内容简介
这是一本能轻松带领读者快速理解并使用MCP，从而跨越“大模型调用”到“智能系统构建”之间鸿沟的著作。它以简洁明了、图文并茂、通俗易懂的方式，从基础知识、工作原理、服务架构和应用开发等多个角度对MCP进行了全方位的讲解。即便你没有任何AI基础，也能充分了解并简单使用MCP，从而达到更好地使用AI的目的。
全书内容从逻辑上分为三个部分：
第一部分 MCP基础认知（第1、2章）
通过类比和架构图解的方式细致地介绍了MCP的基本概念、核心价值、工作原理等，让读者能零门槛了解MCP。
第二部分 MCP本地实践（第3、4章）
手把手指导读者建立本地MCP主机，从Hello World示例到工具链扩展，帮助读者通过实践快速建立对MCP的直观认知。
第三部分 服务开发与应用（第5~12章）
深入讲解了MCP服务器的开发，工具方面，涵盖LangChain、LlamaIndex等主流框架；应用场景方面，覆盖个人效率、设计优化、数据处理、通信智能化、研发效能、数据库交互等多个领域。此外，还解析了阿里云、腾讯云等平台的MCP生态。
全书强调简介易懂，以帮助读者快速入门，所以力求用简洁的语言解释复杂的概念和技术细节，用大量的案例、操作步骤和代码来演示操作的方法和过程，真正做到“快速上手”。
曹洪伟
资深技术专家，现任联想诺谛智能首席架构师，专注于大模型应用系统研发，对MCP有较为深入的研究。拥有30余年软硬件研发经验，曾就职于北方电讯、斯伦贝谢、高通等世界500强企业，并作为核心技术人员参与多次创业，曾担任渡鸦科技（被百度收购）CTO，参与了小度智能音箱的研发。曾任百度DuerOS首席布道师，推动对话式AI生态建设。
拥有50余项国内外专利，中国专利局外聘技术专家，并在QCon、SDCC等技术大会上分享全栈架构与AI应用实践。乐于分享，著有《性能之道》《深入分布式缓存》《一书读懂物联网》等8本著作，翻译了《持续架构实践》《基于混合方法的NLP》等10本图书。闲时维护CSDN博客及公众号“wireless_com”，分享软件架构与AI工程实践的经验和感悟。
（1）作者经验丰富：作者是精通软硬件全栈技术的技术大家，对人工智能和大模型技术有深入的研究，MCP实践经验丰富
（2）内容系统全面：内容涵盖MCP的基础知识、工作原理、服务架构和应用开发等各个方面。
（3）零基础快入门：通过合理的知识规划、扎实的写作技法、可视化的表达方法，即便没有任何AI基础的读者也能快速上手MCP
（4）以实战为导向：所有章节均以“问题 - 方案 - 代码”模式展开，提供可复现的代码仓库与环境配置指南。
（5）实战案例丰富：大量实战案例，覆盖个人效率、设计优化、数据处理、通信智能化、研发效能、数据库交互等多个领域。
（6）生态全景覆盖：系统梳理 MCP 服务市场、实用服务器清单，构建读者对技术生态的全局认知。
Preface?前 言
为何写作本书
在人工智能（AI）技术快速发展的今天，大模型（Large Language Model，LLM）已成为推动创新的核心引擎。然而，如何将大模型的能力无缝融入实际应用场景，始终是人们面临的关键挑战。工具调用、多服务协作、复杂工作流编排等需求催生了更高效的中间层系统架构——基于模型上下文协议（Model Context Protocol，MCP）的AI系统。
本书的诞生源于两个核心洞察：其一，大模型应用的落地需要一套标准化、可扩展的交互协议；其二，使用大模型应用的用户、开发者和技术爱好者急需一本从零开始、深入浅出的实践指南。我们希望通过系统梳理MCP框架与实战案例，帮助读者跨越从“模型调用”到“智能系统构建”的鸿沟，让大模型的潜力真正转化为生产力。
本书主要内容
本书的主要内容涵盖MCP的基本概念、工作原理、服务架构及实际应用开发实践，旨在帮助读者零基础使用并开发基于MCP的AI系统。
基础认知（第1、2章）：剖析大模型及其应用的演进脉络，揭示基于MCP的AI系统的核心价值与工作原理，通过类比与架构图解降低理解门槛。
本地实践（第3、4章）：手把手指导搭建本地MCP主机，从Hello World示例到工具链扩展，帮助读者快速建立直观认知。
服务开发与应用（第5～12章）：深入介绍MCP服务器开发，涵盖LangChain、LlamaIndex等主流框架集成，并解析阿里云、腾讯云等平台的MCP生态。应用场景覆盖个人效率、设计优化、数据处理、通信智能化、开发效能提升、数据库交互等多个领域，通过实战案例（如Figma设计自动化、3D打印、Git工作流优化）展现MCP的跨界整合能力。
读者对象
使用AI应用的用户：希望通过使用大模型应用提升自己工作效能的普通用户。
AI开发者：希望将大模型能力嵌入复杂系统的技术实践者。
全栈工程师：寻求通过自然语言交互重构传统工作流的创新者。
技术管理者：关注大模型应用架构与团队效能提升的决策者。
跨领域探索者：从科研、设计到制造业，任何渴望用AI重塑本职工作的先行者。
学生与研究人员：探索下一代人机协作范式的学术探索者。
本书内容特色
本书力求用简洁的语言解释复杂的概念和技术细节，书中不仅提供了详尽的操作步骤，还穿插了大量的示例代码，使得学习过程更加直观、易懂。
实战导向：所有章节均以“问题-方案-代码”模式展开，提供可复现的代码仓库与环境配置指南。
跨域融合：突破单一技术领域，展示MCP在设计、通信、开发、数据库等场景中的“连接器”价值。
低门槛设计：通过Ollama、Cursor等轻量化工具实现“5分钟快速上手”，避免复杂的环境配置。
生态全景：系统梳理MCP服务市场、实用服务器清单，构建读者对技术生态的全局认知。
前瞻视角：探讨DeepSeek R1等大模型与MCP相结合的本地化部署及多云架构，为生产环境落地提供实践指南。
资源和勘误
MCP是一个新兴且高速发展的技术生态，尽管作者竭力确保内容的准确性，但技术的高速更迭难免带来细节的差异。若发现任何问题，欢迎在作者的微信公众号（wireless_com）中留言，你的每一条建议都将被认真对待并体现在后续版本中。
致谢
感谢MCP开源社区的无私贡献，同时向所有参与技术验证的朋友表示由衷的感谢，大家的真实场景反馈让案例更具参考价值。最后，特别感谢家人与编辑团队的支持，正是他们的耐心与专业，让这本极简入门手册得以面世。
让我们共同踏上这场关于智能协作范式的探索之旅，从一行代码开始，见证MCP如何成为撬动AI生产力的“瑞士军刀”。
目 录
前 言
第1章 从大模型应用到基于MCP
的AI混搭 1
1.1 从大模型到大模型应用 2
1.2 从搜索到运行工具 3
1.3 如何更好地支持搜索和
使用工具—MCP 5
1.4 MCP的重要性 7
第2章 MCP是如何工作的 8
2.1 MCP的通俗类比 8
2.2 基于MCP的系统是如何组成的：
架构解读 9
2.2.1 MCP主机 11
2.2.2 MCP客户端 11
2.2.3 MCP服务器 12
2.3 基于MCP的系统是如何运行的：
工作原理解读 13
2.4 服务间的共识—MCP解读 14
2.4.1 MCP的协议栈 14
2.4.2 MCP的双向通信方式 15
2.4.3 MCP的3种分类 16
2.5 MCP的安全性 17
2.6 基于MCP的系统有什么不同 18
2.6.1 与REST API的区别 18
2.6.2 与大模型调用第三方工具的
区别 19
2.6.3 与传统AI服务的区别 20
2.6.4 与大模型服务的区别 20
2.7 示例解读：基于MCP的
天气查询 21
第3章 使用本地MCP主机 24
3.1 用Ollama构建本地MCP主机 24
3.2 基于Claude Desktop构建本地
MCP应用 28
3.3 使用自然语言发现并安装MCP
服务器 32
3.4 在Cursor中使用MCP服务器 35
第4章 从Hello World逐步构建
MCP服务器 38
4.1 环境配置与资源访问 39
4.1.1 创建项目并设置环境 39
4.1.2 编写Hello World 41
4.1.3 测试Hello World的
MCP服务器 42
4.2 使用资源模板扩展资源 46
4.3 添加提示词使用大模型 50
4.4 创建工具和消息 57
第5章 开发MCP服务器 65
5.1 基于LangChain的MCP集成 65
5.1.1 集成一个简单的算术MCP
服务器 65
5.1.2 langchain_mcp_tools工具的
集成 68
5.1.3 与ReAct智能体的集成 72
5.2 LlamaIndex的工具集成 74
5.3 MCP服务器的集散地 77
5.3.1 Smithery.ai 77
5.3.2 mcp.so 78
5.3.3 阿里云的MCP服务 79
5.3.4 腾讯云的MCP插件中心 80
5.4 一些实用的MCP服务器 81
5.4.1 APIdog MCP Server 81
5.4.2 Blender MCP Server 82
5.4.3 Perplexity Ask MCP Server 82
5.4.4 Figma MCP Server 82
5.4.5 Firecrawl MCP Server 83
5.4.6 MCP Server Chatsum 83
5.4.7 Neon MCP Server 84
5.4.8 21st.dev Magic MCP Server 84
5.4.9 Browserbase MCP Server 85
5.4.10 Cloudflare MCP Server 85
第6章 基于MCP的常见个人
应用 87
6.1 自动提取Web数据 87
6.1.1 准备工具包 88
6.1.2 安装智能爬虫模块 88
6.1.3 配置智能开关 88
6.1.4 启动验证 88
6.2 实现个性化搜索 91
6.2.1 使用FastMCP定义和
注册工具 92
6.2.2 MCP的客户端 93
6.2.3 MCP客户端和服务器的
通信 94
6.2.4 基于MCP的系统能力应用 96
6.3 论文阅读 99
6.3.1 arXiv的MCP服务器：负责
从arXiv中获取科学文章 100
6.3.2 Docling MCP服务器 101
6.3.3 构建基于FastAPI的
客户端 103
6.4 工作流自动化 104
6.5 一个通用的AI助手 107
6.5.1 构建路由器 108
6.5.2 具体实现 110
6.5.3 处理器功能 110
6.5.4 可扩展性 110
第7章 用MCP优化自己的设计 112
7.1 将Figma连接到工作流 112
7.1.1 建立Figma MCP开发和
运行环境 113
7.1.2 获取Figma API访问令牌 113
7.1.3 安装Figma MCP服务器 115
7.1.4 连接到AI编程工具
Cursor 116
7.1.5 工作流程 116
7.2 3D建模 119
7.2.1 安装Unreal Engine MCP
Server 119
7.2.2 连接一个AI客户端 120
7.2.3 Unreal Engine MCP Server的
使用 120
7.3 3D打印 122
7.3.1 MCP 3D打印服务器：连接
创意与现实的桥梁 122
7.3.2 MCP 3D打印服务器的
兼容性 123
7.3.3 MCP 3D打印服务器的
环境配置 123
7.3.4 MCP 3D打印服务器的使用
示例：如何通过自然对话
改进3D打印 124
7.3.5 MCP 3D打印服务器的资源
管理与限制 126
7.3.6 MCP 3D打印服务器：数字与
实体世界的融合 127
第8章 用MCP服务器智能处理
数据 128
8.1 引入智能分析：推理增强 129
8.1.1 Sequential Thinking MCP
服务器的作用 129
8.1.2 Sequential Thinking MCP
服务器的构建 129
8.1.3 Sequential Thinking MCP
服务器的工作方式 130
8.1.4 Sequential Thinking MCP
服务器的核心价值 130
8.1.5 Sequential Thinking MCP
服务器的常见问题 132
8.2 外部数据获取：网络爬虫的MCP
服务器 132
8.2.1 Firecrawl MCP服务器的一个
简捷实现 133
8.2.2 本地部署Firecrawl 136
8.2.3 在VS Code的Cline插件中
配置MCP服务器 136
8.2.4 在VS Code的Cline插件中
测试Firecrawl 137
8.3 数据报表智能化 137
8.3.1 数据摄取的准备：访问凭证
的获取 138
8.3.2 构建用于数据分析的MCP
服务器 141
8.3.3 构建用于数据分析的MCP
客户端 144
8.3.4 使用MCP服务器进行数据
分析 146
8.4 知识管理 148
8.4.1 安装REST API插件以增强
Obsidian功能 149
8.4.2 设置MCP-Obsidian服务器：
连接Claude与Obsidian的
桥梁 149
8.4.3 配置Claude连接
MCP-Obsidian服务器 150
8.4.4 MCP-Obsidian服务器的
使用 151
第9章 用MCP让通信智能化 153
9.1 轻松对接即时通信工具
WhatsApp 154
9.1.1 准备工作 156
9.1.2 克隆存储库并运行WhatsApp
Bridge 156
9.1.3 为WhatsApp Access配置
Claude Desktop应用程序 157
9.1.4 集成WhatsApp并将其作为
MCP工具 158
9.2 轻松连接Slack 159
9.2.1 Runbear让AI自动化触手
可及 159
9.2.2 配置Slack MCP客户端 160
9.2.3 Slack账户连接到AI智能体
的两种授权方法 161
9.2.4 Runbear与Slack集成带来的
便利 161
9.3 电子邮件的智能化管理：Gmail 162
9.3.1 Gmail MCP服务器的设置和
启动 162
9.3.2 用Gmail MCP服务器管理
电子邮件 163
9.4 通信转化：使用mcp-proxy完成
从SSE到STDIO 164
9.4.1 什么是mcp-proxy 164
9.4.2 如何使用mcp-proxy轻松连接
SSE与STDIO 165
9.4.3 使用mcp-proxy时的重要注意
事项 166
第10章 用MCP大幅提升开发
效能 168
10.1 自动化开发流程实例：Cursor中
的PR工作流 169
?10.1.1 获得代码间的差异 169
?10.1.2 用AI智能生成分支名称和
提交消息 172
?10.1.3 将代码与GitHub连接：自动
创建PR 174
?10.1.4 将AI助手集成到Cursor中，
提升Git工作流的效率 176
10.2 智能代码评审 177
?10.2.1 快速搭建项目环境：
安装工具、配置依赖和
设置凭证 178
?10.2.2 创建一个模块来处理
GitHub PR的数据检索 181
?10.2.3 创建核心PR分析器：连接
Claude Desktop、GitHub和
Notion 183
?10.2.4 自动化PR审查流程：从
代码更改到Notion记录 186
10.3 优化API调用 187
?10.3.1 使用Spring AI的新特性
优化ThemeParks.wiki API的
使用 189
?10.3.2 优化MCP服务器使用
API的方式 191
10.4 MCP为传统应用带来革新：
API的运行时管理 193
?10.4.1 使用Cursor配置
APISIX-MCP服务器的
详细步骤 194
?10.4.2 通过自然语言与AI交互
来配置APISIX路由 196
第11章 用MCP简化数据库
操作 199
11.1 使用关系数据库构建应用
原型 199
?11.1.1 在本地运行SQLite MCP
服务器 200
?11.1.2 通过对话探索SQLite
数据库 202
?11.1.3 使用对话快速构建
原型 203
11.2 非关系数据库Redis的访问 206
?11.2.1 Redis MCP服务器 206
?11.2.2 构建Redis MCP
服务器的开发环境：
搭建项目基础 207
?11.2.3 创建Redis MCP
服务器的核心实现：
从代码到功能 209
?11.2.4 将Redis MCP服务器与
Cursor IDE集成：简易
步骤指南 214
11.3 Milvus与MCP的集成：开启
智能数据管理 215
?11.3.1 运行Milvus MCP服务器 216
?11.3.2 在Claude Desktop中
配置并使用Milvus MCP
服务器 217
?11.3.3 在Cursor中配置并使用
Milvus MCP服务器 219
?11.3.4 常见问题及解决方法 220
11.4 Apache Ignite与MCP的
集成：探索分布式数据库的
新可能 221
?11.4.1 启动Apache Ignite
并初始化数据库：从零
开始的详细指南 222
?11.4.2 构建Apache Ignite MCP
服务器 225
?11.4.3 使用MCP Inspector
测试Apache Ignite MCP
服务器 226
?11.4.4 Apache Ignite MCP服务器
与大模型协作实现推理 229
第12章 用MCP助力大模型 233
12.1 通过MCP服务器在本地运行
DeepSeek R1模型 233
?12.1.1 轻松获取并设置
DeepSeek R1模型 234
?12.1.2 使用LM Studio简化本地
运行AI模型 235
?12.1.3 通过MCP与本地
DeepSeek R1模型无缝