本项目分别使用Go和Python实现了一个最简单的MCP Server, 并使用一个mcp client去调用。本项目不依赖任何外部API, 你可以很方便的理解一个简单的MCP工作流。
情景假设: 书架编号A,B,C,D有4架子书, 我需要大模型帮我查对应编号的书
- bookSearch.go MCP 工具的Go实现,
- MCPServer_book_search.py MCP工具的python实现
- README.md python工作流
规定MCP的入参, json参数名字起的尽量容易被大模型理解。
type BookShelfParams struct {
BookShelfId string `json:"book_shelf_id" jsonschema:"required,description=The ID of the book shelf"`
}
工具核心逻辑, 这里可以替换成任意外部API, 最后Stdio需要返回一个字符串。
func bookSearchHandler(ctx context.Context, args BookShelfParams) (*mcp.CallToolResult, error) {
// 逻辑
return mcp.NewToolResultText("返回结果:xxxx"), nil
}
编写该MCP的名称和说明, 尽量容易人类理解的语言
var BookSearchTool = InoriMCP.MustTool(
"book-search",
"图书搜索工具",
bookSearchHandler,
)
最后写入口函数
func AddBookSearchTools(mcp *server.MCPServer) {
BookSearchTool.Register(mcp)
}
在main.go中, 加入这个工具
tools.AddBookSearchTools(s)
build: go build -o inori-mcp.exe ./cmd/inori-mcp
mcp的启动方式: mcp.exe
python-mcp和go-mcp只差启动方式。
安装node环境, 使用inspector, 先Connect然后就可以输入A,B,C,D看看是否返回书架里的书
npx -y @modelcontextprotocol/inspector .\inori-mcp.exe
python client/client.py
只需要更改MCPClient.py中51行的connect_to_server的启动脚本即可。
server_params = StdioServerParameters(
command=<mcp.exe>的路径,
args=[],
env=None
)
需要从.env.sample中创建.env, 填入OpenAI Compatible大模型的base_url, 模型建议使用QWQ-32B(不建议DeepSeek系列)
模型需要触发ToolCall并总结, 最后返回书架的书。