1. 从零构建 MCP Server为什么值得折腾如果你正在用 Claude、Cursor 或 Trae 这类 AI 工具大概率遇到过这样的场景想让模型读一下本地某个目录的日志、查一下内部接口的状态、或者把一段结构化数据塞进对话里结果发现模型只能靠你手动复制粘贴。Model Context ProtocolMCP就是来解决这个问题的——它把「模型能调用的工具」标准化成一个轻量服务AI 客户端通过协议去请求你只需要维护一个 Server。MCP 常被类比成 AI 应用的 USB-C 接口客户端是电脑Server 是外设插上就能用不用为每个模型单独写适配。它适合三类人一是想让 Claude Desktop 直接操作本地文件或数据库的开发者二是想把内部 API 包装成工具给 LLM 用的后端同学三是正在做 Agent、需要统一工具入口的团队。本文会从 FastMCP 骨架开始写一个可运行的工具服务再把它接到 TaoToken 的统一 Key/API 通道上最后给出 settings.json 与 config.toml 的可复制配置和连通性验证动作。全程按「能跑通」的标准来不堆概念。2. 前置准备TaoToken 通道与 MCP 运行环境MCP Server 本身是本地进程它不直接跟模型通信而是被客户端调用。真正跟模型对话的那一层需要一个稳定的 API 入口。我这边统一用 TaoToken 来做这件事它提供一个兼容常见协议的统一 Key 和 API 地址Claude、Codex 这类工具只要把 base_url 指过去就能用省得每个工具单独配一套凭证。你需要先拿到两样东西一个 API Key在控制台创建地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite确认 API 基地址https://taotoken.net/api这个地址不加 UTM直接填进配置环境侧MCP 的 Python SDK 要求 Python 3.10 以上推荐用 uv 管理虚拟环境因为它启动快、依赖隔离干净。装 uv 的命令curl -LsSf https://astral.sh/uv/install.sh | sh装完重开终端确认uv --version能输出。Windows 用户可以用powershell -c irm https://astral.sh/uv/install.ps1 | iex。这一步别跳过后面uv run启动 Server 全靠它。注意MCP Server 跑在本地客户端通过 stdio 或 HTTP 跟它通信。所以你的 API Key 是配在「客户端调用模型」那一层不是配在 Server 里。两者别混。3. 可复制配置FastMCP 骨架与工具注册先建项目。下面这套命令会创建目录、虚拟环境和依赖uv init mcp-demo cd mcp-demo uv venv source .venv/bin/activate uv add mcp[cli] httpx touch server.pyserver.py里写一个最小可用的 Server包含两个工具一个读本地文件行数一个查 HTTP 接口状态。工具注册靠mcp.tool()装饰器函数签名和 docstring 会自动变成模型看到的工具描述。from typing import Any import httpx from mcp.server.fastmcp import FastMCP mcp FastMCP(demo-server) mcp.tool() async def count_lines(path: str) - str: 统计指定文本文件的行数。 Args: path: 文件的绝对路径 try: with open(path, r, encodingutf-8) as f: n sum(1 for _ in f) return f{path} 共 {n} 行 except Exception as e: return f读取失败: {e} mcp.tool() async def check_status(url: str) - str: 请求一个 URL 并返回 HTTP 状态码。 Args: url: 要检查的完整 URL async with httpx.AsyncClient(timeout10.0) as client: try: r await client.get(url) return f{url} - {r.status_code} except Exception as e: return f请求异常: {e} if __name__ __main__: mcp.run(transportstdio)跑起来验证一下uv run server.py如果没报错、进程挂起等待输入说明 Server 正常。stdio 模式下它不会打印欢迎语这是预期行为。接下来是客户端配置。Claude Desktop 的配置文件在 macOS 是~/Library/Application Support/Claude/claude_desktop_config.jsonWindows 是%AppData%\Claude\claude_desktop_config.json。把 Server 注册进去{ mcpServers: { demo: { command: uv, args: [ --directory, /ABSOLUTE/PATH/TO/mcp-demo, run, server.py ] } } }路径必须是绝对路径相对路径会静默失败。如果你用的是支持 TOML 配置的客户端比如某些 CLI 工具等价写法是[mcp_servers.demo] command uv args [--directory, /ABSOLUTE/PATH/TO/mcp-demo, run, server.py]模型通道那边把 base_url 指向 TaoTokenKey 填你创建的那串。以 Claude 系工具为例环境变量方式export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的Key这样客户端调模型走 TaoToken调工具走本地 MCP Server两条链路互不干扰。4. 验证请求从工具列表到真实调用配置保存后完全重启客户端。以 Claude Desktop 为例界面上会出现一个工具图标点开应该能看到count_lines和check_status两个工具。如果看不到先别急着改代码八成是配置路径或 JSON 语法问题。验证分三步走第一步确认工具被识别。在对话里直接问「你有哪些工具」模型会列出注册的工具名和描述。这一步验证的是 MCP 握手成功。第二步触发一次真实调用。输入「帮我统计 /tmp/test.log 有多少行」模型会请求调用count_lines你批准后返回结果。这一步验证的是 stdio 通信和函数执行。第三步验证模型通道。问一个纯对话问题比如「用一句话解释 MCP」如果正常返回说明 TaoToken 的 API 通道是通的。想单独测模型连通性可以用模型对话页面直接发一条消息https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite命令行侧也可以用 curl 快速探一下 API 是否可达curl -s -o /dev/null -w %{http_code}\n https://taotoken.net/api返回 200 或 401 都说明网络层通了401 只是没带 Key。带上 Key 的完整请求按你所用协议的格式来Anthropic 协议大致是curl https://taotoken.net/api/v1/messages \ -H x-api-key: 你的Key \ -H anthropic-version: 2023-06-01 \ -H content-type: application/json \ -d {model:claude-sonnet-4-20250514,max_tokens:64,messages:[{role:user,content:ping}]}能拿到 JSON 响应就说明通道没问题。如果这里报模型名错误换成你账号下可用的模型标识即可。5. 常见报错排查Server 不显示、工具静默失败工具图标不出现。九成是claude_desktop_config.json的 JSON 语法错了比如多了个逗号、路径没转义。用python -m json.tool claude_desktop_config.json校验一下。另外确认路径是绝对路径Windows 下反斜杠要写成\\。Server 启动即退出。在终端手动跑uv run server.py看有没有 traceback。常见原因是 Python 版本低于 3.10或者mcp[cli]没装进当前虚拟环境。用uv run python -c import mcp; print(mcp.__version__)确认。工具调用静默失败。模型说要用工具但没结果通常是函数抛异常被吞了。把工具函数里的异常都 catch 住并返回字符串别让它往上抛。另外检查 docstring 是否清晰——模型靠它判断该不该调用。改了代码不生效。MCP Server 是客户端启动时拉起的子进程改完代码必须完全退出客户端再重开光关窗口不够。API 返回 401/403。Key 没带对或者 base_url 写成了带路径的形式。基地址就是https://taotoken.net/api别自己拼/v1具体路径由协议决定。长时间编码任务想省心。如果你打算把 MCP 工具接进日常编码流、频繁调用模型可以看下 Coding Plan它按订阅方式给额度比单次调用更适合高频场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite6. 把 MCP 接进你的工作流跑通之后真正有价值的是把重复动作沉淀成工具。我的做法是凡是「每次都要手动复制一段数据给模型」的操作就抽成一个 MCP 工具。比如读 CI 日志、查数据库某张表的行数、拉内部接口的健康状态。工具描述写清楚参数含义模型自己会判断什么时候调。配置层面把 Server 的启动命令和 TaoToken 的通道配置分开管理Server 配置放客户端的 mcpServers 段模型通道放环境变量或客户端自己的 provider 设置。这样换模型、换 Key 都不影响工具层。接入文档里有各协议的详细字段说明配之前扫一眼能少踩坑https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite最后提醒一句MCP Server 能访问本地文件和内网接口权限边界要自己把控。别把生产库的写操作直接暴露成工具读操作也尽量加白名单。工具是给模型用的但批准权始终在你手里。
【LLM模型】如何构建自己的MCP Server？从零搭建到接入TaoToken的完整配置指南
1. 从零构建 MCP Server为什么值得折腾如果你正在用 Claude、Cursor 或 Trae 这类 AI 工具大概率遇到过这样的场景想让模型读一下本地某个目录的日志、查一下内部接口的状态、或者把一段结构化数据塞进对话里结果发现模型只能靠你手动复制粘贴。Model Context ProtocolMCP就是来解决这个问题的——它把「模型能调用的工具」标准化成一个轻量服务AI 客户端通过协议去请求你只需要维护一个 Server。MCP 常被类比成 AI 应用的 USB-C 接口客户端是电脑Server 是外设插上就能用不用为每个模型单独写适配。它适合三类人一是想让 Claude Desktop 直接操作本地文件或数据库的开发者二是想把内部 API 包装成工具给 LLM 用的后端同学三是正在做 Agent、需要统一工具入口的团队。本文会从 FastMCP 骨架开始写一个可运行的工具服务再把它接到 TaoToken 的统一 Key/API 通道上最后给出 settings.json 与 config.toml 的可复制配置和连通性验证动作。全程按「能跑通」的标准来不堆概念。2. 前置准备TaoToken 通道与 MCP 运行环境MCP Server 本身是本地进程它不直接跟模型通信而是被客户端调用。真正跟模型对话的那一层需要一个稳定的 API 入口。我这边统一用 TaoToken 来做这件事它提供一个兼容常见协议的统一 Key 和 API 地址Claude、Codex 这类工具只要把 base_url 指过去就能用省得每个工具单独配一套凭证。你需要先拿到两样东西一个 API Key在控制台创建地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite确认 API 基地址https://taotoken.net/api这个地址不加 UTM直接填进配置环境侧MCP 的 Python SDK 要求 Python 3.10 以上推荐用 uv 管理虚拟环境因为它启动快、依赖隔离干净。装 uv 的命令curl -LsSf https://astral.sh/uv/install.sh | sh装完重开终端确认uv --version能输出。Windows 用户可以用powershell -c irm https://astral.sh/uv/install.ps1 | iex。这一步别跳过后面uv run启动 Server 全靠它。注意MCP Server 跑在本地客户端通过 stdio 或 HTTP 跟它通信。所以你的 API Key 是配在「客户端调用模型」那一层不是配在 Server 里。两者别混。3. 可复制配置FastMCP 骨架与工具注册先建项目。下面这套命令会创建目录、虚拟环境和依赖uv init mcp-demo cd mcp-demo uv venv source .venv/bin/activate uv add mcp[cli] httpx touch server.pyserver.py里写一个最小可用的 Server包含两个工具一个读本地文件行数一个查 HTTP 接口状态。工具注册靠mcp.tool()装饰器函数签名和 docstring 会自动变成模型看到的工具描述。from typing import Any import httpx from mcp.server.fastmcp import FastMCP mcp FastMCP(demo-server) mcp.tool() async def count_lines(path: str) - str: 统计指定文本文件的行数。 Args: path: 文件的绝对路径 try: with open(path, r, encodingutf-8) as f: n sum(1 for _ in f) return f{path} 共 {n} 行 except Exception as e: return f读取失败: {e} mcp.tool() async def check_status(url: str) - str: 请求一个 URL 并返回 HTTP 状态码。 Args: url: 要检查的完整 URL async with httpx.AsyncClient(timeout10.0) as client: try: r await client.get(url) return f{url} - {r.status_code} except Exception as e: return f请求异常: {e} if __name__ __main__: mcp.run(transportstdio)跑起来验证一下uv run server.py如果没报错、进程挂起等待输入说明 Server 正常。stdio 模式下它不会打印欢迎语这是预期行为。接下来是客户端配置。Claude Desktop 的配置文件在 macOS 是~/Library/Application Support/Claude/claude_desktop_config.jsonWindows 是%AppData%\Claude\claude_desktop_config.json。把 Server 注册进去{ mcpServers: { demo: { command: uv, args: [ --directory, /ABSOLUTE/PATH/TO/mcp-demo, run, server.py ] } } }路径必须是绝对路径相对路径会静默失败。如果你用的是支持 TOML 配置的客户端比如某些 CLI 工具等价写法是[mcp_servers.demo] command uv args [--directory, /ABSOLUTE/PATH/TO/mcp-demo, run, server.py]模型通道那边把 base_url 指向 TaoTokenKey 填你创建的那串。以 Claude 系工具为例环境变量方式export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的Key这样客户端调模型走 TaoToken调工具走本地 MCP Server两条链路互不干扰。4. 验证请求从工具列表到真实调用配置保存后完全重启客户端。以 Claude Desktop 为例界面上会出现一个工具图标点开应该能看到count_lines和check_status两个工具。如果看不到先别急着改代码八成是配置路径或 JSON 语法问题。验证分三步走第一步确认工具被识别。在对话里直接问「你有哪些工具」模型会列出注册的工具名和描述。这一步验证的是 MCP 握手成功。第二步触发一次真实调用。输入「帮我统计 /tmp/test.log 有多少行」模型会请求调用count_lines你批准后返回结果。这一步验证的是 stdio 通信和函数执行。第三步验证模型通道。问一个纯对话问题比如「用一句话解释 MCP」如果正常返回说明 TaoToken 的 API 通道是通的。想单独测模型连通性可以用模型对话页面直接发一条消息https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite命令行侧也可以用 curl 快速探一下 API 是否可达curl -s -o /dev/null -w %{http_code}\n https://taotoken.net/api返回 200 或 401 都说明网络层通了401 只是没带 Key。带上 Key 的完整请求按你所用协议的格式来Anthropic 协议大致是curl https://taotoken.net/api/v1/messages \ -H x-api-key: 你的Key \ -H anthropic-version: 2023-06-01 \ -H content-type: application/json \ -d {model:claude-sonnet-4-20250514,max_tokens:64,messages:[{role:user,content:ping}]}能拿到 JSON 响应就说明通道没问题。如果这里报模型名错误换成你账号下可用的模型标识即可。5. 常见报错排查Server 不显示、工具静默失败工具图标不出现。九成是claude_desktop_config.json的 JSON 语法错了比如多了个逗号、路径没转义。用python -m json.tool claude_desktop_config.json校验一下。另外确认路径是绝对路径Windows 下反斜杠要写成\\。Server 启动即退出。在终端手动跑uv run server.py看有没有 traceback。常见原因是 Python 版本低于 3.10或者mcp[cli]没装进当前虚拟环境。用uv run python -c import mcp; print(mcp.__version__)确认。工具调用静默失败。模型说要用工具但没结果通常是函数抛异常被吞了。把工具函数里的异常都 catch 住并返回字符串别让它往上抛。另外检查 docstring 是否清晰——模型靠它判断该不该调用。改了代码不生效。MCP Server 是客户端启动时拉起的子进程改完代码必须完全退出客户端再重开光关窗口不够。API 返回 401/403。Key 没带对或者 base_url 写成了带路径的形式。基地址就是https://taotoken.net/api别自己拼/v1具体路径由协议决定。长时间编码任务想省心。如果你打算把 MCP 工具接进日常编码流、频繁调用模型可以看下 Coding Plan它按订阅方式给额度比单次调用更适合高频场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite6. 把 MCP 接进你的工作流跑通之后真正有价值的是把重复动作沉淀成工具。我的做法是凡是「每次都要手动复制一段数据给模型」的操作就抽成一个 MCP 工具。比如读 CI 日志、查数据库某张表的行数、拉内部接口的健康状态。工具描述写清楚参数含义模型自己会判断什么时候调。配置层面把 Server 的启动命令和 TaoToken 的通道配置分开管理Server 配置放客户端的 mcpServers 段模型通道放环境变量或客户端自己的 provider 设置。这样换模型、换 Key 都不影响工具层。接入文档里有各协议的详细字段说明配之前扫一眼能少踩坑https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite最后提醒一句MCP Server 能访问本地文件和内网接口权限边界要自己把控。别把生产库的写操作直接暴露成工具读操作也尽量加白名单。工具是给模型用的但批准权始终在你手里。
