用30行Python代碼，給你的AI Agent裝上MCP“萬能工具插件”

給AI Agent接入天氣查詢、數(shù)據(jù)庫操作或內(nèi)部API時，你是否遇到過這樣的困境：OpenAI一套格式、Claude一套格式、國產(chǎn)大模型又是另一套？光是適配不同平臺的tool calling接口，就耗掉了大把時間。

別折騰了。今天教你用30行Python代碼，基于MCP（Model Context Protocol）協(xié)議，打造一個“萬能工具插件”。一次開發(fā)，就能讓你的工具被任何支持MCP的AI Agent——無論是Claude、LobsterAI還是其他平臺——直接調(diào)用。

為什么你的Agent工具開發(fā)這么痛苦？

當前AI Agent開發(fā)的一大痛點，就是工具調(diào)用（Tool Calling）的碎片化。

• 格式不統(tǒng)一：OpenAI的Function Calling用JSON Schema描述工具；Claude的Tool Use格式類似但細節(jié)不同；國內(nèi)大模型廠商又各有各的實現(xiàn)。
• 重復(fù)開發(fā)：同一個“獲取天氣”功能，你可能需要為3個平臺寫3套不同的接口適配層。
• 維護成本高：任何工具邏輯變更，都意味著所有平臺的適配代碼需要同步更新。

這就像你為三種不同品牌的手機，分別開發(fā)充電器——效率低下，資源浪費。

MCP協(xié)議：一統(tǒng)江湖的“工具USB-C”

MCP（Model Context Protocol） 的出現(xiàn)，就是為了解決這個問題。你可以把它理解為 AI Agent領(lǐng)域的“USB-C”標準。

它的核心思想很簡單：

1. 工具提供方（你）只需按照MCP標準，將工具封裝成一個MCP Server。
2. AI Agent平臺（消費者）只需支持MCP Client協(xié)議。
3. 雙方通過標準協(xié)議通信，工具即插即用，無需關(guān)心底層實現(xiàn)差異。

技術(shù)價值一覽：

• 降低開發(fā)門檻：你只需學(xué)習(xí)一套協(xié)議，而非N個平臺的私有協(xié)議。
• 提升工具復(fù)用性：一個MCP Server可以被無數(shù)個Agent平臺調(diào)用。
• 實現(xiàn)跨平臺兼容：真正實現(xiàn)“一次開發(fā)，到處運行”。

實戰(zhàn)：30行代碼打造一個“實時匯率查詢”MCP Server

直接上手。這個例子將創(chuàng)建一個簡單的MCP Server，提供get_exchange_rate工具，查詢美元兌人民幣的實時匯率（模擬數(shù)據(jù)）。

第一步：環(huán)境準備

pip install mcp  # 安裝MCP官方Python SDK

第二步：編寫MCP Server代碼 (exchange_rate_server.py)

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

# 1. 初始化MCP Server
server = Server("exchange-rate-server")

# 2. 定義工具：描述工具名稱、功能、輸入?yún)?shù)
@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="get_exchange_rate",
            description="獲取美元兌人民幣的實時匯率（模擬數(shù)據(jù)）",
            inputSchema={  # 使用JSON Schema定義輸入?yún)?shù)
                "type": "object",
                "properties": {
                    "date": {
                        "type": "string",
                        "description": "查詢?nèi)掌冢袷結(jié)YYY-MM-DD，默認為今天"
                    }
                },
                "required": []  # 沒有強制參數(shù)
            }
        )
    ]

# 3. 實現(xiàn)工具調(diào)用邏輯
@server.call_tool()
async def call_tool(name: str, arguments: dict):
    if name == "get_exchange_rate":
        # 模擬數(shù)據(jù)：實際項目中這里會調(diào)用真實API
        rate = 7.2485  # 假設(shè)今日匯率
        date = arguments.get("date", "2026-03-23")
        result = f"日期：{date}\n美元兌人民幣匯率：{rate}"
        return [TextContent(type="text", text=result)]
    else:
        raise ValueError(f"未知工具: {name}")

# 4. 啟動Server（使用標準輸入輸出作為傳輸層）
if __name__ == "__main__":
    asyncio.run(server.run())

第三步：讓AI Agent連接并調(diào)用你的工具

現(xiàn)在，任何支持MCP Client的Agent都可以發(fā)現(xiàn)并使用你的工具了。以Claude Desktop為例（需已安裝MCP支持）：

1. 在Claude Desktop的配置文件中，添加你的Server。
2. 重啟Claude，它會自動發(fā)現(xiàn)get_exchange_rate工具。
3. 在對話中直接說：“查一下今天的美元匯率”，Claude就會自動調(diào)用你的MCP Server并返回結(jié)果。

整個過程，Agent端不需要寫任何額外代碼。 工具的發(fā)現(xiàn)、參數(shù)解析、調(diào)用、結(jié)果返回，全部由MCP協(xié)議自動處理。

這不僅僅是技術(shù)Demo：可復(fù)制的商業(yè)化路徑

這個“匯率查詢”示例雖然簡單，但其模式可以輕松復(fù)制到更有價值的場景：

• 內(nèi)部系統(tǒng)連接器：將公司CRM、ERP、數(shù)據(jù)庫封裝成MCP Server，讓銷售、客服Agent能安全查詢業(yè)務(wù)數(shù)據(jù)。
• 專業(yè)領(lǐng)域工具：封裝法律條文查詢、醫(yī)療知識庫、財務(wù)計算模型，通過MCP提供給特定行業(yè)的Agent使用。
• SaaS服務(wù)AI化：如果你有一個API服務(wù)（如圖像處理、文本分析），提供MCP接口，就能直接接入AI Agent生態(tài)，獲得新的分發(fā)渠道。

商業(yè)化關(guān)鍵：將你的MCP Server部署為穩(wěn)定服務(wù)（如使用Docker容器化），并提供清晰的工具描述和文檔，就能在AI Agent生態(tài)平臺（如www.xmhny.cn）上架，按調(diào)用次數(shù)或訂閱制收費。

下一步行動：立即動手，搶占生態(tài)位

1. 復(fù)制上面的代碼，在你的本地環(huán)境運行起來。用python exchange_rate_server.py啟動Server。
2. 連接一個Agent：如果你有Claude Desktop或支持MCP的Agent客戶端，嘗試配置并調(diào)用它。
3. 改造你的第一個工具：想一想你手頭有什么現(xiàn)成的Python函數(shù)或API，用同樣的模式封裝成MCP Server。
4. 發(fā)布與分享：將你的MCP Server部署到服務(wù)器，并在www.xmhny.cn（www.xmhny.cn）等Agent生態(tài)平臺分享，讓更多開發(fā)者和Agent發(fā)現(xiàn)你的工具。

工具調(diào)用的碎片化時代即將過去。掌握MCP，就是掌握了未來AI Agent生態(tài)的“工具接口標準”。用30行代碼，給你的Agent裝上第一個標準化“外掛”吧。