Agent 工具箱：一步步搭建你的第一个 MCP 服务

一、为什么需要MCP？

随着大语言模型的兴起，越来越多的应用系统开始转向Agent架构

• 用户输入 → 智能体规划任务 → 调用模型完成任务 → 汇总回复

但是在真正的工程实践中，往往不止一个模型：

• LLM模型：用于生成、对话、总结
• Embedding 模型：用于向量检索与语义匹配
• 多模态模型：图像、语音、视频理解
• 工具模型：SQL 生成、代码补全、文档解析

于是就有了MCP，来统一调度模型服务

二、什么是MCP服务？

MCP（Model Compute Platform） 是一种面向 Agent 的后端服务，用于注册、统一封装、调度调用底层模型能力。

MCP 本质上是一种 模型能力路由与编排平台，其目标是让上层 Agent “只管调用，不管细节”。

你可能听着很懵，举个简单的例子：

比如用户提问：帮我生成一个小猫弹琴的视频吧

Agent 调用 MCP 的两步链路：

1. 使用**文生图模型（Text-to-Image）**根据 prompt 生成一张“弹琴小猫”图片
2. 使用视频生成模型或图像动画模型（Image-to-Video）将静态图转成视频

代码类似这种：

// 第一步，文字生成图片
const imageResponse = await MCP.call("generateImage", {
  prompt: "一只小猫坐在钢琴前弹琴",
  resolution: "512x512"
});
const imageUrl = imageResponse.url;

// 第二步，图片生成视频
const videoResponse = await MCP.call("imageToVideo", {
  imageUrl,
  duration: 8
});

// 返回视频链接给用户
return `视频已生成，观看链接：${videoResponse.videoUrl}`;

三、MCP的角色和结构

http相当于浏览器和服务器之间的协议，有一些标准化的规则，Agent与服务之前也有标准化的通信协议。

• 工具调用方式（Tools）
• 资源访问方式（Resources）
• 输入输出的结构（inputSchema）

MCP的角色

MCP也可以理解为扩充了大模型的能力，大模型借助MCP服务还可以去做一些操作本地文件，打开浏览器等等

四、MCP-DEMO

当前mcp提供了两个tools，打开本地应用和计算数字加法

1. 导入模块

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";
import { exec } from "child_process";

• McpServer：MCP 服务器核心类，用于创建和管理 MCP 服务。
• StdioServerTransport：基于标准输入输出（stdin/stdout）的通信传输机制，实现服务端与客户端的消息收发。
• z（Zod）：声明式校验库，用于定义输入参数的类型和结构。

2. 函数 openLocalApp(appName)

这个函数的作用是根据传入的应用名称，结合当前操作系统，拼接对应的系统命令来打开该应用。

function openLocalApp(appName) {
  const platform = process.platform;
  let command;

  // 根据操作系统构造打开命令
  if (platform === "win32") {
    // Windows
    switch (appName.toLowerCase()) {
      case "chrome":
        command = `start chrome`;
        break;
      case "notepad":
        command = `start notepad`;
        break;
      default:
        throw new Error(`Unknown app: ${appName}`);
    }
  } else if (platform === "darwin") {
    // macOS
    switch (appName.toLowerCase()) {
      case "chrome":
        command = `open -a "Google Chrome"`;
        break;
      case "textedit":
        command = `open -a TextEdit`;
        break;
      default:
        throw new Error(`Unknown app: ${appName}`);
    }
  } else if (platform === "linux") {
    // Linux
    switch (appName.toLowerCase()) {
      case "chrome":
        command = `google-chrome`;
        break;
      case "gedit":
        command = `gedit`;
        break;
      default:
        throw new Error(`Unknown app: ${appName}`);
    }
  } else {
    throw new Error("Unsupported platform: " + platform);
  }

  return new Promise((resolve, reject) => {
    exec(command, (error) => {
      if (error) {
        reject(error);
      } else {
        resolve(`Opened ${appName} successfully`);
      }
    });
  });
}

3. 主函数 main()

1. 创建 MCP 服务器并注册工具，启动服务监听通信
   创建 MCP 服务器实例，名字为 local-app-opener，版本 1.0.0
2. 注册工具 openApp
   注册一个工具名叫 openApp，代表打开本地应用，里面还包含一些工具元信息，其中 inputSchema定义了输入参数格式
3. 启动通信传输层并连接
   实例化 StdioServerTransport，通过标准输入输出流和Agent通信

async function main() {
  const server = new McpServer({
    name: "local-app-opener",
    version: "1.0.0",
  });

  server.registerTool(
    "openApp",
    {
      title: "Open Local Application",
      description: "Open a local application by name, e.g. chrome, notepad",
      inputSchema: { appName: z.string() },
    },
    async ({ appName }) => {
      try {
        const result = await openLocalApp(appName);
        return {
          content: [{ type: "text", text: result }],
        };
      } catch (err) {
        return {
          content: [{ type: "text", text: `Failed to open app: ${err.message}` }],
        };
      }
    }
  );
  server.registerTool("add", {
    title: "Add Numbers",
    description: "Add two numbers",
    inputSchema: { a: z.number(), b: z.number() },
  }, async ({ a, b }) => {
    return {
      content: [{ type: "text", text: `Sum: ${a + b}` }],
    };
  });

  const transport = new StdioServerTransport();
  await server.connect(transport);
}

main();

4. 使用展示:

1. 配置MCP:

2. 测试MCP：

在经过思考过程之后，最终整合了输入格式：

我测试用的是Trae，可以直接配置下面的json体验一下：

{
  "mcpServers": {
    "mcp-demo": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-test-zhuling"
      ]
    }
  }
}