Nexent Doc

简体中文

English

简体中文

English

Appearance

Model Context Protocol (MCP) ​

🌟 什么是 MCP？ ​

Model Context Protocol (MCP) 是连接 AI 与外部系统（数据、工具、工作流）的开放标准，相当于 AI 的 "USB-C"。它让主机（如 Claude Desktop、Nexent）按统一协议发现并调用 MCP 服务器暴露的工具/资源。

🧭 MCP 能力 ​

  • Tools：可由 LLM 调用的函数（需用户授权）
  • Resources：可读取的文件型数据
  • Prompts：服务器可共享的模板
  • 主机可通过标准协议连接本地或远程 MCP 服务器，自动发现能力

🌐 语言支持 ​

MCP 协议支持多种编程语言：

  • Python ⭐（推荐新手使用）
  • TypeScript
  • Java
  • Go
  • Rust
  • 以及其他支持 MCP 协议的语言

我们推荐使用 Python，因为它语法简洁易学，拥有 FastMCP 等丰富框架支持，可以快速构建原型，且有数千个成熟的第三方库可用。

🚀 快速开始 ​

📋 前置要求 ​

在开始之前，请安装 FastMCP：

bash
pip install fastmcp

📝 基础示例 ​

创建一个简单的字符串处理 MCP 服务器：

python
from fastmcp import FastMCP

# 创建MCP服务器实例
mcp = FastMCP(name="String MCP Server")

@mcp.tool(
    name="calculate_string_length",
    description="计算输入字符串的长度"
)
def calculate_string_length(text: str) -> int:
    return len(text)

@mcp.tool(
    name="to_uppercase",
    description="将字符串转换为大写"
)
def to_uppercase(text: str) -> str:
    return text.upper()

@mcp.tool(
    name="to_lowercase",
    description="将字符串转换为小写"
)
def to_lowercase(text: str) -> str:
    return text.lower()

if __name__ == "__main__":
    # 使用SSE协议启动服务
    mcp.run(transport="sse", port=8000)

🏃 运行服务器 ​

保存代码为 mcp_server.py，然后运行：

bash
python mcp_server.py

您将看到 MCP 服务器成功启动，服务地址为 http://127.0.0.1:8000/sse。

🔌 集成到 Nexent ​

MCP 服务器运行后，将其连接到 Nexent：

📍 步骤 1：启动 MCP 服务器 ​

确保服务器正在运行，并记录其访问地址（例如 http://127.0.0.1:8000/sse）。

⚙️ 步骤 2：在 Nexent 中注册 ​

  1. 进入 智能体开发 页面
  2. 在"选择Agent的工具"页签右侧，点击"MCP配置"
  3. 在弹出的配置窗口中，输入服务器名称和服务器URL
    • ⚠️ 注意：
      • 服务器名称只能包含英文字母和数字，不能包含空格、下划线等其他字符
      • 如果使用 Docker 容器部署 Nexent，且 MCP 服务器运行在宿主机上，需要将 127.0.0.1 替换为 host.docker.internal（例如 http://host.docker.internal:8000）
  4. 点击"添加"按钮完成配置

🎯 步骤 3：使用 MCP 工具 ​

配置完成后，在创建或编辑智能体时，您可以在工具列表中找到并选择您添加的 MCP 工具。

🔧 高级用例 ​

🌐 包装 REST API ​

将现有的 REST API 包装为 MCP 工具：

python
from fastmcp import FastMCP
import requests

mcp = FastMCP("Course Statistics Server")

@mcp.tool(
    name="get_course_statistics",
    description="根据课程号获取某门课程的成绩统计信息（包含平均分、最高分、最低分等）"
)
def get_course_statistics(course_id: str) -> str:
    api_url = "https://your-school-api.com/api/courses/statistics"
    response = requests.get(api_url, params={"course_id": course_id})
    
    if response.status_code == 200:
        data = response.json()
        stats = data.get("statistics", {})
        return f"课程 {course_id} 成绩统计：\n平均分: {stats.get('average', 'N/A')}\n最高分: {stats.get('max', 'N/A')}\n最低分: {stats.get('min', 'N/A')}\n总人数: {stats.get('total_students', 'N/A')}"
    return f"API调用失败: {response.status_code}"

if __name__ == "__main__":
    mcp.run(transport="sse", port=8000)

🏢 包装内部服务 ​

集成本地业务逻辑：

python
from fastmcp import FastMCP
from your_school_module import query_course_statistics

mcp = FastMCP("Course Statistics Server")

@mcp.tool(
    name="get_course_statistics",
    description="根据课程号获取某门课程的成绩统计信息（包含平均分、最高分、最低分等）"
)
def get_course_statistics(course_id: str) -> str:
    try:
        stats = query_course_statistics(course_id)
        return f"课程 {course_id} 成绩统计：\n平均分: {stats.get('average', 'N/A')}\n最高分: {stats.get('max', 'N/A')}\n最低分: {stats.get('min', 'N/A')}\n总人数: {stats.get('total_students', 'N/A')}"
    except Exception as e:
        return f"查询成绩统计时出错: {str(e)}"

if __name__ == "__main__":
    mcp.run(transport="sse", port=8000)

✅ 最佳实践 ​

  • 日志记录: stdio 传输避免 stdout 日志（不要 print），日志写入 stderr/文件。日志说明
  • 文档规范: 工具 docstring/类型要清晰，FastMCP 会据此生成 schema
  • 错误处理: 友好处理错误，返回可读文本
  • 安全性: 敏感信息放环境变量/密钥管理，不要硬编码

📚 相关资源 ​

🐍 Python ​

🔤 其他语言 ​

📖 官方文档 ​

🔗 相关指南 ​

🆘 获取帮助 ​

如果在开发 MCP 服务器时遇到问题：

  1. 查看 常见问题
  2. 在 GitHub Discussions 中提问
  3. 参考 ModelScope MCP Marketplace 中的示例服务器