# 揭秘MCP客户端智能体：从零开始构建你的专属AI工具调用中枢 本文将带你深入探索模型上下文协议（MCP）的核心机制，手把手教你编程实现一个强大的MCP客户端智能体。你将掌握MCP架构中三大组件如何协同工作，并学会自定义客户端来高效调用多个MCP服务器，让你的AI应用如虎添翼。 ## 1 引言 本文旨在深入剖析模型上下文协议（MCP）架构及其客户端流程，并最终实现一个功能完整的MCP客户端智能体。我们将清晰展示，当向由大语言模型（LLM）驱动的MCP系统提出请求时，幕后究竟发生了什么，让整个过程变得透明且易于理解。 目前，关于构建MCP服务器的教程已经很多，例如MCP官方网站上的指南，详细介绍了如何构建一个简单的MCP天气服务器并将其连接到主机（如Claude Desktop）。然而，本文将专注于实现一个能够以编程方式连接到MCP服务器的MCP客户端智能体，这是自动化和集成开发的关键步骤。 ## 2 高级MCP架构解析 ### 2.1 MCP三大核心组件 在动手开发之前，理解MCP架构的三大核心组件至关重要。它们各自承担不同角色，协同工作以实现智能工具调用。

• 主机（Host）：这是用户直接交互的界面，例如 Claude Desktop 或 Cursor 等 AI 代码编辑器。它充当用户与系统之间的主界面与系统管理器的角色。
• 客户端（Client）：作为主机和 MCP 服务器之间的关键中介，负责维护连接、处理通信协议以及数据流的传输。
• 服务器（Server）：通过标准化接口为 AI 模型提供特定功能、数据源和工具的组件，例如天气预报、文件读取等服务。

> **小提示**：在实际项目中，主机和客户端有时会合并实现，但理解其概念上的区别，有助于设计更灵活的架构。 ## 3 MCP客户端智能体的核心优势 ### 3.1 自定义MCP客户端：以编程方式调用MCP服务器 在目前常见的用例中，MCP 主要应用于 AI 驱动的集成开发环境（IDE）。在这种场景下，用户在 IDE 中配置 MCP 服务器，并通过聊天界面与它们进行交互，此时聊天界面就充当了 MCP 客户端或主机的角色。 然而，如果我们希望从自己的服务中以编程方式调用 MCP 服务器，又该如何实现呢？这正是 MCP 的核心优势所在。它为 LLM 提供了一种标准化的方式来获取上下文和工具。开发者无需为每个外部 API、资源或文件编写自定义代码进行集成，而是可以专注于打包正确的上下文和功能，然后将它们交给 LLM 进行推理和处理，从而极大地提高了开发效率和系统的可扩展性。 ## 4 多MCP服务器协同工作的完整交互流程 下图展示了 MCP 自定义客户端（或 AI 智能体）如何通过多个 MCP 服务器处理用户请求。以下是该交互流程的详细步骤分解： ### 步骤1：用户发起请求

• 用户通过 IDE、浏览器或终端提交请求。
• 自定义 MCP 客户端（或 AI 智能体界面）接收用户的查询。

### 步骤2：MCP客户端与服务器连接

• MCP 客户端与一个或多个 MCP 服务器建立连接，并从这些服务器请求可用的工具。
• 每个连接的服务器返回其支持的工具和函数列表。

### 步骤3：AI处理

• 用户查询和服务器返回的工具列表一起发送到 LLM（例如 OpenAI）。
• LLM 分析用户请求，并根据工具列表选择合适的工具及其输入参数，然后将响应发送回 MCP 客户端。

### 步骤4：函数执行

• MCP 客户端根据 LLM 的建议，使用指定的参数调用相应 MCP 服务器中的工具。
• MCP 服务器接收工具调用请求，并根据请求内容，调用其内部的相应工具进行处理。
• MCP 服务器可以与数据库、外部 API 或文件系统进行交互，以完成请求的处理。

**特别提醒**：为避免 LLM 产生幻觉和非确定性响应，应确保不同 MCP 服务器中的工具名称具有唯一性。 ### 步骤5：（可选）使用LLM改进响应

• MCP 服务器将工具执行的结果返回给 MCP 客户端。
• （可选）MCP 客户端可以将该结果转发给 LLM 进行进一步优化，例如将技术性响应转换为自然语言描述，或创建更简洁的摘要。

### 步骤6：回复用户

• 最终处理后的响应通过客户端界面发送回用户。
• 用户收到对其原始查询的答复。

## 5 自定义MCP客户端实现与源代码解析 ### 5.1 连接到MCP服务器 如前所述，MCP 客户端能够连接到多个 MCP 服务器。在自定义 MCP 客户端实现中，可以模拟这样的行为。 > **注意：** 为了减少幻觉并确保结果的一致性，建议避免多个 MCP 服务器之间的工具名称冲突。 ### 5.2 MCP服务器传输选项 MCP 服务器支持两种类型的传输机制：

• STDIO：用于本地进程间通信。
• SSE：用于基于 HTTP/WebSocket 的请求。

### 5.3 连接到STDIO传输 以下是连接到 STDIO 传输的示例代码：

async def connect_to_stdio_server(self, server_script_path: str):
    """
    连接到 MCP 标准输入输出（stdio）服务器。

    参数:
    server_script_path (str): 服务器脚本的路径。
    """
    is_python = server_script_path.endswith('.py')
    is_js = server_script_path.endswith('.js')
    if not (is_python or is_js):
        raise ValueError("服务器脚本必须是 .py 或 .js 文件")
    command = "python" if is_python else "node"
    server_params = StdioServerParameters(
        command=command,
        args=[server_script_path],
        env=None
    )
    stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))
    self.stdio, self.write = stdio_transport
    self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))
    await self.session.initialize()
    print("已初始化 stdio...")

**connect_to_stdio_server**：此函数用于连接到 STDIO 传输的 MCP 服务器。它首先检查服务器脚本的文件扩展名，以确定使用 Python 还是 Node.js 来运行服务器脚本。然后，它创建一个 `StdioServerParameters` 对象，并使用该对象初始化 `stdio_client`。最后，它创建一个 `ClientSession` 并初始化它。 > **常见问题**：为什么需要检查文件扩展名？ > 因为不同的脚本语言需要不同的解释器来运行。Python 脚本用 `python` 命令，JavaScript 脚本用 `node` 命令。这样可以确保服务器脚本被正确执行。 ### 5.4 连接到SSE传输 以下是连接到 SSE 传输的示例代码：

async def connect_to_sse_server(self, server_url: str):
    """
    连接到使用 SSE 传输的 MCP 服务器。

    参数:
    server_url (str): 服务器的 URL。
    """
    # 存储上下文管理器以保持其处于活动状态
    self._streams_context = sse_client(url=server_url)
    streams = await self._streams_context.__aenter__()
    self._session_context = ClientSession(*streams)
    self.session: ClientSession = await self._session_context.__aenter__()
    await self.session.initialize()
    print("已初始化 SSE...")

**connect_to_sse_server**：此函数用于连接到使用 SSE 传输的 MCP 服务器。它创建一个 `sse_client` 对象，并使用该对象初始化 `ClientSession`。然后，它创建一个 `ClientSession` 并初始化它。 > **小提示**：与 STDIO 不同，SSE 连接需要指定完整的服务器 URL。如果你的服务器部署在远程环境中，SSE 会是一个更合适的选择。 > **常见问题**：如何在两种传输方式之间选择？ > - 如果你的 MCP 服务器和客户端运行在同一台机器上，推荐使用 **STDIO**，因为它更简单、性能更好。 > - 如果服务器和客户端运行在不同的机器上，或者你需要通过 HTTP 协议进行远程通信，则必须使用 **SSE** 传输。