MCP服务器与AI开发工作流

关于如何利用MCP服务器加速您的开发工作流程的工作坊

第一部分：MCP简介

1. 设置Python环境

确保已安装Python 3.12+

cd code
uv sync
uv venv
source .venv/bin/activate

2. 操作您的服务器

激活虚拟环境后运行...

cd 0-mcp-demo/stdio/
python stdio_server.py

终端会显示 starting server

现在逐行粘贴您的JSON-RPC请求，忽略以#开头的行

1. 初始化客户端

{"jsonrpc":"2.0","id":1,"method":"initialize","params":{"protocolVersion":"2024-11-05","capabilities":{},"clientInfo":{"name":"test-client","version":"1.0.0"}}}

2. 初始化通知

{"jsonrpc":"2.0","method":"notifications/initialized"}

注意：这里不会收到JSON响应

3. 列出工具

{"jsonrpc":"2.0","id":2,"method":"tools/list"}

4. 调用获取天气的工具

{"jsonrpc":"2.0","id":3,"method":"tools/call","params":{"name":"get_weather","arguments":{"city":"London"}}}

3. 在MCP检查器中可视化这些功能

1. 安装 mcp-inspector

npx @modelcontextprotocol/inspector

如果您没有安装Node，请使用brew进行安装

brew install mcp-inspector
mcp-inspector

在浏览器中打开的MCP检查器 http://localhost:6274/?MCP_PROXY_AUTH_TOKEN=<some-token-here> 中添加

2. 记录两件事

• 您的Python环境
  • 输入 which python，您会得到类似这样的答案 <YOUR_BASE_PATH>/mcp-for-ai-dev-course/code/.venv/bin/python
• stdio_server.py 的路径
  • 在VSCode中，右键点击 stdio_server.py 文件并复制路径 <YOUR_BASE_PATH>/mcp-for-ai-dev-course/code/0-mcp-demo/stdio/stdio_client.py

将 YOUR_BASE_PATH 替换为您笔记本电脑上的正确路径

3. 将这些添加到MCP检查器

1. 在命令下添加Python路径
2. 在参数下添加stdio_server路径

注意：您也可以运行

npx @modelcontextprotocol/inspector \
  <YOUR_BASE_PATH>/mcp-for-ai-dev-course/code/.venv/bin/python \
  <YOUR_BASE_PATH>/mcp-for-ai-dev-course/code/0-mcp-demo/stdio/stdio_server.py

第二部分：MCP在AI开发工作流中的应用

1. 在context7创建一个账户，并复制您的API密钥，放在一边

我们与context7无关联，只是因为它很好用

2. 演示需要Vscode + GitHub Copilot（免费版即可）

3. 安装MCP服务器有两种方式：mcp.json 或 MCP扩展

演示工作流

1. 创建一个不使用MCP服务器的Airflow管道
2. 强调其缺点
3. 启用MCP服务器
4. 添加更好的指令