开始构建你自己的服务器，以在 Claude for Desktop 和其他客户端中使用

在本教程中，我们将构建一个简单的 MCP 天气服务器，并将其连接到主机——Claude for Desktop。我们将从基本设置开始，然后逐步拓展到更复杂的用例。

我们要构建什么？

许多 LLM（包括 Claude）目前无法获取天气预报和严重天气警报。让我们使用 MCP 来解决这个问题！

我们将构建一个服务器，公开两个工具：get-alerts 和 get-forecast，然后将服务器连接到 MCP 主机（在本例中是 Claude for Desktop）：

Server开发者 - 图1

Server开发者 - 图2

服务器可以连接到任何客户端。这里我们选择 Claude for Desktop 只是为了简化流程，同时我们还提供了 构建你自己的客户端 的指南，以及其他客户端的列表。

为什么选择 Claude for Desktop 而不是 Claude.ai？

因为服务器是在本地运行的，而 MCP 目前仅支持桌面端主机。远程主机的支持正在开发中。

MCP 核心概念

MCP 服务器可以提供三种主要的功能：

  1. 资源（Resources）：客户端可以读取的类似文件的数据（例如 API 响应或文件内容）。
  2. 工具（Tools）：LLM 可以调用的函数（需要用户批准）。
  3. 提示（Prompts）：帮助用户完成特定任务的预设模板。

本教程主要关注 工具（Tools）。

先决知识

本快速入门教程假设你熟悉以下内容：

  • Python
  • LLM（如 Claude）

系统要求

  • 安装 Python 3.10 或更高版本。
  • 你需要使用 Python MCP SDK 1.2.0 或更高版本。

设置开发环境

首先，我们需要安装 uv 并设置 Python 项目和环境：

MacOS/Linux

  1. curl -LsSf https://astral.sh/uv/install.sh | sh

请确保在安装后重启终端，以便 uv 命令能够被识别。

然后，创建并设置我们的项目： 

  1. # 创建新项目目录
  2. uv init weather
  3. cd weather
  5. # 创建虚拟环境并激活
  6. uv venv
  7. source .venv/bin/activate
  9. # 安装依赖
  10. uv add "mcp[cli]" httpx
  12. # 创建服务器文件
  13. touch weather.py

构建你的服务器

导入必要的包并初始化 MCP 实例

在 weather.py 文件顶部添加以下内容： 

  1. from typing import Any
  2. import httpx
  3. from mcp.server.fastmcp import FastMCP
  5. # 初始化 FastMCP 服务器
  6. mcp = FastMCP("weather")
  8. # 常量
  9. NWS_API_BASE = "https://api.weather.gov"
  10. USER_AGENT = "weather-app/1.0"

FastMCP 类使用 Python 类型提示和文档字符串自动生成工具定义，使得创建和维护 MCP 工具变得更加简单。

编写辅助函数

接下来，我们添加用于从美国国家气象局（NWS）API 获取和格式化数据的辅助函数： 

  1. async def make_nws_request(url: str) -> dict[str, Any] | None:
  2.     """向 NWS API 发送请求，并进行错误处理"""
  3.     headers = {
  4.         "User-Agent": USER_AGENT,
  5.         "Accept": "application/geo+json"
  6.     }
  7.     async with httpx.AsyncClient() as client:
  8.         try:
  9.             response = await client.get(url, headers=headers, timeout=30.0)
  10.             response.raise_for_status()
  11.             return response.json()
  12.         except Exception:
  13.             return None
  15. def format_alert(feature: dict) -> str:
  16.     """将天气警报格式化为可读的字符串"""
  17.     props = feature["properties"]
  18.     return f"""
  19. 事件: {props.get('event', '未知')}
  20. 地区: {props.get('areaDesc', '未知')}
  21. 严重程度: {props.get('severity', '未知')}
  22. 描述: {props.get('description', '无描述')}
  23. 指引: {props.get('instruction', '无具体指引')}
  24. """

实现工具方法

工具执行处理程序负责执行工具的具体逻辑。我们添加以下两个方法： 

  1. @mcp.tool()
  2. async def get_alerts(state: str) -> str:
  3.     """获取某个美国州的天气警报。
  5.     参数:
  6.         state: 两个字母的州代码（如 CA、NY）
  7.     """
  8.     url = f"{NWS_API_BASE}/alerts/active/area/{state}"
  9.     data = await make_nws_request(url)
  11.     if not data or "features" not in data:
  12.         return "无法获取警报或未找到警报信息。"
  14.     if not data["features"]:
  15.         return "该州当前没有活跃的天气警报。"
  17.     alerts = [format_alert(feature) for feature in data["features"]]
  18.     return "\n---\n".join(alerts)
  20. @mcp.tool()
  21. async def get_forecast(latitude: float, longitude: float) -> str:
  22.     """获取指定位置的天气预报。
  24.     参数:
  25.         latitude: 纬度
  26.         longitude: 经度
  27.     """
  28.     # 获取天气预报的 API 端点
  29.     points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
  30.     points_data = await make_nws_request(points_url)
  32.     if not points_data:
  33.         return "无法获取该位置的天气预报数据。"
  35.     # 获取天气预报 URL
  36.     forecast_url = points_data["properties"]["forecast"]
  37.     forecast_data = await make_nws_request(forecast_url)
  39.     if not forecast_data:
  40.         return "无法获取详细的天气预报信息。"
  42.     # 格式化天气预报
  43.     periods = forecast_data["properties"]["periods"]
  44.     forecasts = []
  45.     for period in periods[:5]:  # 仅显示最近 5 个时段的预报
  46.         forecast = f"""
  47. {period['name']}:
  48. 温度: {period['temperature']}°{period['temperatureUnit']}
  49. 风速: {period['windSpeed']} {period['windDirection']}
  50. 天气: {period['detailedForecast']}
  51. """
  52.         forecasts.append(forecast)
  54.     return "\n---\n".join(forecasts)

运行服务器

最后，我们初始化并运行服务器： 

  1. if __name__ == "__main__":
  2.     mcp.run(transport='stdio')

你的服务器现在已经完成！运行以下命令来确认是否正常工作： 

  1. uv run weather.py

在 Claude for Desktop 上测试你的服务器

  1. 安装 Claude for Desktop（下载最新版本）。
  2. 配置 Claude for Desktop 以使用 MCP 服务器。在 ~/Library/Application Support/Claude/claude_desktop_config.json 中添加以下内容： 
  1. {
  2.     "mcpServers": {
  3.         "weather": {
  4.             "command": "uv",
  5.             "args": [
  6.                 "--directory",
  7.                 "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
  8.                 "run",
  9.                 "weather.py"
  10.             ]
  11.         }
  12.     }
  13. }
  1. 重启 Claude for Desktop，然后你应该能在工具栏看到 MCP 工具的图标。

MCP 工作原理

当你向 Claude for Desktop 询问天气时：

  1. 客户端将你的问题发送给 Claude。
  2. Claude 识别并选择合适的 MCP 工具。
  3. 客户端通过 MCP 服务器执行该工具。
  4. 服务器返回查询结果。
  5. Claude 处理并生成自然语言回复。
  6. 你在 Claude for Desktop 上看到结果！

这样，你的 MCP 天气服务器就成功构建并集成到 Claude for Desktop 了！ 🎉