AI Agent MCP (Model Context Protocol) 极速上手

一、统一接口的工业级标准：什么是 Model Context Protocol？

在此之前，要让大模型调用企业内部的数据库或者读取你的本地文件，开发者需要为每一种工具、每一个大模型客户端编写繁琐的定制接口。这就像充电器标准未统一之前的“万能充”时代。Anthropic 推出的 Model Context Protocol（MCP，模型上下文协议）彻底终结了这一乱象。

MCP 是一个基于 JSON-RPC 2.0 协议的开放式标准。它定义了大模型客户端（如 Claude Desktop）与本地/远程数据源（MCP Server）之间的通信规范。大模型不再需要去理解复杂的 API，它只需通过 MCP 客户端，向支持 MCP 标准的 Server 索取可用工具列表（List Tools），并发送执行工具的请求（Call Tool）。这为本地智能体赋予了前所未有的本地执行能力。

二、手把手实战：用 Python 从零编写一个 SQLite 查询 MCP 服务

在本教程中，我们将用 Python 编写一个本地 MCP 服务，该服务允许大模型直接安全地读取我们本地的 SQLite 数据库，并生成对应的 SQL 查询数据。

1. 环境配置与依赖安装

首先，在本地创建一个干净的 Python 虚拟环境，并安装 MCP 官方 SDK：

python -m venv venv
source venv/bin/activate  # Windows 下使用 venv\Scripts\activate
pip install mcp better-sqlite3 pydantic

2. 编写 MCP Server 核心逻辑

创建一个名为 sqlite_server.py 的文件，编写以下代码：

import asyncio
import sqlite3
from mcp.server.fastmcp import FastMCP

# 初始化 FastMCP 实例，指定服务名称
mcp = FastMCP("SQLite Database Reader")
DB_PATH = "src/data/database.db"

@mcp.tool()
def query_database(sql_query: str) -> str:
    """Execute a read-only SQL query against the local database and return results as string."""
    # 强制安全限制，禁止非 SELECT 语句以防止注入风险
    clean_query = sql_query.strip().lower()
    if not clean_query.startswith("select"):
        return "Error: Only read-only SELECT queries are allowed for security reasons."
    try:
        conn = sqlite3.connect(DB_PATH)
        cursor = conn.cursor()
        cursor.execute(sql_query)
        rows = cursor.fetchall()
        # 提取字段名
        columns = [description[0] for description in cursor.description]
        conn.close()
        
        # 格式化输出为 Markdown 表格格式
        result = " | ".join(columns) + "\n" + "---" * len(columns) + "\n"
        for row in rows:
            result += " | ".join(map(str, row)) + "\n"
        return result
    except Exception as e:
        return f"Database error occurred: {str(e)}"

if __name__ == "__main__":
    mcp.run()

三、配置大模型客户端（Claude Desktop）

为了让本地运行的 Claude Desktop 能够识别并加载这个 MCP 服务，我们需要编辑其配置文件。在 Windows 下，该文件路径为：
%APPDATA%\Claude\claude_desktop_config.json。

在该 JSON 文件中加入我们的服务启动项：

{
  "mcpServers": {
    "sqlite-local-mcp": {
      "command": "python",
      "args": [
        "E:\\imai\\aiagent\\sqlite_server.py"
      ]
    }
  }
}

保存文件后，彻底关闭并重新启动 Claude Desktop。如果配置正确，你会看到对话框右下角多了一个小榔头（Hammer）图标，这代表 MCP 工具已加载成功。你可以直接向 Claude 输入：“帮我查一下本地数据库里发布日期在 2026 年以后的文章标题”，Claude 会自己生成 SQL，调用我们本地编写的脚本并完美呈现数据表格！

四、踩坑与调试要点

在 Windows 环境下跑 MCP 最常见的错误就是 Python 环境的路径问题。在 claude_desktop_config.json 的 command 中，建议写绝对路径（例如 C:\\Users\\YourUser\\AppData\\Local\\Programs\\Python\\Python312\\python.exe），以防 Claude 无法正确识别系统的虚拟环境路径。此外，MCP 之间是通过标准输入输出（stdin/stdout）进行通信的，因此在你的 MCP 代码里，绝对不能使用任何 print() 输出调试日志，所有的 log 必须使用 logging.warning 往 stderr 写入，否则会彻底破坏 JSON-RPC 的通信结构。

// 典型实现逻辑 / Code outline
// 如需获取该场景下完整可运行的代码库与技术顾问指导，请联系我们
console.log("Loading module: $MCP 协议...");
console.log("Configuring agent pipeline: $AI Agent MCP (Model Context Protocol) 极速上手...");
console.log("Dependencies active. Pipeline initializing...");
// TODO: Custom code hooks for wolaizuo solutions.

* 本文为“我来做”动手开发实战教程。如果您不想亲自编写代码，或者需要更深入的企业系统（ERP/CRM）对接与私有化部署，欢迎点击下方按钮预约我们的免费诊断服务。