.py

正常情况下会看到 Microsoft Learn MCP 当前暴露的工具。请注意，我们没有自己写工具列表，而是通过 session.list_tools() 动态读取。

代码执行了什么？

streamable_http_client
  └─ 建立 HTTP 传输
      └─ ClientSession
          ├─ initialize()
          └─ list_tools()

get_session_id() 可能返回 Session ID，也可能为空，取决于 Server 是否采用有状态会话。客户端代码不应该假设所有远程服务一定返回 Session ID。

六、编写一个通用 Remote MCP 命令行工具

接下来实现一份通用 Client。它支持：

  • 连接不同 Remote MCP；
  • 实时列出工具和参数 Schema；
  • 通过 JSON 参数调用任意工具；
  • 打印结构化结果和错误状态。

创建 remote_mcp.py：

from __future__ import annotations

import argparse
import asyncio
import json
from typing import Any

from mcp import ClientSession
from mcp.client.streamable_http import streamable_http_client


SERVERS = {
    "learn": "https://learn.microsoft.com/api/mcp",
    "deepwiki": "https://mcp.deepwiki.com/mcp",
    "context7": "https://mcp.context7.com/mcp",
}


def pretty(data: Any) -> str:
    return json.dumps(data, ensure_ascii=False, indent=2)


async def list_tools(server_name: str) -> None:
    url = SERVERS[server_name]

    async with streamable_http_client(url) as (
        read_stream,
        write_stream,
        _,
    ):
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()
            result = await session.list_tools()

            print(f"Server: {server_name}")
            print(f"URL: {url}")
            print(f"Tools: {len(result.tools)}\n")

            for tool in result.tools:
                print(f"## {tool.name}")
                print(tool.description or "无描述")
                print("Input Schema:")
                print(pretty(tool.inputSchema))
                print()


async def call_tool(
    server_name: str,
    tool_name: str,
    arguments: dict[str, Any],
) -> None:
    url = SERVERS[server_name]

    async with streamable_http_client(url) as (
        read_stream,
        write_stream,
        _,
    ):
        async with ClientSession(read_stream, write_stream) as session:
            await session.initialize()

            # 每次连接先发现工具，避免把 MCP 当成固定 REST API
            tools_result = await session.list_tools()
            tools = {tool.name: tool for tool in tools_result.tools}

            if tool_name not in tools:
                available = ", ".join(sorted(tools))
                raise ValueError(
                    f"当前 Server 不存在工具 {tool_name!r}。"
                    f"可用工具：{available}"
                )

            print("即将调用：", tool_name)
            print("参数：", pretty(arguments))

            result = await session.call_tool(
                tool_name,
                arguments=arguments,
            )

            # model_dump 能同时保留文本内容、结构化内容和错误标记
            payload = result.model_dump(mode="json", by_alias=True)
            print("调用结果：")
            print(pretty(payload))

            if result.isError:
                raise RuntimeError("Remote MCP 返回了工具执行错误")


def parse_arguments() -> argparse.Namespace:
    parser = argparse.ArgumentParser(
        description="连接并调用公开 Remote MCP Server"
    )
    subparsers = parser.add_subparsers(dest="command", required=True)

    list_parser = subparsers.add_parser("list", help="列出远程工具")
    list_parser.add_argument("server", choices=SERVERS)

    call_parser = subparsers.add_parser("call", help="调用远程工具")
    call_parser.add_argument("server", choices=SERVERS)
    call_parser.add_argument("tool", help="工具名称")
    call_parser.add_argument(
        "arguments",
        help='JSON 参数，例如 {"query":"FastAPI lifespan"}',
    )
    return parser.parse_args()


async def main() -> None:
    args = parse_arguments()

    if args.command == "list":
        await list_tools(args.server)
        return

    try:
        arguments = json.loads(args.arguments)
    except json.JSONDecodeError as exc:
        raise SystemExit(f"arguments 不是合法 JSON：{exc}") from exc

    if not isinstance(arguments, dict):
        raise SystemExit("arguments 必须是 JSON 对象")

    await call_tool(args.server, args.tool, arguments)


if __name__ == "__main__":
    asyncio.run(main())

先不要急着复制后面的工具调用，依次查看三个 Server 的实时 Schema：

python remote_mcp.py list learn
python remote_mcp.py list deepwiki
python remote_mcp.py list context7

你会发现 MCP 的一个关键特征：同一个 Client 只替换 URL，就可以发现和调用完全不同的远程能力。

七、实战一：查询 Microsoft 官方技术文档

7.1 搜索文档

Windows PowerShell 建议使用单引号包住 JSON：

python remote_mcp.py call learn microsoft_docs_search '{"query":"How to configure rate limiting in ASP.NET Core"}'

macOS / Linux 同样可以使用：

python remote_mcp.py call learn microsoft_docs_search \
  '{"query":"How to configure rate limiting in ASP.NET Core"}'

结果通常包含相关页面的标题、URL 和摘要。它完成的是语义搜索，不是简单匹配网页标题。

7.2 读取完整文档

从搜索结果选择一个 learn.microsoft.com 页面 URL，再调用 microsoft_docs_fetch：

python remote_mcp.py call learn microsoft_docs_fetch '{"url":"把搜索结果中的官方文档URL粘贴到这里"}'

推荐始终执行“搜索 → 选择来源 → 获取全文”的两阶段流程：

宽查询
  ↓ microsoft_docs_search
候选文档与摘要
  ↓ 选择最相关的官方 URL
microsoft_docs_fetch
  ↓
完整 Markdown 文档

搜索结果适合发现资料，但如果需要根据参数表、限制或具体步骤回答，最好再获取原文。

7.3 搜索官方代码示例

python remote_mcp.py call learn microsoft_code_sample_search '{"query":"ASP.NET Core rate limiter middleware example","language":"csharp"}'

使用场景：

  • 核对 SDK 的当前写法；
  • 查找官方 Python、C#、PowerShell 示例；
  • 避免模型编造不存在的方法；
  • 根据官方来源解决版本升级问题。

7.4 控制返回 Token

Microsoft Learn MCP 公开了实验性的 maxTokenBudget URL 参数，可用于限制搜索结果大小：

SERVERS = {
    "learn": "https://learn.microsoft.com/api/mcp?maxTokenBudget=2000",
}

它适合对上下文和成本有严格预算的 AI 应用。实验性参数可能变化，生产环境使用前应重新查看官方说明。

八、实战二：用 DeepWiki 快速读懂开源项目

DeepWiki 只面向公开仓库。仓库名称通常使用：

owner/repository

例如 MCP Python SDK：

modelcontextprotocol/python-sdk

8.1 查看项目文档结构

python remote_mcp.py call deepwiki read_wiki_structure '{"repoName":"modelcontextprotocol/python-sdk"}'

这个调用适合第一次接触项目时建立整体地图。你可能会看到架构、Server、Client、Transport、示例等主题，而不是从 README 第一行盲目向下阅读。

8.2 针对仓库提问

python remote_mcp.py call deepwiki ask_question '{"repoName":"modelcontextprotocol/python-sdk","question":"How does the Streamable HTTP client establish and close a session?"}'

再换一个知名公开仓库：

python remote_mcp.py call deepwiki ask_question '{"repoName":"fastapi/fastapi","question":"How is the lifespan mechanism implemented and when should it be used?"}'

它适合回答：

  • 项目各模块如何协作；
  • 某项能力在哪一层实现；
  • 请求从入口到核心逻辑经过哪些组件；
  • 项目推荐的扩展方式是什么；
  • 学习一个大型仓库应该先读哪些文件。

8.3 读取完整 Wiki 要谨慎

python remote_mcp.py call deepwiki read_wiki_contents '{"repoName":"modelcontextprotocol/python-sdk"}'

完整内容可能很长。人类调试时可以查看，但在 AI 应用中不应默认把整个 Wiki 放进模型上下文。更合理的策略是：

  1. 先读取结构；
  2. 根据问题缩小主题；
  3. 优先使用 ask_question；
  4. 只把必要结果交给模型。

8.4 不要提交私有信息

DeepWiki 的匿名 Remote MCP 针对公开仓库。不要在问题中粘贴内部源码、密钥、客户信息或未公开漏洞。即使工具本身不要求登录，请求内容仍会发送给第三方远程服务。

九、实战三：使用 Context7 查询最新依赖库文档

大模型写代码时常见的问题不是完全不会，而是使用了旧版本 API。Context7 的目标就是检索当前库文档和代码示例。

9.1 第一步：解析 Library ID

python remote_mcp.py call context7 resolve-library-id '{"libraryName":"Next.js","query":"How do I create authentication middleware?"}'

结果会返回一个或多个匹配库及其 Library ID。选择与目标最匹配的官方项目，例如公开文档中的示例 ID：

/vercel/next.js

为什么不能只传 next？因为相似名称可能对应不同项目。Library ID 用于消除歧义。

9.2 第二步：查询具体文档

python remote_mcp.py call context7 query-docs '{"libraryId":"/vercel/next.js","query":"How to create middleware that redirects unauthenticated users to /login?"}'

再查询一个数据库项目：

python remote_mcp.py call context7 query-docs '{"libraryId":"/mongodb/docs","query":"Show a Python transaction example and explain retry behavior"}'

如果不确定 Library ID，必须先调用 resolve-library-id。不要让模型凭记忆编造 ID。

9.3 提问时带上版本和目标

低质量问题：

How to use middleware?

更好的问题：

In Next.js 14, how do I create middleware that checks a cookie and redirects unauthenticated requests to /login? Include the file location and matcher configuration.

具体问题更容易检索到正确版本、文件位置和配置方式。

9.4 匿名访问与可选 API Key

Context7 当前允许直接使用远程端点；官方建议配置免费的 API Key 以获得更高限额。本文故意不配置 Key，让读者验证“零凭据连接”。

如果后续用于高频开发，应查看 Context7 最新限额与服务条款，而不是通过并发请求规避匿名限制。

十、把三个 Remote MCP 配置进 AI 客户端

我们的 Python 脚本不需要大模型，它证明了传输和工具调用本身可以工作。下一步才是把 Remote MCP 接入支持该协议的 AI 客户端，让模型按问题选择工具。

许多客户端使用类似的配置结构：

{
  "servers": {
    "microsoft-learn": {
      "type": "http",
      "url": "https://learn.microsoft.com/api/mcp"
    },
    "deepwiki": {
      "type": "http",
      "url": "https://mcp.deepwiki.com/mcp"
    },
    "context7": {
      "type": "http",
      "url": "https://mcp.context7.com/mcp"
    }
  }
}

不同客户端的顶层字段可能是 servers 或 mcpServers，传输类型可能写成 http 或 streamableHttp。配置文件位置也不同。请以当前客户端文档为准，不要看到 JSON 相似就直接复制到任意软件。

配置成功后，可以这样提问：

请使用 Microsoft Learn MCP 查询 ASP.NET Core 当前推荐的限流配置方式，给出官方来源。

请使用 DeepWiki 分析 modelcontextprotocol/python-sdk，解释 Streamable HTTP Client 的连接生命周期。

请使用 Context7 查询 Next.js 当前文档，写一个基于 Cookie 的认证中间件。

为了提高工具调用概率，可以给 Agent 增加一条清晰规则：

回答第三方框架或 SDK 的具体 API 问题前，优先使用对应文档 MCP 获取当前资料；
回答公开 GitHub 仓库内部架构问题时，使用 DeepWiki；
所有事实性结论附带工具返回的来源，不用模型记忆替代检索结果。

十一、组合使用：完成一次真实技术调研

假设任务是：

为 Python MCP Client 写一篇 Streamable HTTP 连接教程，确保示例符合当前 SDK。

可以拆成三步：

第一步：DeepWiki 理解源码结构

调用：

read_wiki_structure(modelcontextprotocol/python-sdk)
ask_question(modelcontextprotocol/python-sdk, Streamable HTTP Client 的生命周期是什么？)

目标是理解项目内部概念和实现关系。

第二步：Context7 核对当前 Python SDK 用法

先解析 MCP Python SDK 的 Library ID，再查询：

如何使用 streamable_http_client 和 ClientSession？

目标是获取当前文档片段和用法。

第三步：Microsoft Learn 补充应用场景

如果教程涉及某项 Microsoft 技术，再用 microsoft_docs_search 查询官方配置和代码样例。

组合不是把三个工具都调用一遍，而是给每个 Server 明确职责：

DeepWiki   → 公开仓库架构与源码上下文
Context7   → 第三方库当前 API 与代码示例
Learn MCP  → Microsoft 官方技术文档与样例

这样比无差别网页搜索更容易追踪来源，也能避免将不同版本资料混在一起。

十二、使用 MCP Inspector 调试远程服务

如果不想先写 Python，可以使用 MCP Inspector 查看 Remote MCP。

已经安装 Node.js 时运行：

npx -y @modelcontextprotocol/inspector

在界面中：

  1. Transport 选择 Streamable HTTP；
  2. URL 填写远程端点；
  3. 点击 Connect；
  4. 查看 Tools；
  5. 选择 Tool，按实时 Schema 填参数；
  6. 执行并查看原始返回。

建议按顺序测试：

https://learn.microsoft.com/api/mcp
https://mcp.deepwiki.com/mcp
https://mcp.context7.com/mcp

Inspector 的价值在于把以下问题分开：

  • 网络能否连接；
  • initialize 是否成功；
  • Server 暴露了哪些能力；
  • 参数 Schema 是什么；
  • Tool 返回的是文本还是结构化数据；
  • 错误来自协议层还是业务层。

十三、生产代码为什么必须动态发现工具？

Microsoft Learn MCP 的官方开发建议明确指出：MCP 是动态协议，工具和请求格式可能变化。

错误做法：

# 假设工具永远存在、参数永远不变
await session.call_tool(
    "some_fixed_tool",
    arguments={"old_parameter": "value"},
)

更稳妥的流程：

async def safe_call(session, tool_name: str, arguments: dict):
    tools_result = await session.list_tools()
    current_tools = {tool.name: tool for tool in tools_result.tools}

    if tool_name not in current_tools:
        raise LookupError(f"工具已不可用：{tool_name}")

    try:
        return await session.call_tool(tool_name, arguments=arguments)
    except Exception:
        # 失败时重新获取一次工具列表，判断是否发生 Schema 变化
        refreshed = await session.list_tools()
        refreshed_names = {tool.name for tool in refreshed.tools}
        if tool_name not in refreshed_names:
            raise RuntimeError("远程工具列表已更新，请重新规划调用")
        raise

成熟客户端还应监听 Server 的工具列表变更通知，并使本地缓存失效。

本文命令行工具虽然展示了当前工具名称，但每次调用前仍执行 list_tools()。示例命令是教学入口，动态发现才是生产原则。

十四、超时、限流与重试

Remote MCP 多了一层不可靠网络。需要区分不同错误：

错误 是否重试 处理方式
临时连接超时 可以 指数退避，限制次数
HTTP 429 可以延后 遵守服务端等待时间，降低频率
HTTP 401/403 不应原样重试 检查服务是否改为需要认证
HTTP 400 通常不重试 重新获取 Schema 并修正参数
Tool 不存在 不重试旧调用 刷新工具列表
Tool 返回业务错误 视错误而定 读取 isError 和错误内容

简单的退避函数：

import asyncio
import random


async def retry_transient(operation, attempts: int = 3):
    for index in range(attempts):
        try:
            return await operation()
        except (TimeoutError, ConnectionError):
            if index == attempts - 1:
                raise

            delay = min(0.5 * (2**index) + random.random() * 0.2, 5.0)
            await asyncio.sleep(delay)

不要为了突破匿名限额创建高并发重试。错误重试可能把临时故障放大成重试风暴。

十五、Remote MCP 的安全边界

“无需认证”只表示访问公开能力时不用提供身份凭据，不代表可以忽略安全。

15.1 请求内容会离开本机

以下内容不应发送给不受信任的 Remote MCP：

  • API Key、密码和访问令牌；
  • 私有源码；
  • 客户数据和个人信息；
  • 未公开漏洞；
  • 内部域名、日志和架构细节。

本文三个服务面向公开技术资料，请只提交适合公开传输的问题。

15.2 Tool 返回内容仍是不可信输入

远程结果可能包含：

  • 错误或过期资料；
  • 社区贡献内容；
  • 试图影响模型行为的恶意文本；
  • 超长内容；
  • 与问题不相关的信息。

Host 应把 Tool 结果作为数据，而不是高优先级指令。涉及执行代码、安装软件、修改文件时，仍需检查来源和影响。

15.3 不要连接来源不明的 Server

配置 Remote MCP 相当于让 AI 应用与一个外部服务交换数据。连接前应核对：

  • 官方文档和维护方；
  • 域名与 HTTPS；
  • 权限和认证范围；
  • 隐私政策；
  • Tool 是否包含写入或高风险动作；
  • 客户端是否会自动批准工具调用。

对于带写操作的 Server，建议关闭自动批准并逐次确认。

十六、常见问题排查

16.1 浏览器打开端点返回 405

这是最常见误区。Remote MCP 端点需要 MCP Client 通过 Streamable HTTP 访问，不是普通网页。请使用 Python SDK、Inspector 或支持 MCP 的 AI 客户端。

16.2 No module named 'mcp'

确认虚拟环境已激活：

python -m pip show mcp
python -c "import sys; print(sys.executable)"

安装包的 Python 和运行脚本的 Python 必须是同一个解释器。

16.3 找不到 streamable_http_client

通常是 MCP SDK 版本太旧：

pip install --upgrade "mcp[cli]"

升级后重新打开终端或 IDE Python 环境。

16.4 工具名称与文章不同

先执行：

python remote_mcp.py list learn
python remote_mcp.py list deepwiki
python remote_mcp.py list context7

Remote MCP 可以升级工具。以实时返回的名称和 inputSchema 为准。

16.5 Context7 返回限流

降低调用频率并稍后重试。匿名调用适合学习和轻量使用；高频场景根据官方当前说明配置可选 API Key。

16.6 DeepWiki 找不到仓库

检查：

  • 仓库是否公开；
  • 名称是否为 owner/repository；
  • 拼写是否正确；
  • DeepWiki 是否已经索引该仓库。

16.7 公司网络无法连接

可能是代理、证书检查或防火墙导致。不要在代码里关闭 TLS 验证。应使用组织认可的代理和 CA 证书配置，并让网络管理员确认目标域名策略。

16.8 AI 客户端已经配置，但模型不调用

确认：

  1. 客户端状态页显示 Server 已连接；
  2. Tools 列表中能看到对应工具；
  3. 当前会话允许使用这些工具；
  4. 问题明确要求检索当前资料；
  5. 系统规则没有禁止外部工具。

先用 Inspector 或本文 Python Client 验证协议层，再调试模型行为。

不要一开始就把 MCP、Agent、RAG、多模型和复杂前端全部混在一起。先用本文这种“无模型 Client”验证协议，再逐层增加复杂度，排错会容易很多。

总结

本文完成了三类真正有用的 Remote MCP 调用：

Microsoft Learn MCP
  → 查询官方技术文档、读取全文、搜索代码示例

DeepWiki MCP
  → 查看公开仓库结构、阅读 Wiki、针对源码提问

Context7 MCP
  → 解析依赖库 ID、查询当前版本文档与代码示例

最值得记住的不是三个 URL，而是 Remote MCP 的通用调用方法：

建立 Streamable HTTP 连接
  → initialize
  → list_tools 动态发现
  → 按 inputSchema 组织参数
  → call_tool
  → 检查 isError 与结构化结果

当这条链路跑通后，更换 Remote MCP Server 只是更换端点和能力，Client 的协议代码可以继续复用。这正是 MCP 标准化连接的价值。

参考资料

# python # 开源 # 开发语言 # github # 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

OpenClaw 多模型调度实战：智能路由策略与成本优化

avatar MCP技术社区
cover

自建 MCP 浏览器自动化服务：给 AI Agent 装上“能登录的手“

avatar MCP技术社区

MCP 协议第五次更新，AI Agent 的“USB 接口“走到哪一步了

这个类比其实比"AI 的 USB 接口"更准确，USB 解决的是硬件接口的物理和协议标准，MCP 解决的是 Agent 和工具之间的会话层协议，工具怎么注册、参数怎么声明、返回结果怎么结构化、资源怎么读取、提示词模板怎么分发，这些在 MCP 之前每个框架都有自己的一套写法，LangChain 有 LangChain Tools，AutoGen 有 AutoGen 的 function callin

avatar MCP技术社区