只需5分鐘，教你用Python搭建MCP Server 精華
大語言模型（LLMs）能力強大，能生成各類文本，精準回答知識疑問，還可用于機器翻譯、代碼編寫等場景。然而，大語言模型也存在明顯短板，無法獲取實時數(shù)據(jù)，在面對需最新信息的問題時，難以給出準確答案。
為攻克這一難題，Anthropic 推出了模型上下文協(xié)議（Model Context Protocol，簡稱 MCP）。這一標準將大語言模型與實時工具、APIs 和自定義資源相連，拓展其能力，讓它能處理更多實時信息任務，補齊短板。
本文教大家如何搭建 MCP 服務器，以 Claude 為例，賦予獲取英超實時動態(tài)的能力。
一、賦能 Claude：獲取英超實時動態(tài)
在實際應用場景中，大語言模型在體育賽事信息獲取方面存在不足，盡管網(wǎng)絡上足球比賽動態(tài)易于搜索，但大語言模型卻無法提供相應內容，這給用戶帶來諸多不便。以 Claude 為例，當用戶詢問英超最新比賽結果或近期統(tǒng)計數(shù)據(jù)時，它的表現(xiàn)并不理想：
為解決這個問題，我們創(chuàng)建一個MCP服務器，為大語言模型提供合適回復這些提示所需的信息。
二、設置
需要先安裝幾個Python軟件包，才能讓MCP服務器啟動并運行。
創(chuàng)建一個全新的虛擬環(huán)境來進行安裝：
python -m venv venv激活該環(huán)境：
source venv/bin/activate從這里安裝UV軟件包，用來部署服務器并安裝FastMCP。
FastMCP是非常實用的Python軟件包，能夠簡化構建和部署MCP服務器的過程。它承擔了大部分繁重的工作，并且具備直觀（而且很Python風格！）的接口。
uv pip install fastmcp最后，創(chuàng)建一個新的Python文件來編寫服務器代碼。將其命名為??server.py??。
touch server.py三、數(shù)據(jù)源
使用來自??football-data.org???的足球數(shù)據(jù)。需要在這個平臺上獲取API密鑰，并將API密鑰存儲在??.env??文件中。
要創(chuàng)建的工具和資源將基于其API的結構。
在文件中添加以下幾行代碼。
from dotenv import load_dotenv
load_dotenv()
# API配置
BASE_URL = "https://api.football-data.org/v4"
HEADERS = {
'X-Auth-Token': os.getenv('FOOTBALL_API_KEY')
}四、MCP服務器
MCP服務器為模型提供三種主要的功能：工具（Tools）、資源（Resources）和提示（Prompts）。
資源和工具非常相似，都能讓大語言模型根據(jù)用戶輸入采取某種形式的行動。
二者的主要區(qū)別在于啟動方式。資源由應用程序控制，而工具由模型控制。這意味著大語言模型本身可以查看可用工具列表，并決定在特定場景中使用什么工具來完成給定的請求。另一方面，資源既可以由用戶手動選擇，也可以由大語言模型自動選擇，具體取決于客戶端應用程序。
提示本質上是可重復使用的模板，你可以在服務器上針對工具、資源等常見用例進行預編程。
本文只使用工具，因為我們希望模型根據(jù)用戶提示來決定使用什么工具。
創(chuàng)建4個工具，當模型收到與英超足球動態(tài)相關的提示時，它可以從中選擇。
- 英超聯(lián)賽排名工具
- 球隊賽程工具
- 球隊比賽結果工具
- 聯(lián)賽比賽結果工具
這些工具涵蓋了涉及英超聯(lián)賽動態(tài)的最常見用例。如果你有需要，可以輕松擴展服務器以添加更多工具。
現(xiàn)在，實際編寫這些工具的代碼。
在文件中添加以下幾行代碼來初始化FastMCP。
from fastmcp import FastMCP
mcp = FastMCP("Premier League Updates", dependencies=["requests", "python-dotenv"])注意，在初始化時添加了一些依賴項。這能讓FastMCP知道服務器有哪些依賴項，并在啟動服務器時自動加載。
在FastMCP中創(chuàng)建工具的語法非常簡單，基本上就是用??tool()??裝飾器注解的Python函數(shù)。
為簡單起見，以下函數(shù)進行了截取。
我們?yōu)橛⒊?lián)賽排名工具創(chuàng)建一個函數(shù)。這個函數(shù)將獲取最新的英超聯(lián)賽排名，并返回包含球隊及其統(tǒng)計數(shù)據(jù)的JSON格式數(shù)據(jù)。
@mcp.tool()
def get_premier_league_table():
"""
獲取當前英超聯(lián)賽排名
:return: 包含當前英超聯(lián)賽排名的JSON響應
"""
url = f"{BASE_URL}/competitions/PL/standings"
response = requests.get(url, headers=HEADERS)
data = response.json()
...
return {'standings': standings}我們再創(chuàng)建三個工具，分別用于獲取球隊即將到來的賽程、之前的比賽結果以及聯(lián)賽的最新比賽結果。
@mcp.tool()
def get_team_fixtures(team_id: str) -> dict:
"""
獲取特定球隊即將到來的賽程
:param team_id: 球隊的ID
:return: 包含球隊接下來5場賽程的JSON響應
"""
url = f"{BASE_URL}/teams/{team_id}/matches"
params = {
'status': 'SCHEDULED',
'limit': 5
}
response = requests.get(url, headers=HEADERS, params=params)
data = response.json()
...
return {'fixtures': cleaned_fixtures}
@mcp.tool()
def get_team_results(team_id: str) -> dict:
"""
獲取特定球隊近期的比賽
:param team_id: 球隊的ID
:return: 包含球隊最近5場比賽的JSON響應
"""
url = f"{BASE_URL}/teams/{team_id}/matches"
params = {
'status': 'FINISHED',
'limit': 5
}
response = requests.get(url, headers=HEADERS, params=params)
data = response.json()
...
return {'results': cleaned_results}
@mcp.tool()
def get_latest_league_results() -> dict:
"""
獲取英超聯(lián)賽的最新比賽結果
:return: 包含英超聯(lián)賽最近比賽的JSON響應
"""
url = f"{BASE_URL}/competitions/PL/matches"
params = {
'status': 'FINISHED',
'limit': 10,
'competitions': 'PL'
}
response = requests.get(url, headers=HEADERS, params=params)
data = response.json()
...
return {'latest_results': cleaned_results}這樣就設置好了所有主要工具。
注意，??get_team_results???和??get_team_fixtures???函數(shù)需要一個??team_id???參數(shù)。我們不硬編碼??team_id???的選擇，而是可以創(chuàng)建一個額外的工具，為模型提供它需要傳遞給這些函數(shù)的??team_id??。
@mcp.tool()
def get_team_ids():
"""
返回一個包含球隊名稱及其對應ID的字典
"""
return {
'arsenal': 57,
'aston villa': 58,
'bournemouth': 1044,
'brentford': 402,
'brighton': 397,
'chelsea': 61,
'crystal palace': 354,
'everton': 62,
'fulham': 63,
'liverpool': 64,
'manchester city': 65,
'manchester united': 66,
'newcastle': 67,
'nottingham forest': 351,
'tottenham': 73,
'west ham': 563,
'wolves': 76,
'southampton': 340,
'ipswich town': 349,
'leicester city': 338
}這使我們可以將解析用戶請求中的球隊名稱的工作交給模型。由于大語言模型非常擅長理解自然語言，無論用戶輸入的球隊名稱拼寫如何，模型都能識別出用戶提到的球隊。例如，“Manchester United”、“Man United”、“Man U”、“Man Utd”甚至“the Red Devils”，模型都應該選擇ID為66的球隊。在這種情況下，這特別有用，因為體育團隊通常會用昵稱來稱呼。
五、測試
在部署服務器之前，可以在開發(fā)模式下測試服務器，以確保所有工具都按預期工作。為此，在終端中輸入以下命令：
fastmcp dev server.py這會啟動一個Web界面，可以在其中測試工具、監(jiān)控服務器性能并查看任何錯誤消息。在將服務器部署到客戶端之前，這對于調試服務器非常有用。
六、部署
現(xiàn)在開始部署到客戶端。FastMCP已經(jīng)內置了與Claude桌面應用的集成。要進行安裝，在終端中運行以下命令：
fastmcp install server.py服務器已上線。
重新啟動Claude桌面應用程序，你應該會在文本框下方看到一個小工具圖標。服務器上所有可用的工具都將顯示在這里。
現(xiàn)在已經(jīng)創(chuàng)建了MCP服務器，讓Claude能夠訪問英超聯(lián)賽的最新比賽結果和統(tǒng)計數(shù)據(jù)，讓我們用之前的提示來測試一下，看看表現(xiàn)如何：
如你所見，剛剛創(chuàng)建的MCP服務器現(xiàn)在使Claude能夠獲取最新信息，并針對有關英超足球的提示提供準確的回復。
這個設置展示了MCP如何彌合靜態(tài)知識與動態(tài)的現(xiàn)實世界信息之間的差距。只需幾個工具和一些簡單的設置，就可以大幅增強大語言模型在特定實時任務中的實用性。
本文轉載自??AI科技論談??，作者：AI科技論談
