MCP 理解：从一个简单 Server 看懂 MCP 的本质

一、先看代码

from mcp.server.fastmcp import FastMCP
import math

mcp = FastMCP("MCP学习")


@mcp.tool()
def add(a: float, b: float) -> float:
    """两数相加"""
    return a + b


@mcp.tool()
def calc(expr: str) -> str:
    """计算数学表达式"""
    ...


@mcp.tool()
def weather(city: str) -> str:
    """查询城市天气"""
    ...

启动：

mcp.run(transport="stdio")

---

二、一句话理解这个程序

这个程序本质上就是：

把三个 Python 函数暴露给大模型调用。

即：

add
calc
weather

全部变成：

MCP Tool

---

三、它到底是什么？

你可以把它理解成：

普通软件
        ↓
MCP Server
        ↓
LLM 可以操作的软件

---

四、整个系统结构

用户
 ↓
LLM
 ↓
MCP Client
 ↓
JSON-RPC
 ↓
你的 MCP Server
 ↓
Python 函数

例如：

用户：
北京天气怎么样？

流程：

LLM
 ↓
weather("北京")
 ↓
返回结果
 ↓
组织语言回答用户

---

五、MCP Server 干了什么？

创建：

mcp = FastMCP("MCP学习")

相当于：

创建一个 MCP 服务。

里面注册了：

add
calc
weather

最终：

MCP Server
├── add
├── calc
└── weather

---

六、@mcp.tool() 做了什么？

很多人以为：

@mcp.tool()

只是个装饰器。

实际上它做了三件事：

---

① 注册函数

add
calc
weather

全部加入工具列表。

---

② 自动生成 Schema

例如：

{
  "name": "add",
  "description": "两数相加",
  "parameters": {
    "a": "number",
    "b": "number"
  }
}

LLM 才知道：

这个工具叫什么？
参数是什么？
返回什么？

---

③ 暴露成 JSON-RPC 接口

变成：

tools/list
tools/call

供 MCP Client 调用。

---

七、LLM 怎么知道有哪些工具？

MCP Client 会先发送：

{
  "method": "tools/list"
}

你的 Server 返回：

{
  "tools": [
    {
      "name": "add",
      "description": "两数相加"
    },
    {
      "name": "calc",
      "description": "计算表达式"
    },
    {
      "name": "weather",
      "description": "查询天气"
    }
  ]
}

然后：

LLM 知道了：

我现在拥有三个工具。

---

八、调用 add 工具

用户：

3+5是多少？

LLM：

有一个 add 工具。

于是发送：

{
  "method": "tools/call",
  "params": {
    "name": "add",
    "arguments": {
      "a": 3,
      "b": 5
    }
  }
}

Server：

add(3, 5)

返回：

{
  "result": 8
}

LLM：

3+5=8。

---

九、调用 weather 工具

用户：

北京天气怎么样？

LLM：

{
  "method": "tools/call",
  "params": {
    "name": "weather",
    "arguments": {
      "city": "北京"
    }
  }
}

Server：

weather("北京")

返回：

{
  "温度": 28,
  "天气": "晴"
}

LLM：

北京当前天气晴，温度28℃。

---

十、调用 calc 工具

用户：

sqrt(16)+10

LLM：

{
  "method": "tools/call",
  "params": {
    "name": "calc",
    "arguments": {
      "expr": "sqrt(16)+10"
    }
  }
}

Server：

calc("sqrt(16)+10")

返回：

14

LLM：

结果是14。

---

十一、整个调用流程图

用户
 ↓
LLM
 ↓
MCP Client
 ↓
tools/call
 ↓
MCP Server
 ↓
Python函数
 ↓
返回结果
 ↓
LLM
 ↓
用户

---

十二、这里面有 Agent 吗？

没有。

这里只有：

LLM
+
MCP Server

---

如果是 Agent：

Planner
 ↓
Worker Agent
 ↓
MCP Client
 ↓
MCP Server

MCP 只是 Agent 获得能力的一种方式。

---

十三、MCP 与 FastAPI 的区别

FastAPI

@app.post("/add")
def add(a, b):
    return a+b

作用：

给程序调用。

---

MCP

@mcp.tool()
def add(a, b):
    return a+b

作用：

给大模型调用。

---

十四、最重要的理解

很多人以为：

MCP = Function Calling

其实不完全对。

MCP：

Function Calling
+
标准协议
+
工具发现
+
资源管理
+
Prompt管理
+
上下文共享

比普通 Function Calling 更强。

---

十五、如果做成小说翻译软件

例如：

@mcp.tool()
def open_book(path):
    ...

@mcp.tool()
def translate_chapter(chapter_id):
    ...

@mcp.tool()
def export_epub():
    ...

那么：

Claude
Codex
Cursor
你的 Agent Runtime

全部都可以操作软件。

---

十六、真正理解 MCP

MCP 不是模型。

MCP 也不是 Agent。

MCP 是一种标准协议，
它允许软件把自己的能力暴露给 AI，
让 AI 像调用 API 一样操作软件。

或者：

普通软件：
人点击按钮。

MCP 软件：
AI 点击按钮。

---

十七、总结

@mcp.tool()
=
把 Python 函数包装成 AI 可以调用的工具。

MCP Server
=
把整个软件包装成 AI 可以操作的软件。

MCP
=
AI 世界的 USB 协议。