【作者主页】Francek Chen
【专栏介绍】 ⌈ ⌈ ⌈人工智能与大模型应用 ⌋ ⌋ ⌋ 人工智能（AI）通过算法模拟人类智能，利用机器学习、深度学习等技术驱动医疗、金融等领域的智能化。大模型是千亿参数的深度神经网络（如ChatGPT），经海量数据训练后能完成文本生成、图像创作等复杂任务，显著提升效率，但面临算力消耗、数据偏见等挑战。当前正加速与教育、科研融合，未来需平衡技术创新与伦理风险，推动可持续发展。
文章目录
前言
在人工智能飞速发展的当下，大语言模型与外部数据源、工具的集成成为关键。模型上下文协议（MCP）应运而生，为大模型和数据源建立安全双向连接提供了标准化方案。蓝耘元生代智算云平台紧跟这一趋势，重磅推出“MCP广场”，集结众多热门 MCP 服务，致力于成为大模型与外部工具、数据源交互的核心枢纽。本文将详细介绍 MCP 的概念、蓝耘 MCP 平台，以及如何注册登录该平台和使用时间 MCP 服务器，助力开发者更好地利用这一创新技术，推动 AI 应用的高效落地。
一、什么是MCP
模型上下文协议（Model Context Protocol，MCP），是由 Anthropic 推出的开源协议，旨在实现大语言模型与外部数据源和工具的集成，用来在大模型和数据源之间建立安全双向的连接。
模型上下文协议是专为高效获得模型所需要上下文信息而设计的通用接口，可以将推动大语言模型应用的标准化和去中心化。该协议是提供了类似于 OpenAPI 的开放标准，定义了一套通用的通信协议、数据格式和规则，可以有简化开发、灵活、实时响应、安全合规、可扩展的特点，它通过相同的协议同时处理本地资源（例如数据库、文件、服务等）和远程资源（例如 Slack 或 GitHub 等 API）。
MCP 是一个开放协议，它标准化了应用程序向 LLM 提供上下文的方式。可以将 MCP 视为 AI 应用的 USB-C 端口。正如 USB-C 提供了一种标准化的方式将您的设备连接到各种外围设备和配件一样，MCP 提供了一种标准化的方式将 AI 模型连接到不同的数据源和工具。
二、蓝耘MCP平台简介
蓝耘元生代智算云平台重磅推出全新“MCP广场”，集结了千余款备受瞩目的热门 MCP 服务，致力于为开发者搭建起大模型与外部工具、数据源之间标准化交互的核心枢纽。平台秉持开源开放的先进理念，为 MCP 工具开发者提供专业的云上托管服务。通过不断对功能矩阵进行迭代升级，平台将深度推动大模型与 MCP 生态的协同发展、共同进化，为 Agent 及各类 AI 应用的快速落地提供强劲动力。
蓝耘 MCP 平台主页：https://mcp.lanyun.net/#/home
蓝耘 MCP 广场不久前迎来全新升级，着重从云上托管服务、语义检索模型以及工具集成这三大关键维度发力。平台现已拥有超过 240 项托管服务，全面覆盖搜索、学术研究、软件开发等丰富多元的场景，满足开发者在不同领域的多样化需求。新增的 MCP Server 管理工具，让开发者能够轻松实现一键式状态管控，操作更加便捷高效。语义检索模型具备强大的自然语言理解能力，可支持自然语言生成服务组合，为开发者带来全新的交互体验。同时，平台与 Cherry Studio 实现无缝集成，让开发流程如行云流水般高效流畅。从智能应用的精心构建，到数据可视化分析的精准呈现，升级后的蓝耘 MCP 广场将以更加高效、智能的服务，助力开发者踏上 MCP 服务调用的全新征程，开启无限可能。
三、注册登录蓝耘MCP平台
（一）注册蓝耘平台账号
点击注册链接：https://cloud.lanyun.net//#/registerPage?promoterCode=0131
输入手机号获取验证码，输入邮箱（这里邮箱会收到信息，要激活邮箱），设置密码，点击注册。如图3所示。
新用户福利：注册后可领取免费试用时长（20元代金券，可直接当余额来使用）。
若已经注册过帐号，点击下方“已有账号，立即登录”即可。
（二）进入蓝耘MCP广场
登录后进入首页，点击“MCP广场”，如图4所示。
接着进入 MCP 广场的商店。在这里，用户可以看到多种来自不同供应商的 MCP 服务，涵盖知识与记忆、时间与天气、安全审计等多个类别，如 MCP 时间服务器、MCP 天气服务器、Sentry 监控工具等，部分服务标注“已托管”。图5中展示的是蓝耘元生代 MCP 广场的服务器页面。
四、时间MCP服务器部署教程
这里我们选择时间 MCP 服务器介绍相关的部署操作过程。（时间MCP服务器-GitHub）
一个提供时间和时区转换功能的模型上下文协议服务器。该服务器使 LLM 能够获取当前时间信息，并使用 IANA 时区名称进行时区转换，支持自动检测系统时区。
可用工具如下：
get_current_time- 获取特定时区或系统时区的当前时间。
必需参数：
timezone(字符串): IANA 时区名称（例如 ‘America/New_York’, ‘Europe/London’）convert_time- 在不同时区之间转换时间。
必需参数：
source_timezone(字符串): 源 IANA 时区名称
time(字符串): 24小时制的时间 (HH:MM)
target_timezone(字符串): 目标 IANA 时区名称
（一）安装
1. 使用uv(推荐)
当使用uv时不需要特别安装。我们将使用uvx直接运行 mcp-server-time。
2. 使用 PIP
或者，你可以通过 pip 安装 mcp-server-time：
pip install mcp-server-time
安装完成后，可以使用以下命令作为脚本运行：
python -m mcp_server_time
（二）配置
1. 为 Claude.app 配置
在你的 Claude 设置中添加：
- 使用 uvx
- 使用 Docker
- 使用 pip 安装
2. 为 Zed 配置
在你的 Zed settings.json 中添加：
- 使用 uvx
- 使用 pip 安装
3. 自定义 - 系统时区
默认情况下，服务器会自动检测系统的时区。你可以在配置的args列表中添加--local-timezone参数来覆盖这一点。
示例：
{
"command": "python",
"args": ["-m", "mcp_server_time", "--local-timezone=America/New_York"]
}
（三）示例交互
- 获取当前时间：
{
"name": "get_current_time",
"arguments": {
"timezone": "Europe/Warsaw"
}
}
响应：
{
"timezone": "Europe/Warsaw",
"datetime": "2024-01-01T13:00:00+01:00",
"is_dst": false
}
- 在不同时区之间转换时间：
{
"name": "convert_time",
"arguments": {
"source_timezone": "America/New_York",
"time": "16:30",
"target_timezone": "Asia/Tokyo"
}
}
响应：
{
"source": {
"timezone": "America/New_York",
"datetime": "2024-01-01T12:30:00-05:00",
"is_dst": false
},
"target": {
"timezone": "Asia/Tokyo",
"datetime": "2024-01-01T12:30:00+09:00",
"is_dst": false
},
"time_difference": "+13.0h",
}
（四）调试
你可以使用 MCP 检查器来调试服务器。对于 uvx 安装：
npx @modelcontextprotocol/inspector uvx mcp-server-time
或者如果你已将包安装在特定目录中或正在开发它：
cd path/to/servers/src/time
npx @modelcontextprotocol/inspector uv run mcp-server-time
（五）适用于Claude的问题示例
“现在几点了？”（将使用系统时区）
“东京现在几点了？”
“纽约下午4点时，伦敦是几点？”
“将东京时间上午9:30转换为纽约时间”
（六）构建
Docker 构建：
cd src/time
docker build -t mcp/time .
五、时间MCP服务器工具详情
1. 通过 SSE URL 连接服务
{
"mcpServers": {
"time": {
"type": "sse",
"url": "http://33ab64cb787948e9aea0a298d6be3abe.mcp.lanyun.net:8088/sse/time"
}
}
}
2. 工具详情
- get_current_time：Get current time in a specific timezones
{
"properties": {
"timezone": {
"description": "IANA timezone name (e.g., 'America/New_York', 'Europe/London'). Use 'America/New_York' as local timezone if no timezone provided by the user.",
"type": "string"
}
},
"required": [
"timezone"
],
"type": "object"
}
- convert_time：Convert time between timezones
{
"properties": {
"source_timezone": {
"description": "Source IANA timezone name (e.g., 'America/New_York', 'Europe/London'). Use 'America/New_York' as local timezone if no source timezone provided by the user.",
"type": "string"
},
"target_timezone": {
"description": "Target IANA timezone name (e.g., 'Asia/Tokyo', 'America/San_Francisco'). Use 'America/New_York' as local timezone if no target timezone provided by the user.",
"type": "string"
},
"time": {
"description": "Time to convert in 24-hour format (HH:MM)",
"type": "string"
}
},
"required": [
"source_timezone",
"time",
"target_timezone"
],
"type": "object"
}
小结
本文围绕模型上下文协议（MCP）展开，首先介绍了 MCP 的概念，它作为开源协议，为大语言模型与外部数据源和工具的集成提供了标准化接口，具有简化开发、安全合规等诸多优势。接着详细介绍了蓝耘 MCP 平台，其“MCP广场”集结千余款热门 MCP 服务，为开发者搭建起标准化交互枢纽，并不断迭代升级功能矩阵。随后，文章阐述了注册登录蓝耘 MCP 平台的步骤，以及时间 MCP 服务器的使用教程，包括安装、配置、示例交互、调试和构建等方面。通过本文，开发者能深入了解 MCP 及其平台应用，为开发高效智能的 AI 应用提供有力支持。
欢迎 点赞👍 | 收藏⭐ | 评论✍ | 关注🤗
