2026年【大模型实战篇】基于Claude MCP协议的智能体落地示例

科技前沿 • 2026-04-05 21:59 • 阅读 1

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

之前我们在《》一文中，介绍了MCP的概念，虽然了解了其概念、架构、解决的问题，但还缺少具体的示例，来帮助进一步理解整套MCP框架如何落地。

今天我们基于claude的官方例子--获取天气预报【1】，来理解MCP落地的整条链路。

该案例是构建一个简单的MCP天气预报服务器，并将其连接到主机，即Claude for Desktop。从基本设置开始，然后逐步发展到更复杂的使用场景。

大模型虽然能力非常强，但其弊端就是内容是过时的，这里的过时不是说内容很旧，只是表达内容具有非实时性。比如没有获取天气预报和严重天气警报的能力。因此我们将使用MCP来解决这一问题。

构建一个服务器，该服务器提供两个工具：获取警报（get-alerts）和获取预报（get-forecast）。然后，将该服务器连接到MCP主机（在本例中为Claude for Desktop）。

首先我们配置下环境：

（1）安装uv

安装完成后，会提示：

（2）安装所需的依赖包

（3）在server.py中构建相应的get-alerts和 get-forecast工具：

这段代码中，最核心的其实就是@server.list_tools() 以及 @server.call_tool() 这两个注解。

调用函数的逻辑也比较简单，匹配到对应的工具名称，然后抽取对应的输入参数，然后发起api的请求，对获得的结果进行处理：

（4）服务端与客户端交互

测试服务器与 Claude for Desktop。【2】也给出了构建MCP 客户端的教程。其中核心的逻辑如下：

启动客户端，需要打开 Claude for Desktop 应用配置文件：

如果该文件不存在，确保先创建出来，然后配置以下信息，以示例说明，我们uv init的是weather，所以这里mcpServers配置weather的服务，args中的路径设置为你weather的绝对路径。

保存文件，并重新启动 Claude for Desktop。可以看到Claude for Desktop 能够识别在天气服务器中暴露的两个工具。

然后在客户端询问天气，会提示调用get-forecast的tool：

工具是智能体框架的重要组成部分，允许大模型与外界互动并扩展其能力。即使没有MCP协议，也是可以实现LLM智能体，只不过存在几个弊端，当有许多不同的 API 时，启用工具使用变得很麻烦，因为任何工具都需要：手动构建prompt，每当其 API 发生变化时手动更新【3，4】。

如下图所示：

MCP其实解决了当存在大量工具时，能够自动发现，并自动构建prompt。

整体流程示例：

（1）以总结git项目最近5次提交为例，MCP 主机（与客户端一起）将首先调用 MCP 服务器，询问有哪些工具可用。

MCP 主机：像 Claude Desktop、IDE 或其他 AI 工具等程序，希望通过 MCP 访问数据。

MCP 客户端：与服务器保持 1:1 连接 的协议客户端。

（2）MPC 客户端接收到所列出的可用工具后，发给LLM，LLM 收到信息后，可能会选择使用某个工具。它通过主机向 MCP 服务器发送请求，然后接收结果，包括所使用的工具。

（3）LLM 收到工具处理结果（包括原始的query等信息），之后就可以向用户输出最终的答案。

总结起来，就一句话，MCP协议其实是让智能体更容易管理、发现、使用工具。

【1】For Server Developers - Model Context Protocol

【2】For Client Developers - Model Context Protocol

【3】

【4】