给 AI 装个“工具箱”：MCP 协议入门与 Node.js 实战

给 AI 装个"工具箱"：MCP 协议入门与 Node.js 实战

你有没有想过一件事：AI 聊天模型很聪明，但它没办法直接读你的本地文件、查天气预报、更新 GitHub Issue，或者在数据库里跑一条 SQL。

这不是能力问题，是协议问题。大模型生在云端，活在自己的世界里。要让它们真正"动起来"，你需要一个中间层——一个 AI 能理解和调用的标准接口。

MCP（Model Context Protocol）就是干这个的。它不是某个公司的私有方案，而是 Anthropic 推出来的开放协议，想把 AI 工具调用做到像 USB 接口一样即插即用。

这篇文章不讲概念堆砌，直接上手写一个 Node.js MCP Server，让它能查天气、算时间、读文件，然后让 AI 通过它来完成任务。

一、MCP 到底长什么样？

MCP 的架构只有三个角色：

• Host：AI 宿主，比如 Claude Desktop、Cursor、VS Code 插件
• Client：Host 内部运行的 MCP 客户端，负责连接 Server
• Server：你写的工具，暴露一些"能力"（resources 和 tools）

一个 MCP Server 可以提供：

• Tools：AI 可以调用的函数，比如 get_weather(city)、search_web(query)
• Resources：暴露给 AI 读的数据，比如本地文件、日志、数据库结果
• Prompts：预置的对话模板

通信走 JSON-RPC，传输层可以是 stdio（子进程管道）或者 SSE（HTTP 流）。本地开发用 stdio 就够了，不需要跑 HTTP 服务。

二、搭一个最简 MCP Server

安装依赖

1mkdir mcp-weather-demo && cd mcp-weather-demo
2npm init -y
3npm install @modelcontextprotocol/sdk
4

创建 server.js

1import { Server } from '@modelcontextprotocol/sdk/server/index.js';
2import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
3import { CallToolRequestSchema, ListToolsRequestSchema } from '@modelcontextprotocol/sdk/types.js';
4
5const server = new Server(
6  { name: 'demo-tools', version: '1.0.0' },
7  { capabilities: { tools: {} } }
8);
9
10server.setRequestHandler(ListToolsRequestSchema, async () => ({
11  tools: [
12    {
13      name: 'get_current_time',
14      description: '获取当前时间，支持时区参数',
15      inputSchema: {
16        type: 'object',
17        properties: {
18          timezone: { type: 'string', description: '时区，如 Asia/Shanghai' },
19        },
20      },
21    },
22    {
23      name: 'read_file',
24      description: '读取本地文本文件',
25      inputSchema: {
26        type: 'object',
27        properties: { path: { type: 'string', description: '文件绝对路径' } },
28        required: ['path'],
29      },
30    },
31  ],
32}));
33
34server.setRequestHandler(CallToolRequestSchema, async (request) => {
35  const { name, arguments: args } = request.params;
36  switch (name) {
37    case 'get_current_time': {
38      const tz = args?.timezone || 'Asia/Shanghai';
39      const text = new Date().toLocaleString('zh-CN', { timeZone: tz });
40      return { content: [{ type: 'text', text: '当前时间：' + text }] };
41    }
42    case 'read_file': {
43      const fs = await import('fs/promises');
44      try {
45        const content = await fs.readFile(args.path, 'utf-8');
46        return { content: [{ type: 'text', text: content }] };
47      } catch (err) {
48        return { isError: true, content: [{ type: 'text', text: err.message }] };
49      }
50    }
51    default:
52      return { isError: true, content: [{ type: 'text', text: '未知工具' }] };
53  }
54});
55
56const transport = new StdioServerTransport();
57await server.connect(transport);
58

就这么简单。一个 Server 就是一个 Node.js 进程，通过 stdin/stdout 和 AI 通信。

三、本地测试：不用 AI 也能跑

MCP Server 可以独立测试，不需要任何 AI 客户端。最方便的是 Anthropic 官方 MCP Inspector：

1npx @modelcontextprotocol/inspector node server.js
2

它会打开一个 Web UI，让你手动调用工具、查看返回结果。

四、集成到实际 AI 客户端

方式 1：Claude Desktop

在 MCP 配置中添加：

1{
2  "mcpServers": {
3    "demo-tools": {
4      "command": "node",
5      "args": ["C:/path/to/your/server.js"]
6    }
7  }
8}
9

重启后，Claude 就会自动发现你的工具。

方式 2：VS Code + Cline

Cline 是 VS Code 里的 AI 编码插件，支持 MCP。在 Cline 配置里添加 MCP Server 的启动命令即可。

方式 3：自定义 AI 客户端

1import { Client } from '@modelcontextprotocol/sdk/client/index.js';
2import { StdioClientTransport } from '@modelcontextprotocol/sdk/client/stdio.js';
3
4const transport = new StdioClientTransport({ command: 'node', args: ['./server.js'] });
5const client = new Client({ name: 'my-app', version: '1.0.0' });
6await client.connect(transport);
7
8const tools = await client.listTools();
9console.log(tools.tools.map(t => t.name));
10
11const result = await client.callTool({
12  name: 'get_current_time',
13  arguments: { timezone: 'Asia/Shanghai' },
14});
15console.log(result.content[0].text);
16

五、加一个更实用的工具：查天气

1// 工具定义
2{
3  name: 'get_weather',
4  description: '查询指定城市的实时天气',
5  inputSchema: {
6    type: 'object',
7    properties: { city: { type: 'string', description: '城市名，如北京、上海' } },
8    required: ['city'],
9  },
10}
11
12// 工具处理逻辑
13case 'get_weather': {
14  const city = args.city;
15  const url = 'https://wttr.in/' + encodeURIComponent(city) + '?format=%C+%t+%h+%w';
16  const res = await fetch(url);
17  const text = await res.text();
18  return { content: [{ type: 'text', text: city + ' 天气：' + text }] };
19}
20

wttr.in 是免费终端天气服务，不需要 API Key。如果对精度要求更高，可以换成 OpenWeatherMap 或和风天气。

六、安全注意事项

MCP 给 AI 开了"工具通道"，安全需要认真考虑。

1. 最小权限原则

不要暴露 exec、shell、delete_file 这类高风险工具。如果确实需要写文件，加上白名单路径限制。

2. 输入验证

AI 生成的参数不一定可靠。对每个参数做类型检查，拒绝不符合预期的输入。

3. 不要硬编码敏感信息

token、密码放在环境变量里，不要直接写在代码中。

4. 超时与限流

长时间运行的工具要加超时控制，防止 AI 意外调用导致 Server 卡死。

七、MCP 能做什么？真实场景

八、常见问题

Q1：MCP 和 Function Calling 有什么区别？

OpenAI 也有 Function Calling，但那是平台特定能力。MCP 是开放协议，不绑定模型或平台，而且把工具、资源和提示词统一管理。

Q2：一定要用 Node.js 吗？

不一定。MCP SDK 有 Python、TypeScript、Java、Kotlin 版本，用你熟悉的语言即可。

Q3：可以同时连接多个 MCP Server 吗？

可以。Host 能同时连接多个 Server，AI 会自动发现所有工具。

Q4：生产环境用 stdio 还是 SSE？

本地开发用 stdio 最方便。需要远程访问时用 SSE 或 Streamable HTTP。

Q5：MCP 安全吗？

协议本身不是关键，风险来自你暴露的工具。只读工具风险较小，写操作必须做权限控制和人工确认。

九、总结

MCP 的精髓不在于复杂，而在于它把"AI 工具化"标准化了。你写一个标准 MCP Server，所有支持 MCP 的客户端都能用，不必为每个平台单独适配。

今天就动手试试：从 get_current_time 开始，加 read_file，再加 get_weather。不到 100 行代码，你的 AI 就有了真正的"工具箱"。

下次你对 AI 说"帮我看看这个文件"或"查一下天气"，它就不用回答"抱歉，我无法执行这个操作"了——因为它真的可以。

《给 AI 装个“工具箱”：MCP 协议入门与 Node.js 实战》 是转载文章，点击查看原文。