MCP Server 工程化

这一节解决什么问题

AI Agent 需要调用大量外部工具来完成任务。每个工具的接入都需要写适配代码：定义工具 schema、实现参数校验、处理错误、管理权限。当工具数量增多时，接入成本线性增长。MCP（Model Context Protocol）解决的是"怎么标准化工具接入，让工具开发者和 Agent 开发者各管各的"的问题。工程化关注的是"怎么让 MCP Server 在生产环境中可靠运行"。

核心概念

MCP（Model Context Protocol）：Anthropic 提出的标准化协议，定义模型和外部工具、数据源之间的通信规范。

Tools：MCP Server 暴露的可调用能力。每个 Tool 定义了名称、描述、参数 schema 和执行函数。

Resources：MCP Server 暴露的可读取数据源。Resources 是只读的，模型可以获取资源内容但不能修改。

Prompts：MCP Server 暴露的预定义 Prompt 模板。Host 应用可以用这些模板构建更好的上下文。

MCP Server 的职责：注册工具、校验参数、执行操作、返回结果、记录日志、管理权限。

MCP 和 Function Calling 的关系：Function Calling 是模型能力（模型怎么表达调用意图），MCP 是协议标准（工具怎么被发现和接入）。两者互补。

工程化设计

一个生产级 MCP Server 需要处理以下工程问题：

工具注册：每个工具需要定义清晰的名称、描述、参数 schema。描述要说明工具的用途和适用场景，参数 schema 要标注类型、必填性、取值范围。这些信息直接影响模型的调用准确率。

参数校验：模型生成的参数可能不符合 schema 定义，需要在执行前做严格校验。校验失败时返回清晰的错误信息，让模型知道参数哪里不对。

权限控制：不同工具有不同的权限要求。只读工具可以直接执行，写入工具可能需要人工确认，高风险工具可能被禁止自动调用。

错误处理：工具执行可能失败（网络超时、服务不可用、参数错误）。错误信息需要结构化返回，包含错误类型、错误描述、是否可重试。

日志与审计：记录每次工具调用的输入、输出、执行时间、调用者身份，用于调试和安全审计。

最小实现思路

python

from mcp.server import Server
from mcp.types import Tool, TextContent

server = Server("my-agent-tools")

# 工具注册
@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="query_order",
            description="查询订单状态。根据订单号查询订单的当前状态、物流信息。",
            inputSchema={
                "type": "object",
                "properties": {
                    "order_id": {
                        "type": "string",
                        "description": "订单号",
                    },
                },
                "required": ["order_id"],
            },
        ),
    ]

# 工具执行
@server.call_tool()
async def call_tool(name: str, arguments: dict):
    # 参数校验
    if name == "query_order":
        order_id = arguments.get("order_id")
        if not order_id or not isinstance(order_id, str):
            return [TextContent(type="text", text="错误：order_id 必须是非空字符串")]

        # 执行
        try:
            result = await query_order_from_db(order_id)
            return [TextContent(type="text", text=str(result))]
        except OrderNotFoundError:
            return [TextContent(type="text", text=f"错误：订单 &#123;order_id&#125; 不存在")]
        except Exception as e:
            return [TextContent(type="text", text=f"错误：查询失败 - &#123;str(e)&#125;")]

    return [TextContent(type="text", text=f"错误：未知工具 &#123;name&#125;")]

生产环境注意点

Schema 质量：工具描述和参数 schema 是模型选择工具的依据。描述不清楚会导致模型调用错误，schema 不准确会导致参数校验失败。需要投入时间打磨每个工具的 schema。

版本管理：工具 schema 变更时需要考虑向后兼容。删除参数、修改参数类型可能导致已有的调用失败。

超时控制：工具执行可能很慢（如数据库查询、外部 API 调用），需要设置超时时间，超时后返回错误而不是无限等待。

并发控制：MCP Server 可能同时收到多个调用请求，需要考虑并发安全。共享资源（如数据库连接池）需要做并发控制。

健康检查：MCP Server 需要暴露健康检查端点，让 Host 应用知道 Server 是否可用。

常见误区

Schema 描述写得太简略：模型需要通过描述理解工具用途，描述不清楚会降低调用准确率。
不做参数校验：模型生成的参数可能有格式错误或类型错误，必须校验。
错误信息不结构化：错误信息需要让模型能理解，方便模型决定是否重试或换一种方式。
不做版本管理：工具 schema 变更可能导致已有调用失败。
把 MCP 当作万能方案：简单的工具集成直接用 Function Calling 就够了，不需要引入 MCP。

面试表达

MCP 是 Anthropic 提出的标准化协议，解决工具接入的标准化问题。MCP Server 的职责是注册工具、校验参数、执行操作、返回结果。工程上需要关注 Schema 质量（描述和参数定义直接影响调用准确率）、参数校验（模型生成的参数可能不符合预期）、错误处理（结构化错误信息让模型能理解）、权限控制（不同工具有不同的权限要求）。

MCP 和 Function Calling 的关系是互补：Function Calling 是模型能力，MCP 是协议标准。MCP Server 暴露工具，Function Calling 让模型表达调用意图。简单的工具集成直接用 Function Calling 就够了，MCP 适合工具数量多、需要标准化接入的场景。

MCP Server 工程化 ​

这一节解决什么问题 ​

核心概念 ​

工程化设计 ​

最小实现思路 ​

生产环境注意点 ​

常见误区 ​

面试表达 ​

相关链接 ​