类型的代理？

在 AI Agent 的环境中。MCP扮演着“能力包”的角色，它不是单个工具，而是一组标准化、可复用的能力集合。通过 MCP，Agent 能够统一地发现并调用各种工具、资源与提示词模板。从而避免了重复适配、参数不统一等痛点。

MCP解决什么问题？

当每个 Agent 自己实现对工具的接入时常见的问题包括：

• 工具参数格式不统一，导致模型难以正确生成调用语句。
• 本地工具与远程 API 的接入方式差异大，维护成本高。
• 不同语言编写的工具无法共享，导致代码重复。
• IDE、Agent、脚本都需要单独适配同一套功能。

MCP 的价值就在于把这些“碎片化”能力标准化，让任何遵守协议的服务都能被任何 Agent 一键使用。说起来，

MCP与Tool的关系

普通 Tool 通常直接在 Agent 所在进程里定义；而 MCP 把 Tool 拆离出来放到独立服务中，使其成为跨进程可调用的能力。

Tool：单个可调用函数
MCP Server：一组 Tool / Resource / Prompt
MCP Client：连接服务器。把能力交给 Agent 使用

这代表着无论后端使用的是 Python、Node.js 或其他语言，只要符合 MCP 协议，Agent 都能透明访问它们。

MCP Server开发流程

1. 创建 MCP Server 并注册 Tool、Resource、Prompt。
2. 选择传输方式。
3. 开启服务。

创建 MCP Server

from mcp.server.fastmcp import FastMCP
mcp = FastMCP
# 后续将注册 Tool / Resource / Prompt

注册 Tool

from datetime import datetime
from typing import Annotated
from zoneinfo import ZoneInfo
from pydantic import Field
from mcp.server.fastmcp import FastMCP
mcp = FastMCP
@mcp.tool
def get_current_time(
time_zone: Annotated,) -> str:
"""查询指定时区的当前日期和时间。"""
current_time = datetime.now)
return f"{time_zone} 当前时间：{current_time:%Y-%m-%d %H:%M:%S %Z}"

关键点：

• 函数名即为工具名；docstring 用作描述；类型标注 & Field 描述生成参数 schema。
• `return` 为模型提供执行结果。按理说，

注册 Resource

@mcp.resource
def time_zone_guide -> str:
"""常见时区名称说明。"""
return "常见 IANA 时区：Asia/Shanghai、UTC、America/New_York、Europe/London。"

• 使用手册、配置说明或项目规范等静态内容。
• No execution required – just read.

注册 Prompt

@mcp.prompt
def explain_current_time -> str:
"""生成当前时间查询提示词。"""
return f"请查询 {time_zone} 的当前时间，并用一句话说明这个时间属于哪个时区。
"

• Coding review templates.
• Django project docs generation.
• AWS policy creation prompts.

Tool / Resource / Prompt 区别概览

Tool：执行动作，返回结果
Resource：提供资料，返回可读取内容
说到Prompt，提供任务模板，返回消息模板

• If you need to query a DB。call an API or read a file → use Tool.
• If you just need documentation or configuration → use Resource.
• If you want to reuse a task description → use Prompt.

A. 启动 stdio 服务

if __name__ == "__main__":
# stdio 是最轻量级，本地开发和 IDE 集成首选
mcp.run

B. 在 IDE 中使用 MCP

1. Create a new “Local MCP Server” entry in Cursor settings.
2. Add JSON configuration specifying how to launch your local server:
   • `command`: 脚本执行器，如 `uv` 或 `python`。
   • 说到`args`。启动参数，包括工作目录及模块方法。
   Código de ejemplo: json { "mcpServers": { "time-helper": { "command": "uv","args": } } }

   basically telling Cursor “start this command to run local MCP server.”
   A partir de ahí,Cursor reconocerá los tools。resources y prompts expuestos por el servidor.
   

   Cuidado:
   • Si tu proyecto está en un entorno virtual o necesita dependencias específicas,ajusta la ruta de trabajo .
   • Para proyectos Node.js o Go simplemente cambia el command y los argumentos apropiados .
   **Nota这方面，** La configuración no necesita una URL porque se ejecuta localmente;solo define cómo iniciar el proceso. **Resultado:** En la barra de herramientas de Cursor podrás ver la lista completa de herramientas y recursos del servidor “time‑helper”,listas para usar en cualquier conversación con tu agente.

   C. 使用远程 MCP

   下面介绍两种典型情形：

   场景	配置方式	通信层	示例
   第三方官方 MCP	本地启动脚本	stdio	npx amap-maps
   真正的远程服务	URL + headers	HTTP/SSE	https://mcp.context7.com/mcp

   示例这方面。远程配置

   json { "mcpServers": { "context7": { 再看"url"，"https://mcp.context7.com/mcp","headers": { "CONTEXT7_API_KEY": "<你的 API Key>" } } } }
   • 不用在本机启动任何进程 ——只需通过 HTTP 请求即可访问已部署好的服务。其实，
   • 更适合多人或多 IDE 共用 ——例如团队共享一个数据分析服务。

   本地 vs. 远程区别

   text stdio → 本地进程；适合文件程序或数据库操作 HTTP/SSE → 云端 API 或托管服务；支持团队共享 如果你只是在本机做实验或读取本地脚本，那么 ``stdio` 就足够简洁有效`;若是想让多位同事共用同一套功能，则建议部署为 ``HTTP` 或 ``Streamable HTTP` 服务。

   ---

   用 Python Client 调用 MCP

   下面给出一个完整示例，用 Python 客户端通过 stdio 与服务器交互： python import asyncio from mcp.client.session import ClientSession from mcp.client.stdio import StdioServerParameters,stdio_client async def main -> None: server_params = StdioServerParameters( command="uv",args=。)

   async with stdio_client as :
   async with ClientSession as session:
   await session.initialize # 初始化协议会话
   # 查看可用工具列表
   tools = await session.list_tools
   print
   # 调用工具并打印结果
   result = await session.call_tool(
   name="get_current_time",arguments={"time_zone":"Asia/Shanghai"},)
   print
   

   asyncio.run)
   • Client 做什么？不过， ① 用 stdio 启动并连接服务器；②，说起来，

   ---

   小结

   1. MCP 是 Agent 对外部能力的一致化协议。其实，
   2. Tool 是单个执行动作；而 MCC Server 则聚合多种 Tool / Resource / Prompt 成集中解决。

   3. 三种能力用途明确： - Tool 执行动作并返回结果；- Resource 提供只读资料；- Prompt 封装固定任务模板。话说回来，

   4. 传输方式分两类： 本地开发使用 stdio；团队共享或云端部署则选HTTP/SSE 或 Streamable HTTP`.

   5. Python 开发者可以借助 FastMCP 快速搭建自己的 MCC Server 并暴露所需功能。

   6. 主要价值在于复用与标准化——让不同 Agent 能无缝接入同一套高度封装且跨语言的能力包，而无需为每个新功能重新编写适配代码。

   ---