MCP从零开始：快速数据

目的：学习通过将工具扩展为可重复使用的代理工作流（ADWs即带有工具的提示）来构建强大的模型上下文协议（MCP）服务器。

快速数据

快速数据是一个MCP服务器，它能够对.json和.csv文件进行任意的数据分析。

我们使用快速数据作为一个具体的用例，实验MCP服务器的具体元素：提示 > 工具 > 资源。

详情请参阅快速数据MCP。

<img src="./images/mcp-server-prompts.png" alt="MCP服务器提示" style="max-width: 800px;">

引导问题

我们实验了三个引导问题：

1. 如何通过使用工具、资源和提示一起最大化自建MCP服务器的价值？
2. 构建MCP服务器的最佳代码库架构是什么？
3. 我们能否构建一个代理工作流（带有工具的提示），用于快速构建MCP服务器？

理解MCP组件

MCP服务器有三个主要构建模块，它们扩展了AI模型的功能：

工具

是什么：AI模型可以调用来执行操作的函数。

何时使用：当你希望AI基于特定领域使用案例在低到中等原子级别上执行某些操作时。

示例：

@mcp.tool()
async def create_task(title: str, description: str) -> dict:
    """创建一个新的任务。"""
    # AI可以调用此函数实际创建任务
    return {"id": "123", "title": title, "status": "created"}

资源

是什么：AI模型可以读取和访问的数据。

何时使用：当你希望AI读取信息——用户资料、配置、状态或任何数据源时。

示例：

@mcp.resource("users://{user_id}/profile")
async def get_user_profile(user_id: str) -> dict:
    """根据ID获取用户资料。"""
    # AI可以读取这些数据以了解用户
    return {"id": user_id, "name": "John", "role": "developer"}

提示

是什么：预构建的对话模板，用于启动特定类型的讨论。

何时使用：当你希望给AI提供结构化的起点，用于特定领域使用案例中的常见、可重复的工作流程时。

示例：

@mcp.prompt()
async def code_review(code: str) -> str:
    """启动代码审查对话。"""
    # AI获得结构化的代码审查模板
    return f"审查这段代码的安全性和性能：\n{code}"

快速决策指南

• 需要AI采取行动？ → 使用工具
• 需要AI读取数据？ → 使用资源
• 需要可重复的代理工作流（ADWs）？ → 使用提示

快速设置

要使用快速数据MCP服务器：

1. 导航到MCP服务器目录：

   cd quick-data-mcp/
   

2. 为你的MCP客户端配置：

   # 复制样本配置
   cp .mcp.json.sample .mcp.json
   
   # 编辑.mcp.json并更新--directory路径到绝对路径
   # 示例："/Users/yourusername/path/to/quick-data-mcp"
   

3. 测试服务器：

   uv run python main.py
   

详情请参阅quick-data-mcp/README.md。

资源

• MCP客户端：https://modelcontextprotocol.io/clients
• Claude代码资源支持GitHub问题：https://github.com/anthropics/claude-code/issuesç/545

掌握AI编码

学习使用AI编码的基础知识，请参考AI编码原则

关注IndyDevDan YouTube频道，获取更多AI编码技巧。

使用最佳的代理编码工具：Claude Code