“三小时搞定AI工具开发“：基于MCP的Node.js极简实践

基于Node.js的MCP协议完整实现指南：连接大模型与现实世界的桥梁

一、MCP协议：大模型的"瑞士军刀"接口

1.1 什么是MCP？

MCP（Model Context Protocol）是专为大型语言模型设计的开放协议，它如同AI世界的USB接口标准。想象一下，当ChatGPT需要查询实时股价或进行复杂计算时，MCP就是让它能"即插即用"调用外部工具的标准化方式。

核心优势：

• 突破文本限制：让LLM获得现实世界的数据访问能力

• 统一工具接口：不同模型（GPT/Claude等）可共享同一套工具

• 流式交互：支持实时进度反馈（如长时间任务处理）

1.2 Function Calling vs MCP 深度对比

协议基础

技术实现

功能特性

生态支持

性能表现

适用场景建议

推荐使用 Function Calling ：

• 快速验证原型需求

• 仅需集成2-3个简单工具

• 已深度绑定OpenAI生态

• 工具调用耗时<3秒

推荐使用 MCP ：

• 构建企业级工具平台

• 需要支持多种LLM模型

• 涉及长时间运行任务(>5s)

• 要求工具热更新能力

• 需要细粒度权限控制

演进趋势：行业正在从私有协议（如Function Calling）向开放标准（如MCP）迁移，类似从厂商专属API到REST标准的演进过程

MCP 通信协议整理

目录

1. MCP 协议概述

2. 通信方式

3. 消息协议

4. 相关协议详解

1. MCP 协议概述

MCP（Message Communication Protocol）是一种用于分布式系统和微服务架构的通信协议，旨在提供高效、可靠的消息传递和数据交换。MCP 协议支持多种通信方式，消息遵循 JSON-RPC 2.0 协议格式，适用于进程间通信、HTTP、SSE 和 WebSocket 等多种场景。

2. 通信方式

MCP 协议支持以下几种通信方式：

• 进程间通信（IPC）： 适用于同一主机上进程之间的消息传递，通常使用管道、共享内存或消息队列。

• HTTP 协议： 基于请求-响应机制，适用于前后端交互和 RESTful API 调用。

• SSE（Server-Sent Events）： 服务器单向推送协议，适用于实时更新和消息通知。

• WebSocket 协议： 全双工通信协议，支持实时双向数据传输。

3. 消息协议

MCP 协议的消息格式遵循 JSON-RPC 2.0 标准，消息为 JSON 格式，具有以下特点：

• 基于 JSON 格式，轻量、易解析。

• 支持请求、响应和通知机制。

• 具备无状态和异步调用特性。

示例消息格式：

{
  "jsonrpc": "2.0",
  "method": "subtract",
  "params": [42, 23],
  "id": 1
}

响应格式：

{
  "jsonrpc": "2.0",
  "result": 19,
  "id": 1
}

4. 相关协议详解

JSON-RPC 2.0 协议

• 轻量级远程过程调用协议，基于 JSON 数据格式。

• 适用于 HTTP、WebSocket 或 TCP 传输。

• 支持批处理和通知机制。

SSE（Server-Sent Events）协议

• 基于 HTTP 协议的单向推送机制。

• 服务器实时向客户端推送更新。

• 常用于实时数据流和通知场景。

WebSocket 协议

• 实时双向通信协议，基于 TCP 连接。

• 低延迟，适用于聊天应用和实时监控。

HTTP 协议

• 经典请求-响应机制，适合 REST API。

• 常用于 Web 应用前后端交互。

gRPC 协议

• 高性能 RPC 框架，基于 HTTP/2 和 Protocol Buffers。

• 适合微服务和实时数据传输。

MQTT 协议

• 轻量级发布/订阅协议，适用于物联网（IoT）。

• 支持低带宽和高效消息推送。

以上是 MCP 协议相关的通信方式和消息协议介绍。

1.3 MCP现状速览

二、手把手遵循MCP实现一个需求

用户提问："对比特斯拉(TSLA)和英伟达(NVDA)过去三个月的股价波动，并给出投资组合建议"

实现思路

sequenceDiagram
    participant 用户
    participant ChatGPT
    participant MCP服务端
    participant 金融数据API

    用户->>ChatGPT: 输入查询请求
    ChatGPT->>MCP服务端: 调用stockHistory工具
    MCP服务端->>金融数据API: 获取TSLA历史数据
    MCP服务端->>金融数据API: 获取NVDA历史数据
    MCP服务端->>ChatGPT: 返回结构化数据
    ChatGPT->>MCP服务端: 调用analyzeTrend工具
    MCP服务端->>ChatGPT: 流式返回分析结果
    ChatGPT->>用户: 生成自然语言报告

实现拆解

server.js和 client.js 的代码在下面

工作流程

1. 工具注册中心
   像超市货架一样陈列所有可用工具，每个工具包含：

• 功能描述（供模型理解用途）

• 执行逻辑（具体的代码实现）

• 流式支持标记（是否支持实时进度反馈）

• 两大核心接口

• • GET /discovery：
    模型通过此接口查看"货架清单"，返回示例：

    {
      "tools": ["stockPrice", "analyzeSales"],
      "protocol": "MCP-1.0"
    }

  • POST /execute：
    模型实际调用工具时的入口，处理过程：

  1. 检查请求工具是否存在

  2. 验证参数格式

  3. 执行工具逻辑

  4. 返回JSON或流式结果

• 流式响应原理
  对于耗时任务（如销售数据分析）：

• • 创建PassThrough可读流

  • 分阶段推送进度信息

  • 保持连接直到任务完成

  典型应用场景

  当用户询问"特斯拉最近三个月销售趋势如何？"时：

  1. 模型发现需要调用analyzeSales工具

  2. 通过/execute接口触发分析

  3. 服务端持续返回：

     {"progress": 30, "stage": "数据加载中..."}
     {"progress": 80, "stage": "生成图表..."}
     {"result": {...}}

  2.1 server.js

  import express from 'express';
  import { EventEmitter } from 'events';
  
  const app = express();
  app.use(express.json());
  
  // 工具注册（严格遵循MCP工具描述规范）
  const tools = {
    stock_price: {
      description: "获取实时股票价格",
      parameters: {
        type: "object",
        properties: {
          symbol: { type: "string" }
        },
        required: ["symbol"]
      },
      handler: async ({ symbol }) => {
        return { price: (Math.random() * 100).toFixed(2), symbol };
      }
    }
  };
  
  // MCP发现端点（必须实现）
  app.post('/mcp/discover', (req, res) => {
    const response = {
      jsonrpc: "2.0",
      result: {
        protocol_version: "1.0",
        tools: Object.entries(tools).map(([name, def]) => ({
          name,
          description: def.description,
          parameters: def.parameters
        }))
      },
      id: req.body.id || null
    };
    res.json(response);
  });
  
  // MCP调用端点（严格遵循JSON-RPC 2.0）
  app.post('/mcp/invoke', async (req, res) => {
    const { jsonrpc, method, params, id } = req.body;
  
    // 校验JSON-RPC版本
  if (jsonrpc !== "2.0") {
      return res.status(400).json({
        jsonrpc: "2.0",
        error: { code: -32600, message: "Invalid Request" },
        id
      });
    }
  
    // 解析工具名（method格式：tool.{name}）
    const [, toolName] = method.split('.');
    const tool = tools[toolName];
  
  if (!tool) {
      return res.json({
        jsonrpc: "2.0",
        error: { code: -32601, message: "Method not found" },
        id
      });
    }
  
    // 执行工具调用
    try {
      const result = await tool.handler(params);
      res.json({ jsonrpc: "2.0", result, id });
    } catch (err) {
      res.json({
        jsonrpc: "2.0",
        error: { code: -32603, message: err.message },
        id
      });
    }
  });
  
  // SSE流式端点（MCP可选扩展）
  app.get('/mcp/stream/:taskId', (req, res) => {
    res.setHeader('Content-Type', 'text/event-stream');
    const { taskId } = req.params;
  
    // 模拟流式进度
  let progress = 0;
    const interval = setInterval(() => {
      progress += 10;
      res.write(`data: ${JSON.stringify({
        jsonrpc: "2.0",
        method: "progress_update",
        params: { taskId, progress }
      })}\n\n`);
  
      if (progress >= 100) {
        clearInterval(interval);
        res.write(`data: ${JSON.stringify({
          jsonrpc: "2.0",
          method: "task_complete",
          params: { taskId, result: "Done" }
        })}\n\n`);
        res.end();
      }
    }, 300);
  
    req.on('close', () => clearInterval(interval));
  });
  
  app.listen(3000, () => {
    console.log('MCP Server running at http://localhost:3000');
  });

  2.2 client.js

  import OpenAI from 'openai';
  import { EventSource } from 'eventsource';
  
  const openai = new OpenAI({ apiKey: 'your-api-key' });
  
  // MCP工具描述转换器
  function convertToOpenAITool(mcpTool) {
  return {
      type: "function",
      function: {
        name: `tool.${mcpTool.name}`,
        description: mcpTool.description,
        parameters: mcpTool.parameters
      }
    };
  }
  
  // 获取MCP工具列表
  async functiongetMCPTools() {
    const response = await fetch('http://localhost:3000/mcp/discover', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({ jsonrpc: "2.0", method: "discover", id: 1 })
    });
    const { result } = await response.json();
  return result.tools.map(convertToOpenAITool);
  }
  
  // 执行MCP调用
  async function callMCPTool(method, params) {
    const response = await fetch('http://localhost:3000/mcp/invoke', {
      method: 'POST',
      headers: { 'Content-Type': 'application/json' },
      body: JSON.stringify({
        jsonrpc: "2.0",
        method,
        params,
        id: Math.floor(Math.random() * 1000)
      })
    });
  return (await response.json()).result;
  }
  
  // 主对话流程
  async functionmain() {
    // 1. 动态获取工具列表
    const tools = await getMCPTools();
  
    // 2. 发起对话请求
    const chatCompletion = await openai.chat.completions.create({
      model: "gpt-4-turbo",
      messages: [{ role: "user", content: "AAPL当前股价是多少？" }],
      tools
    });
  
    // 3. 处理工具调用
    const toolCall = chatCompletion.choices[0].message.tool_calls?.[0];
  if (toolCall) {
      const result = await callMCPTool(
        toolCall.function.name,
        JSON.parse(toolCall.function.arguments)
      );
  
      // 4. 将结果返回给OpenAI
      const finalCompletion = await openai.chat.completions.create({
        model: "gpt-4-turbo",
        messages: [
          { role: "user", content: "AAPL当前股价是多少？" },
          chatCompletion.choices[0].message,
          {
            role: "tool",
            name: toolCall.function.name,
            content: JSON.stringify(result)
          }
        ]
      });
  
      console.log(finalCompletion.choices[0].message.content);
    }
  }
  
  main();

  性能优化技巧

  批处理工具调用：当多个工具需要并行调用时

  const toolPromises = toolCalls.map(call => 
    fetch(MCP_SERVER, {
      method: 'POST',
      body: JSON.stringify({
        tool: call.function.name,
        params: JSON.parse(call.function.arguments)
      })
    })
  );
  
  const toolResults = await Promise.all(toolPromises);

  缓存策略：对高频工具结果进行缓存

  import { createClient } from 'redis';
  
  const redis = createClient();
  await redis.connect();
  
  const cachedResult = await redis.get(`tool:${toolName}:${paramsHash}`);
  if (cachedResult) return JSON.parse(cachedResult);
  
  // ...执行工具调用
  await redis.setEx(`tool:${toolName}:${paramsHash}`, 60, JSON.stringify(result));

  MCP的未来展望

  技术演进路线

  • 多模态扩展（2025）

  • 支持图像生成/识别工具

  • 视频处理工具规范

  • 去中心化网络等

  mermaid
  graph TB
      A[模型] -->|MCP调用| B[工具市场]
      B --> C[区块链结算]
      B --> D[信誉评分]
  安全增强（2024-2025）
  硬件级隔离（Intel SGX）
  联邦学习支持

  

  开发者机遇

  • 工具变现：通过MCP工具商店获得分成收入

  • 垂直领域深耕：金融/医疗/教育等专业工具开发

  • 中间件服务：协议转换、流量管理、安全审计

  "MCP将重塑AI开发生态——未来三年，80%的AI应用将通过类似MCP的协议集成外部能力"

  最后

  • 欢迎大家点赞、收藏和转发，一起打破知识壁垒

  • 关注 前端巅峰 ，一起专注AI，人工智能，传统互联网，区块链等前沿技术

  • AI大爆炸的时代已来，紧追时代的风口，顶峰见