只需5分鐘，教你用Python搭建MCP Server 精華

小虎哦哦

發布于 2025-4-10 06:36

瀏覽

0收藏

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，無法獲取實時數據，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的能力。

一、賦能 Claude：獲取英超實時動態

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，盡管網絡上足球比賽動態易于搜索，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計數據時，它的表現并不理想：

只需5分鐘，教你用Python搭建MCP Server-AI.x社區

為解決這個問題，我們創建一個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。

創建一個全新的虛擬環境來進行安裝：

python -m venv venv

激活該環境：

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、數據源

使用來自??football-data.org???的足球數據。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用戶輸入采取某種形式的行動。

二者的主要區別在于啟動方式。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用戶提示來決定使用什么工具。

創建4個工具，當模型收到與英超足球動態相關的提示時，它可以從中選擇。

英超聯賽排名工具
球隊賽程工具
球隊比賽結果工具
聯賽比賽結果工具

這些工具涵蓋了涉及英超聯賽動態的最常見用例。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。

為簡單起見，以下函數進行了截取。

我們為英超聯賽排名工具創建一個函數。這個函數將獲取最新的英超聯賽排名，并返回包含球隊及其統計數據的JSON格式數據。

@mcp.tool()
def get_premier_league_table():
    """
    獲取當前英超聯賽排名
    :return: 包含當前英超聯賽排名的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:
    """
    獲取英超聯賽的最新比賽結果
    :return: 包含英超聯賽最近比賽的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???函數需要一個??team_id???參數。我們不硬編碼??team_id???的選擇，而是可以創建一個額外的工具，為模型提供它需要傳遞給這些函數的??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。