构建属于自己的第一个 MCP 服务器：初学者教程

发布于：2025-08-05 ⋅ 阅读:(11) ⋅ 点赞:(0)
为什么需要 MCP 服务器？

你是否遇到过这样的场景：向 AI 助手（比如 GitHub Copilot）询问 “北京今天的天气”，得到的回复却是 “我无法访问实时天气数据”？

这是因为大多数 AI 模型本身 “与世隔绝”—— 它们只能依赖训练时学到的知识，无法主动连接实时数据（如天气 API）、操作工具（如浏览器）或调用外部服务（如 GitHub）。而模型上下文协议（MCP）服务器就是解决这个问题的 “桥梁”：它让 AI 能像人一样 “使用工具”，比如调用天气 API 获取实时数据、控制浏览器访问网页，甚至操作 GitHub 创建代码提交。

举个例子：

  • 有了 Playwright MCP 服务器，AI 能自动打开浏览器，帮你测试网站功能；
  • 有了 GitHub MCP 服务器，AI 能直接帮你创建代码分支和拉取请求；
  • 今天我们要做的 “天气 MCP 服务器”，能让 AI 随时获取全球任意城市的实时天气 —— 从此问 AI 天气，它能给你精准到温度、湿度的答案。
什么是 MCP 服务器？

简单说，MCP 服务器是 AI 与现实世界之间的 “翻译官” 和 “工具管理员”。它的核心作用是：

  1. 告诉 AI “你有哪些工具可用”（比如 “天气查询工具”）；
  2. 接收 AI 的 “工具使用请求”（比如 “查上海的天气”）；
  3. 调用实际的外部服务（比如天气 API）获取结果；
  4. 把结果整理后返回给 AI，让 AI 能基于此生成回答。

有了 MCP 服务器，AI 不再是 “纸上谈兵”，而是能真正 “动手” 解决需要实时数据或外部交互的问题。

本教程目标

我们将用 TypeScript 构建一个 “天气 MCP 服务器”，实现：

  • 让 AI（如 GitHub Copilot）能通过这个服务器查询任意城市的实时天气；
  • 掌握 MCP 服务器的核心开发流程，为后续开发其他工具（如股票查询、新闻获取）打基础。
准备工作

在开始前，请确保你的环境满足这些条件：

  • 基本的 JavaScript/TypeScript 知识（能看懂简单的变量、函数和异步代码）；
  • 电脑上安装了 Node.js（推荐 v16 及以上，可通过node -v检查版本，没有的话去Node.js 官网下载）；
  • 代码编辑器（推荐 VS Code，方便后续与 GitHub Copilot 集成测试）；
  • 网络连接正常（需要下载依赖和调用天气 API）。

步骤 1：项目初始化与环境配置

这一步我们要搭建基础的项目结构，安装必要的工具，让代码能正常运行。

1. 创建项目文件夹并进入

首先，打开终端（Windows 用 PowerShell 或命令提示符，Mac/Linux 用 Terminal），执行以下命令：

# 创建项目文件夹（名字可以自定义，这里用mcp-weather-server）
mkdir mcp-weather-server  
# 进入文件夹
cd mcp-weather-server

这一步的作用是：为项目创建一个独立的文件夹，避免文件混乱。

2. 初始化 npm 项目

在终端中继续执行：

npm init -y
  • 作用：通过 npm（Node.js 的包管理工具）初始化项目，生成package.json文件（这个文件会记录项目的基本信息和依赖）。
  • 执行后，文件夹里会多出一个package.json，内容类似：
{
  "name": "mcp-weather-server",
  "version": "1.0.0",
  "main": "index.js",
  "scripts": { "test": "echo \"Error: no test specified\" && exit 1" },
  "keywords": [],
  "author": "",
  "license": "ISC",
  "description": ""
}
3. 安装必要的依赖

我们需要安装 3 类工具：

  • MCP 服务器核心 SDK（@mcp/server）：用于快速搭建 MCP 服务器；
  • TypeScript 相关工具（typescript、@types/node、ts-node）：因为我们用 TypeScript 开发，需要编译和运行 TS 代码；

在终端执行：

npm install @mcp/server  
npm install typescript @types/node ts-node --save-dev
  • --save-dev表示这些工具是 “开发时依赖”（只在写代码时用，运行时不用）；
  • 执行后，文件夹会多出node_modules（存放依赖代码）和package-lock.json（记录依赖的精确版本）。
4. 配置 TypeScript 编译规则

TypeScript 需要通过tsconfig.json文件指定编译规则（比如代码编译后生成的 JS 版本、是否严格检查类型等）。

在终端执行：

npx tsc --init

  • npx是 npm 自带的工具，用于临时运行安装的包；
  • 执行后，文件夹会生成tsconfig.json，我们需要修改其中几个关键配置（用 VS Code 打开文件，找到并修改）：
{
  "compilerOptions": {
    "target": "ES2020",  // 编译后的JS兼容ES2020标准
    "module": "ESNext",  // 模块系统用最新的ES模块（与MCP SDK兼容）
    "moduleResolution": "NodeNext",  // 模块查找规则匹配Node.js
    "outDir": "./dist",  // 编译后的JS文件放在dist文件夹
    "rootDir": "./",     // 源代码（TS文件）的根目录
    "strict": true,      // 开启严格类型检查（减少错误）
    "esModuleInterop": true,  // 兼容CommonJS和ES模块
    "skipLibCheck": true,    // 跳过对库文件的类型检查（加速编译）
    "forceConsistentCasingInFileNames": true  // 文件名大小写严格匹配
  }
}

这些配置的作用是：确保 TypeScript 代码能正确编译成 MCP SDK 支持的格式，避免运行时出错。

5. 修改 package.json，启用 ES 模块

MCP SDK 使用的是现代 ES 模块（即import/export语法），而 Node.js 默认用的是 CommonJS 模块（require语法）。为了兼容，需要修改package.json：

用 VS Code 打开package.json，添加"type": "module"字段，修改后如下：

{
  "name": "mcp-weather-server",
  "version": "1.0.0",
  "type": "module",  // 新增：启用ES模块
  "main": "main.ts",  // 修改：入口文件为我们后续创建的main.ts
  "scripts": {
    "start": "ts-node main.ts",  // 新增：用ts-node直接运行main.ts
    "test": "echo \"Error: no test specified\" && exit 1"
  },
  "dependencies": {
    "@mcp/server": "^x.x.x"  // 版本号可能不同，以实际安装为准
  },
  "devDependencies": {
    "@types/node": "^x.x.x",
    "ts-node": "^x.x.x",
    "typescript": "^x.x.x"
  }
}
  • 新增的"start": "ts-node main.ts"让我们可以用npm start直接运行 TypeScript 代码（不用先编译）；
  • "type": "module"确保 Node.js 用 ES 模块语法解析代码，避免出现import语法报错。
6. 创建主文件

在项目文件夹中创建main.ts（这是我们的核心代码文件）：

  • 在 VS Code 中，右键项目文件夹 → “新建文件” → 命名为main.ts；
  • 暂时不用写内容，后续步骤会逐步填充。

步骤 2：安装项目所需的依赖库

在开始编写代码前，我们需要先安装两个核心工具库，它们是搭建 MCP 服务器的 “基础零件”。

1. 安装 MCP SDK（核心开发工具）

MCP SDK（@modelcontextprotocol/sdk）是官方提供的开发包，里面包含了所有搭建 MCP 服务器的现成工具 —— 比如创建服务器实例、定义工具接口、处理 AI 与服务器的通信等。简单说，有了它，我们不用从零写代码，直接用现成的功能就能快速搭起服务器框架。

安装命令（在终端中执行）：

npm install @modelcontextprotocol/sdk

执行后，npm 会自动从网络下载这个库，并把它安装到项目的node_modules文件夹里，同时在package.json的dependencies中记录这个依赖（方便后续其他人运行项目时快速安装）。

2. 安装 Zod（数据验证工具）

Zod（zod）是一个用于数据验证的库。它的作用是：确保 AI 发送给服务器的参数是 “合规” 的。比如我们的天气服务器需要 “城市名” 作为参数，Zod 可以检查 AI 是否真的传了一个字符串（而不是数字或空值），如果参数不对，会直接报错，避免服务器因为无效数据崩溃。

安装命令（继续在终端执行）：

npm install zod

检查安装结果

安装完成后，打开项目中的package.json文件，在"dependencies"部分应该能看到这两个库的记录（版本号可能因安装时的最新版本略有不同）：

"dependencies": {
  "@modelcontextprotocol/sdk": "^1.13.1",
  "zod": "^3.25.6"
}

这说明两个库已经成功安装，接下来可以开始编写服务器代码了。

步骤 3：构建基础的 MCP 服务器

这一步我们会从零开始，逐步写出能运行的基础服务器代码。打开之前创建的main.ts文件，跟着以下步骤操作。

1. 导入需要的工具（代码开头）

首先，我们需要从刚才安装的库中 “导入” 要用的功能，就像做菜前把需要的食材拿出来一样。在main.ts顶部添加以下代码：

// 从MCP SDK中导入服务器核心类和通信工具
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
// 从Zod中导入数据验证工具
import { z } from "zod";
  • McpServer：用于创建 MCP 服务器实例的类（服务器的 “主体”）；
  • StdioServerTransport：用于处理服务器与外部（比如 AI）通信的工具（通过终端的输入输出传递数据）；
  • z：Zod 库的主入口，用于定义数据验证规则。

2. 创建服务器实例

接下来，我们需要创建一个服务器实例，相当于 “启动” 一个服务器程序。在导入代码下方添加：

// 创建MCP服务器实例，指定名称和版本
const server = new McpServer({
  name: "Weather Server",  // 服务器名称（会告诉AI这是什么服务器）
  version: "1.0.0"         // 版本号（用于区分服务器的不同版本）
});

这行代码会初始化一个服务器对象server，后续所有功能（比如定义工具、启动通信）都要通过这个对象来操作。

3. 定义服务器的 “工具”—— 让 AI 能调用的功能

MCP 服务器的核心是 “工具”（Tool）—— 这些工具是 AI 可以调用的功能。比如我们要实现 “查询天气”，就需要定义一个get-weather工具，告诉 AI：“你可以用这个工具查天气，需要传城市名作为参数”。

在服务器实例代码下方添加：

// 给服务器添加一个名为"get-weather"的工具
server.tool(
  'get-weather',  // 工具的唯一ID（AI调用时需要指定这个ID）
  'Tool to get the weather of a city',  // 工具描述（告诉AI这个工具能做什么）
  {  // 参数规则（用Zod定义，确保AI传对参数）
    city: z.string().describe("The name of the city to get the weather for")
  },
  // 工具的实际功能（当AI调用时，会执行这个函数）
  async ({ city }) => {
    // 暂时返回一个静态结果（后续会替换为调用真实天气API）
    return {
      content: [
        {
          type: "text",  // 返回内容的类型是文本
          text: `The weather in ${city} is sunny`  // 具体文本内容
        }
      ]
    };
  }
);

这段代码的每个部分都很关键，我们拆开来解释：

  • 第一个参数'get-weather'：工具的唯一标识，AI 必须通过这个 ID 才能调用该工具（比如 AI 会说 “调用 get-weather 工具，参数是 city: 北京”）。
  • 第二个参数'Tool to get the weather of a city'：给 AI 看的描述，让 AI 知道这个工具的用途（如果描述不清，AI 可能不会正确使用）。
  • 第三个参数{ city: z.string().describe(...) }：定义工具需要的参数。这里用z.string()指定 “city 必须是字符串”，describe则告诉 AI 这个参数的含义（“需要查询天气的城市名称”）。如果 AI 传的参数不是字符串（比如传了数字），Zod 会自动报错，避免工具出错。
  • 第四个参数（函数）：工具的核心逻辑。当 AI 调用get-weather工具时，这个函数会被执行，参数city就是 AI 传过来的城市名。目前我们先返回一个静态结果（比如 “北京的天气是晴天”），后续会改成调用真实的天气 API 获取实时数据。
4. 配置服务器的通信方式

服务器创建好了，工具也定义了，最后需要让服务器 “能听能说”—— 也就是配置通信方式，让它能接收 AI 的请求，并返回结果。

在工具定义代码下方添加：

// 创建基于终端输入输出的通信工具
const transport = new StdioServerTransport();
// 让服务器通过这个通信工具启动
server.connect(transport);
  • StdioServerTransport：这是一种简单的通信方式，通过终端的stdin（标准输入）接收 AI 的请求，通过stdout（标准输出）返回结果。对于本地开发和测试来说，这种方式足够用了。
  • server.connect(transport)：让服务器通过这个通信工具 “上线”，开始等待 AI 的调用。
完整的基础服务器代码

到这里，main.ts的完整代码如下：

// 导入所需的工具
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { z } from "zod";

// 创建服务器实例
const server = new McpServer({
  name: "Weather Server",
  version: "1.0.0"
});

// 定义get-weather工具
server.tool(
  'get-weather',
  'Tool to get the weather of a city',
  {
    city: z.string().describe("The name of the city to get the weather for")
  },
  async ({ city }) => {
    return {
      content: [
        {
          type: "text",
          text: `The weather in ${city} is sunny`
        }
      ]
    };
  }
);

// 配置通信并启动服务器
const transport = new StdioServerTransport();
server.connect(transport);

测试基础服务器（可选）

现在我们可以运行这个服务器，看看它是否能正常工作。在终端中执行：

npm start  # 这个命令会通过package.json中配置的ts-node运行main.ts

如果一切正常，终端会显示服务器启动的信息（可能是空白或简单的日志），此时服务器处于 “等待状态”，随时可以接收 AI 的调用。

（注：目前这个服务器还只能返回静态结果，下一部分我们会连接真实的天气 API，让它能返回实时数据。）

步骤 4：使用 MCP Inspector 进行测试

在添加真实天气数据之前，让我们使用 MCP Inspector（一个基于 Web 的 MCP 服务器调试工具）测试我们的服务器。

启动检查器

运行此命令以打开服务器的 MCP 检查器：

npx -y @modelcontextprotocol/inspector npx -y tsx main.ts

运行该命令后，您将看到终端输出：

  • 本地主机 URL（例如http://127.0.0.1:6274）
  • 唯一的会话令牌
  • 预先填充了令牌的直接链接

💡提示：单击已包含令牌的链接以避免手动输入。

连接并测试

  1. 连接：单击检查器中的“连接”按钮
  2. 导航：点击顶部导航中的“工具”
  3. 选择：选择您的get-weather工具
  4. 测试：输入城市名称（例如“帕尔马”），然后单击“运行工具”

应该会看到响应："The weather in Palma de Mallorca is sunny"

故障排除：

  • 连接错误？请确保使用的链接已预填充令牌

太棒了！构建的 MCP 服务器已经正常运行了。现在，让我们让它真正发挥作用。

步骤5：添加真实天气数据

是时候让我们的服务器真正发挥作用了！我们将与Open-Meteo集成，这是一个免费的天气 API，无需 API 密钥。

天气 API 的工作原理

要获取天气数据，我们需要一个两步过程：

  1. 转换城市名称→坐标（使用地理编码 API）
  2. 使用坐标获取天气（使用天气 API）

更新工具功能

用此增强版本替换您现有的工具功能：

server.tool(
  'get-weather',
  'Tool to get the weather of a city',
  {
    city: z.string().describe("The name of the city to get the weather for")
  },
  async({ city }) => {
    try {
      // Step 1: Get coordinates for the city
      const geoResponse = await fetch(
        `https://geocoding-api.open-meteo.com/v1/search?name=${city}&count=1&language=en&format=json`
      );
      const geoData = await geoResponse.json();

      // Handle city not found
      if (!geoData.results || geoData.results.length === 0) {
        return {
          content: [
            {
              type: "text",
              text: `Sorry, I couldn't find a city named "${city}". Please check the spelling and try again.`
            }
          ]
        };
      }

      // Step 2: Get weather data using coordinates
      const { latitude, longitude } = geoData.results[0];
      const weatherResponse = await fetch(
        `https://api.open-meteo.com/v1/forecast?latitude=${latitude}&longitude=${longitude}&current=temperature_2m,relative_humidity_2m,apparent_temperature,precipitation,weather_code&hourly=temperature_2m,precipitation&forecast_days=1`
      );

      const weatherData = await weatherResponse.json();

      // Return the complete weather data as JSON
      return {
        content: [
          {
            type: "text",
            text: JSON.stringify(weatherData, null, 2)
          }
        ]
      };
    } catch (error) {
      return {
        content: [
          {
            type: "text",
            text: `Error fetching weather data: ${error.message}`
          }
        ]
      };
    }
  }
);

测试真实数据

  1. 重新启动MCP Inspector（Ctrl+C，然后重新运行命令）
  2. 在 Web 界面重新连接
  3. 使用“东京”或“纽约”等真实城市进行测试

现在应该能看到真实的天气数据，而不是“晴天”了！🌤️

第六步：将天气服务器与 VS Code 和 GitHub Copilot 集成

到这一步，我们已经搭建好了能返回实时天气数据的 MCP 服务器。接下来，我们要让它和 VS Code（代码编辑器）、GitHub Copilot（AI 助手）“连起来”，这样在写代码时，就能直接问 Copilot 天气了。

准备工作

在开始前，请确保：

  1. 你的 MCP 服务器代码（main.ts）已经保存，并且能正常运行（之前测试过返回天气数据）；
  2. VS Code 已安装，且安装了 “GitHub Copilot” 插件（如果没装，在 VS Code 的 “扩展” 面板搜索 “GitHub Copilot” 并安装，需要登录 GitHub 账号）。

第一步：在 VS Code 中注册你的天气服务器

注册的目的是告诉 VS Code：“我有一个本地的 MCP 服务器，地址是 xxx，你可以通过它和 Copilot 通信”。具体步骤如下：

  1. 打开 VS Code，确保已经打开我们的项目文件夹（mcp-weather-server）。

  2. 打开 VS Code 的 “命令面板”：

    • Windows/Linux 用户：按 Ctrl + Shift + P
    • Mac 用户：按 Cmd + Shift + P

  3. 在命令面板中输入 MCP: Add Server，然后按回车（这是 VS Code 中 MCP 相关的命令，用于添加新服务器）。

  4. 选择服务器类型：在弹出的选项中，选择 “使用 stdio 的本地服务器”（因为我们的服务器是通过终端输入输出通信的，和本地程序一样）。

  5. 输入启动服务器的命令：
    在 “输入命令” 的提示框中，输入 npx -y tsx main.ts。

    • 解释：npx 是用来运行本地安装的工具的命令；tsx 是一个能直接运行 TypeScript 代码的工具（类似之前的ts-node）；main.ts 是我们的服务器入口文件。
      这个命令的作用是：让 VS Code 知道 “如何启动你的服务器”。

  6. 给服务器起个名字：在 “姓名” 提示框中，输入 my-weather-server（可以自定义，方便后续识别）。

  7. 选择安装类型：在弹出的选项中，选择 “本地设置”（表示这个服务器配置只在当前项目中生效，不会影响其他项目）。

第二步：确认服务器配置文件

完成注册后，VS Code 会在你的项目文件夹中自动创建一个 .vscode 文件夹，里面有一个 mcp.json 文件。这个文件记录了服务器的配置信息，内容类似：

{
  "inputs": [],
  "servers": {
    "my-weather-server": {
      "type": "stdio",
      "command": "npx",
      "args": [
        "-y",
        "tsx",
        "/Users/你的用户名/项目路径/main.ts"  // 这里是你main.ts的实际路径
      ]
    }
  }
}
  • 这个文件的作用是：告诉 VS Code “启动服务器需要执行什么命令”“服务器的类型是什么”。不用手动修改，保持默认即可。
第三步：启动服务器并测试与 Copilot 的连接

现在我们要启动服务器，然后让 Copilot 调用它来查询天气。

  1. 打开 VS Code 的 MCP 面板：
    在 VS Code 左侧的活动栏中，找到并点击 “MCP” 图标（通常是一个类似 “工具” 的图标，如果没找到，可以在 “扩展” 中搜索 “MCP” 插件并确保已启用）。

  2. 启动服务器：
    在 MCP 面板中，找到你刚才注册的 my-weather-server，它的状态应该是 “未运行”。点击服务器名称旁边的 “启动” 按钮（通常是一个三角形的 “播放” 图标）。

    • 启动后，状态会变成 “正在运行”，表示服务器已经启动成功，随时可以接收 Copilot 的请求。

  3. 切换 Copilot 到 “代理模式”：
    在 VS Code 左侧的活动栏中，点击 “GitHub Copilot” 图标，打开 Copilot 侧边栏。在侧边栏中，找到并点击 “代理模式”（Proxy Mode）—— 这个模式会让 Copilot 知道 “可以调用外部工具（比如我们的天气服务器）”。

  4. 向 Copilot 询问天气：
    在 Copilot 的输入框中，输入问题，比如 “东京的天气怎么样？”，然后按回车。

  5. 允许 Copilot 调用工具：
    第一次调用时，Copilot 会弹出一个提示：“是否允许使用 my-weather-server 中的 get-weather 工具？”，点击 “继续” 或 “允许”。

第四步：查看结果

稍等片刻，Copilot 会返回类似这样的结果：

东京今日天气
温度：28°C（体感 32°C）
湿度：75%
天气状况：多云，傍晚预计有小雨

这说明：Copilot 成功调用了我们的天气服务器，获取到实时数据后，还自动整理成了易读的格式（而不是原始的 JSON 数据）。

为什么这个功能很有用？

到这里，你可能会好奇：这个集成到底解决了什么问题？

  1. AI 能直接用你的工具：以前 Copilot 因为没有实时数据接口，无法回答天气问题；现在通过你的 MCP 服务器，它能主动调用工具获取数据，相当于给 AI 装了 “实时数据接口”。

  2. 一次开发，多处可用：只要服务器符合 MCP 协议，不仅能和 GitHub Copilot 配合，还能和其他支持 MCP 的 AI 工具（比如 Claude、ChatGPT 的插件模式）兼容，不用重复开发。

  3. 数据实时更新：服务器每次调用都会请求天气 API 的最新数据，不会有缓存过期的问题，确保信息是最新的。

  4. 易于扩展：后续你可以给服务器添加更多工具，比如 “查询未来 3 天的天气”“获取空气质量指数”，只需要在main.ts中新增工具定义，Copilot 会自动识别并使用这些新功能。

完整代码参考

这是最终main.ts文件：

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
import { z } from "zod";

const server = new McpServer({
  name: "Weather Server",
  version: "1.0.0"
});

server.tool(
  'get-weather',
  'Tool to get the weather of a city',
  {
    city: z.string().describe("The name of the city to get the weather for")
  },
  async({ city }) => {
    try {
      const response = await fetch(`https://geocoding-api.open-meteo.com/v1/search?name=${city}&count=10&language=en&format=json`);
      const data = await response.json();

      if (data.results.length === 0) {
        return {
          content: [
            {
              type: "text",
              text: `No results found for city: ${city}`
            }
          ]
        };
      }

      const { latitude, longitude } = data.results[0];
      const weatherResponse = await fetch(`https://api.open-meteo.com/v1/forecast?latitude=${latitude}&longitude=${longitude}&hourly=temperature_2m,precipitation,apparent_temperature,relative_humidity_2m&forecast_days=1`);

      const weatherData = await weatherResponse.json();

      return {
        content: [
          {
            type: "text",
            text: JSON.stringify(weatherData, null, 2)
          }
        ]
      };
    } catch (error) {
      return {
        content: [
          {
            type: "text",
            text: `Error fetching weather data: ${error.message}`
          }
        ]
      };
    }
  }
);

const transport = new StdioServerTransport();
server.connect(transport);

下一步：增强服务器

准备好将构建好的天气服务器提升到一个新的水平了吗？以下是一些建议：

🚀 额外的天气工具

延伸预测

server.tool('get-forecast', 'Get 7-day weather forecast', ...)

天气警报

server.tool('get-alerts', 'Get severe weather warnings', ...)

空气质量

server.tool('get-air-quality', 'Get air pollution data', ...)

共享搭建的属于自己的服务器

  • 发布到 NPM：让其他人可以使用

结论

🎉恭喜！已成功搭建属于自己的第一个 MCP 天气服务器！

您所取得的成就：

  • ✅ 从零开始创建功能齐全的 MCP 服务器
  • ✅ 集成来自外部 API 的实时天气数据
  • ✅ 将其连接到 VS Code 和 GitHub Copilot
  • ✅ 学习了模型上下文协议的基础知识

关键要点：

  • 简单： MCP 服务器的构建比看起来要容易得多
  • 力量：真实数据使人工智能交互更有价值
  • 灵活性：同一服务器可跨多个 AI 平台工作
  • 面向未来：您正在构建下一代人工智能的基础设施

下一步是什么？可能性无穷无尽！天气只是个开始，现在你可以将 AI 连接到数据库、API、文件系统以及你能想到的任何服务。

祝各位读者搭建愉快！🚀

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布