从零搭建基于MCP协议的AI Agent框架：保姆级教程

一、背景与痛点说实话最近大半年 MCPModel Context Protocol这个词在 AI 开发圈火得不行。但你翻遍全网大部分教程要么是概念解读要么是复制粘贴官方文档真正能动手搭一个可运行 Agent的少之又少。说白了MCP 就是给 AI 模型配了一个工具箱。以前模型只能跟你聊天现在它能调用外部工具、查数据库、写文件、发请求。这才是 Agent 该有的样子。这篇文章不讲虚的直接带你从零搭一个能用 MCP 协议跟外部工具交互的 Agent。二、环境准备先搭好基础环境# 创建项目目录mkdirmcp-agent-democdmcp-agent-demo# 初始化 Node.js 项目npminit-y# 安装依赖npminstallmodelcontextprotocol/sdk openai dotenv版本要求Node.js 18.xnpm 9.xOpenAI API Key或其他兼容 API三、核心概念速览MCP 协议的核心就三个东西Client— 发起请求的 AgentServer— 提供工具的服务端Tool— 具体的功能接口用大白话说Agent 想查天气 → 调用 MCP Client 发请求MCP Server 收到请求 → 调用天气 API结果返回给 Agent → Agent 整合后回复你四、搭建 MCP Server提供工具先写一个最简单的 MCP Server提供两个工具获取时间和获取天气。// server.jsimport{Server}frommodelcontextprotocol/sdk/server/index.js;import{StdioServerTransport}frommodelcontextprotocol/sdk/server/stdio.js;constservernewServer({name:my-tools-server,version:1.0.0,},{capabilities:{tools:{}}});// 注册工具列表server.setRequestHandler(tools/list,async()({tools:[{name:get_current_time,description:获取当前时间,inputSchema:{type:object,properties:{timezone:{type:string,description:时区如 Asia/Shanghai}}}},{name:get_weather,description:获取指定城市的天气,inputSchema:{type:object,properties:{city:{type:string,description:城市名称}},required:[city]}}]}));五、搭建 MCP ClientAgent 核心Client 端负责连接 Server → 获取工具列表 → 让 LLM 决定调哪个工具 → 执行工具调用 → 返回结果给 LLM。// client.jsimport{Client}frommodelcontextprotocol/sdk/client/index.js;import{StdioClientTransport}frommodelcontextprotocol/sdk/client/stdio.js;importOpenAIfromopenai;constopenainewOpenAI({apiKey:process.env.OPENAI_API_KEY});consttransportnewStdioClientTransport({command:node,args:[server.js]});constclientnewClient({name:my-agent-client,version:1.0.0});awaitclient.connect(transport);consttoolsawaitclient.listTools();console.log(可用工具:,tools);六、Agent 推理循环这是最核心的部分——让 LLM 自己决定要不要调用工具asyncfunctionagentLoop(userMessage){constmessages[{role:user,content:userMessage}];while(true){constresponseawaitopenai.chat.completions.create({model:gpt-4o,messages,tools:tools.map(t({type:function,function:{name:t.name,description:t.description,parameters:t.inputSchema}}))});constchoiceresponse.choices[0];// 如果 LLM 决定调用工具if(choice.finish_reasontool_calls){for(consttoolCallofchoice.message.tool_calls){constresultawaitclient.callTool({name:toolCall.function.name,arguments:JSON.parse(toolCall.function.arguments)});messages.push({role:tool,tool_call_id:toolCall.id,content:JSON.stringify(result.content)});}}else{returnchoice.message.content;}}}七、常见问题 QAQMCP 和 Function Calling 有什么区别AFunction Calling 是 OpenAI 的私有协议MCP 是 Anthropic 推出的开放标准。MCP 的好处是跨模型、跨平台不管用 GPT、Claude 还是本地模型都能跑。Q可以跑在浏览器里吗A目前 MCP 主要面向 Node.js 服务端环境浏览器端需要额外的 WebSocket 桥接。Q安全性怎么保证A建议对工具做权限分级比如只读工具查天气不需要鉴权写操作工具写文件需要用户确认。八、总结MCP 协议正在成为 AI Agent 开发的标准协议。学会搭建 MCP 架构你就掌握了让 AI 真正动手干活的能力。下一步可以试试接入更多工具数据库、API、文件系统用 SSE 替代 Stdio 实现远程调用加一层 Agent 路由实现多 Agent 协作觉得有用的话点个赞有疑问评论区见