《MCP极简入门》

 

适读人群

本书适合所有关注AI、应用AI、开发AI的人阅读。

（1）作者经验丰富：作者是精通软硬件全栈技术的技术大家，对人工智能和大模型技术有深入的研究，MCP实践经验丰富

（2）内容系统全面：内容涵盖MCP的基础知识、工作原理、服务架构和应用开发等各个方面。

（3）零基础快入门：通过合理的知识规划、扎实的写作技法、可视化的表达方法，即便没有任何AI基础的读者也能快速上手MCP

（4）以实战为导向：所有章节均以“问题 – 方案 – 代码”模式展开，提供可复现的代码仓库与环境配置指南。

（5）实战案例丰富：大量实战案例，覆盖个人效率、设计优化、数据处理、通信智能化、研发效能、数据库交互等多个领域。

（6）生态全景覆盖：系统梳理 MCP 服务市场、实用服务器清单，构建读者对技术生态的全局认知。

内容简介

这是一本能轻松带领读者快速理解并使用MCP，从而跨越“大模型调用”到“智能系统构建”之间鸿沟的著作。它以简洁明了、图文并茂、通俗易懂的方式，从基础知识、工作原理、服务架构和应用开发等多个角度对MCP进行了全方位的讲解。即便你没有任何AI基础，也能充分了解并简单使用MCP，从而达到更好地使用AI的目的。

全书内容从逻辑上分为三个部分：

第一部分 MCP基础认知（第1、2章）

通过类比和架构图解的方式细致地介绍了MCP的基本概念、核心价值、工作原理等，让读者能零门槛了解MCP。

第二部分 MCP本地实践（第3、4章）

手把手指导读者建立本地MCP主机，从Hello World示例到工具链扩展，帮助读者通过实践快速建立对MCP的直观认知。

第三部分 服务开发与应用（第5~12章）

深入讲解了MCP服务器的开发，工具方面，涵盖LangChain、LlamaIndex等主流框架；应用场景方面，覆盖个人效率、设计优化、数据处理、通信智能化、研发效能、数据库交互等多个领域。此外，还解析了阿里云、腾讯云等平台的MCP生态。

全书强调简介易懂，以帮助读者快速入门，所以力求用简洁的语言解释复杂的概念和技术细节，用大量的案例、操作步骤和代码来演示操作的方法和过程，真正做到“快速上手”。

作者简介

曹洪伟

资深技术专家，现任联想诺谛智能首席架构师，专注于大模型应用系统研发，对MCP有较为深入的研究。拥有30余年软硬件研发经验，曾就职于北方电讯、斯伦贝谢、高通等世界500强企业，并作为核心技术人员参与多次创业，曾担任渡鸦科技（被百度收购）CTO，参与了小度智能音箱的研发。曾任百度DuerOS首席布道师，推动对话式AI生态建设。

拥有50余项国内外专利，中国专利局外聘技术专家，并在QCon、SDCC等技术大会上分享全栈架构与AI应用实践。乐于分享，著有《性能之道》《深入分布式缓存》《一书读懂物联网》等8本著作，翻译了《持续架构实践》《基于混合方法的NLP》等10本图书。闲时维护CSDN博客及公众号“wireless_com”，分享软件架构与AI工程实践的经验和感悟。

目　　录

前　言

第1章 从大模型应用到基于MCP

的AI混搭　1

1.1 从大模型到大模型应用　2

1.2 从搜索到运行工具　3

1.3 如何更好地支持搜索和

使用工具—MCP　5

1.4 MCP的重要性　7

第2章 MCP是如何工作的　8

2.1 MCP的通俗类比　8

2.2 基于MCP的系统是如何组成的：

架构解读　9

2.2.1 MCP主机　11

2.2.2 MCP客户端　11

2.2.3 MCP服务器　12

2.3 基于MCP的系统是如何运行的：

工作原理解读　13

2.4 服务间的共识—MCP解读　14

2.4.1 MCP的协议栈　14

2.4.2 MCP的双向通信方式　15

2.4.3 MCP的3种分类　16

2.5 MCP的安全性　17

2.6 基于MCP的系统有什么不同　18

2.6.1 与REST API的区别　18

2.6.2 与大模型调用第三方工具的

区别　19

2.6.3 与传统AI服务的区别　20

2.6.4 与大模型服务的区别　20

2.7 示例解读：基于MCP的

天气查询　21

第3章 使用本地MCP主机　24

3.1 用Ollama构建本地MCP主机　24

3.2 基于Claude Desktop构建本地

MCP应用　28

3.3 使用自然语言发现并安装MCP

服务器　32

3.4 在Cursor中使用MCP服务器　35

第4章 从Hello World逐步构建

MCP服务器　38

4.1 环境配置与资源访问　39

4.1.1 创建项目并设置环境　39

4.1.2 编写Hello World　41

4.1.3 测试Hello World的

MCP服务器　42

4.2 使用资源模板扩展资源　46

4.3 添加提示词使用大模型　50

4.4 创建工具和消息　57

第5章 开发MCP服务器　65

5.1 基于LangChain的MCP集成　65

5.1.1 集成一个简单的算术MCP

服务器　65

5.1.2 langchain_mcp_tools工具的

集成　68

5.1.3 与ReAct智能体的集成　72

5.2 LlamaIndex的工具集成　74

5.3 MCP服务器的集散地　77

5.3.1 Smithery.ai　77

5.3.2 mcp.so　78

5.3.3 阿里云的MCP服务　79

5.3.4 腾讯云的MCP插件中心　80

5.4 一些实用的MCP服务器　81

5.4.1 APIdog MCP Server　81

5.4.2 Blender MCP Server　82

5.4.3 Perplexity Ask MCP Server　82

5.4.4 Figma MCP Server　82

5.4.5 Firecrawl MCP Server　83

5.4.6 MCP Server Chatsum　83

5.4.7 Neon MCP Server　84

5.4.8 21st.dev Magic MCP Server　84

5.4.9 Browserbase MCP Server　85

5.4.10　Cloudflare MCP Server　85

第6章 基于MCP的常见个人

应用　87

6.1 自动提取Web数据　87

6.1.1 准备工具包　88

6.1.2 安装智能爬虫模块　88

6.1.3 配置智能开关　88

6.1.4 启动验证　88

6.2 实现个性化搜索　91

6.2.1 使用FastMCP定义和

注册工具　92

6.2.2 MCP的客户端　93

6.2.3 MCP客户端和服务器的

通信　94

6.2.4 基于MCP的系统能力应用　96

6.3 论文阅读　99

6.3.1 arXiv的MCP服务器：负责

从arXiv中获取科学文章　100

6.3.2 Docling MCP服务器　101

6.3.3 构建基于FastAPI的

客户端　103

6.4 工作流自动化　104

6.5 一个通用的AI助手　107

6.5.1 构建路由器　108

6.5.2 具体实现　110

6.5.3 处理器功能　110

6.5.4 可扩展性　110

第7章 用MCP优化自己的设计　112

7.1 将Figma连接到工作流　112

7.1.1 建立Figma MCP开发和

运行环境　113

7.1.2 获取Figma API访问令牌　113

7.1.3 安装Figma MCP服务器　115

7.1.4 连接到AI编程工具

Cursor　116

7.1.5 工作流程　116

7.2 3D建模　119

7.2.1 安装Unreal Engine MCP

Server　119

7.2.2 连接一个AI客户端　120

7.2.3 Unreal Engine MCP Server的

使用　120

7.3 3D打印　122

7.3.1 MCP 3D打印服务器：连接

创意与现实的桥梁　122

7.3.2 MCP 3D打印服务器的

兼容性　123

7.3.3 MCP 3D打印服务器的

环境配置　123

7.3.4 MCP 3D打印服务器的使用

示例：如何通过自然对话

改进3D打印　124

7.3.5 MCP 3D打印服务器的资源

管理与限制　126

7.3.6 MCP 3D打印服务器：数字与

实体世界的融合　127

第8章 用MCP服务器智能处理

数据　128

8.1 引入智能分析：推理增强　129

8.1.1 Sequential Thinking MCP

服务器的作用　129

8.1.2 Sequential Thinking MCP

服务器的构建　129

8.1.3 Sequential Thinking MCP

服务器的工作方式　130

8.1.4 Sequential Thinking MCP

服务器的核心价值　130

8.1.5 Sequential Thinking MCP

服务器的常见问题　132

8.2 外部数据获取：网络爬虫的MCP

服务器　132

8.2.1 Firecrawl MCP服务器的一个

简捷实现　133

8.2.2 本地部署Firecrawl　136

8.2.3 在VS Code的Cline插件中

配置MCP服务器　136

8.2.4 在VS Code的Cline插件中

测试Firecrawl　137

8.3 数据报表智能化　137

8.3.1 数据摄取的准备：访问凭证

的获取　138

8.3.2 构建用于数据分析的MCP

服务器　141

8.3.3 构建用于数据分析的MCP

客户端　144

8.3.4 使用MCP服务器进行数据

分析　146

8.4 知识管理　148

8.4.1 安装REST API插件以增强

Obsidian功能　149

8.4.2 设置MCP-Obsidian服务器：

连接Claude与Obsidian的

桥梁　149

8.4.3 配置Claude连接

MCP-Obsidian服务器　150

8.4.4 MCP-Obsidian服务器的

使用　151

第9章 用MCP让通信智能化　153

9.1 轻松对接即时通信工具

WhatsApp　154

9.1.1 准备工作　156

9.1.2 克隆存储库并运行WhatsApp

Bridge　156

9.1.3 为WhatsApp Access配置

Claude Desktop应用程序　157

9.1.4 集成WhatsApp并将其作为

MCP工具　158

9.2 轻松连接Slack　159

9.2.1 Runbear让AI自动化触手

可及　159

9.2.2 配置Slack MCP客户端　160

9.2.3 Slack账户连接到AI智能体

的两种授权方法　161

9.2.4 Runbear与Slack集成带来的

便利　161

9.3 电子邮件的智能化管理：Gmail　162

9.3.1 Gmail MCP服务器的设置和

启动　162

9.3.2 用Gmail MCP服务器管理

电子邮件　163

9.4 通信转化：使用mcp-proxy完成

从SSE到STDIO　164

9.4.1 什么是mcp-proxy　164

9.4.2 如何使用mcp-proxy轻松连接

SSE与STDIO　165

9.4.3 使用mcp-proxy时的重要注意

事项　166

第10章 用MCP大幅提升开发

效能　168

10.1 自动化开发流程实例：Cursor中

的PR工作流　169

?10.1.1 获得代码间的差异　169

?10.1.2 用AI智能生成分支名称和

提交消息　172

?10.1.3 将代码与GitHub连接：自动

创建PR　174

?10.1.4 将AI助手集成到Cursor中，

提升Git工作流的效率　176

10.2 智能代码评审　177

?10.2.1 快速搭建项目环境：

安装工具、配置依赖和

设置凭证　178

?10.2.2 创建一个模块来处理

GitHub PR的数据检索　181

?10.2.3 创建核心PR分析器：连接

Claude Desktop、GitHub和

Notion　183

?10.2.4 自动化PR审查流程：从

代码更改到Notion记录　186

10.3 优化API调用　187

?10.3.1 使用Spring AI的新特性

优化ThemeParks.wiki API的

使用　189

?10.3.2 优化MCP服务器使用

API的方式　191

10.4 MCP为传统应用带来革新：

API的运行时管理　193

?10.4.1 使用Cursor配置

APISIX-MCP服务器的

详细步骤　194

?10.4.2 通过自然语言与AI交互

来配置APISIX路由　196

第11章 用MCP简化数据库

操作　199

11.1 使用关系数据库构建应用

原型　199

?11.1.1 在本地运行SQLite MCP

服务器　200

?11.1.2 通过对话探索SQLite

数据库　202

?11.1.3 使用对话快速构建

原型　203

11.2 非关系数据库Redis的访问　206

?11.2.1 Redis MCP服务器　206

?11.2.2 构建Redis MCP

服务器的开发环境：

搭建项目基础　207

?11.2.3 创建Redis MCP

服务器的核心实现：

从代码到功能　209

?11.2.4 将Redis MCP服务器与

Cursor IDE集成：简易

步骤指南　214

11.3 Milvus与MCP的集成：开启

智能数据管理　215

?11.3.1 运行Milvus MCP服务器　216

?11.3.2 在Claude Desktop中

配置并使用Milvus MCP

服务器　217

?11.3.3 在Cursor中配置并使用

Milvus MCP服务器　219

?11.3.4 常见问题及解决方法　220

11.4 Apache Ignite与MCP的

集成：探索分布式数据库的

新可能　221

?11.4.1 启动Apache Ignite

并初始化数据库：从零

开始的详细指南　222

?11.4.2 构建Apache Ignite MCP

服务器　225

?11.4.3 使用MCP Inspector

测试Apache Ignite MCP

服务器　226

11.4.4 Apache Ignite MCP服务器

与大模型协作实现推理　229

第12章 用MCP助力大模型　233

12.1 通过MCP服务器在本地运行

DeepSeek R1模型　233

12.1.1 轻松获取并设置

DeepSeek R1模型　234

12.1.2 使用LM Studio简化本地

运行AI模型　235

12.1.3 通过MCP与本地

DeepSeek R1模型无缝