一、MCP核心知识（Model Context Protocol）

1.1 什么是MCP

MCP全称Model Context Protocol（模型上下文协议），是Anthropic在2024年底推出的开放协议（后捐赠给Linux基金会Agentic AI Foundation），核心作用是为AI助手（如Claude、Cursor等）提供标准化接口，实现与外部工具、数据源、浏览器、数据库、代码仓库等的连接，让AI从“单纯对话”升级为“可执行行动”的agentic AI能力，相当于AI世界的“USB-C接口”，打破AI与外部资源的信息孤岛[superscript:3][superscript:6]。

MCP采用客户端-服务端架构，包含三个核心角色：Host（发起连接的AI应用，如Cursor、Cherry Studio）、Client（Host内部的MCP客户端，负责与Server建立连接）、Server（轻量级程序，通过MCP协议暴露特定能力）；支持stdio（本地Server常用，通过标准输入/输出通信）和SSE（远程Server常用，通过HTTP Server-Sent Events通信）两种传输方式，核心提供Tools（可调用函数）、Resources（可读取数据）、Prompts（预定义提示模板）三大原语，其中Tools是最常用的原语。

1.2 MCP使用方法（基础流程）

  1. 环境准备：根据MCP Server的开发语言，安装对应基础环境（如Python 3.10+、Node.js 18+），同时安装一个MCP Host（如Claude Desktop、Cursor、Cherry Studio）作为AI应用载体。

  2. 部署MCP Server：可选择开源的MCP Server（如Filesystem MCP、Context7 MCP），支持本地部署（优先推荐，更安全）或远程部署，多数Server支持Docker部署，部署时需注意权限控制[superscript:3]。

  3. 配置连接：在Host中添加MCP Server，可通过命令行（如Claude CLI的claude mcp add命令）或手动编辑配置文件两种方式，完成Server的启动命令、作用域（全局/项目级）等参数配置。

  4. 验证与使用：启动Host和MCP Server，通过Host的交互界面（如AI面板、命令行）发送指令，调用Server提供的能力（如操作文件、联网搜索、访问代码仓库），完成具体任务。

  5. 管理维护：使用Host提供的命令（如查看Server列表、移除Server、查看Server详情）管理MCP Server，根据需求更新Server版本或调整配置参数。

1.3 MCP应用方式（核心场景）

MCP的核心价值是“让AI具备调用外部工具的能力”，目前主要应用于六大场景，覆盖开发、企业、数据分析等多个领域，具体如下：

  1. 软件开发提效：通过GitHub MCP Server访问代码库、查看PR、进行代码审查，结合Cursor等工具实现AI辅助编码、代码重构、错误修复；通过Context7 MCP实时拉取API参考、代码示例，解决LLM知识截止问题。

  2. 企业自动化：集成CRM系统（如Salesforce）生成客户跟进策略，同步知识库（如Confluence）智能生成项目文档，关联工单系统（如JIRA）生成测试覆盖率报告。

  3. 数据分析增强：通过PostgreSQL、SQLite等数据库MCP Server，用自然语言生成SQL查询，可视化呈现分析结果；聚合多源数据（如数据仓库、日志）生成业务洞察。

  4. 网页与本地操作：通过Firecrawl MCP抓取网页、提取结构化内容，通过Chrome/Browser MCP实现浏览器自动化（点击、填写表单），通过Filesystem MCP读写本地文件、执行系统命令。

  5. 个性化场景：教育领域根据学生错题生成针对性练习，医疗领域整合电子病历与医学文献生成诊疗建议，金融领域整合多源数据进行信用评估与合规审查。

  6. 多工具协同：通过MCP协议将多个工具串联，实现复杂工作流自动化（如“抓取网页内容→分析数据→生成报告→保存到本地”）。

1.4 常用MCP工具（Server+Client）

MCP工具分为两类：MCP Server（提供具体能力）和MCP Client（承载AI应用，连接Server），以下是2026年社区公认常用、生产就绪度高的工具列表：

（1）常用MCP Server（按流行度排序）

  1. Firecrawl MCP：网页抓取与研究神器，可将任意网站转为LLM友好的结构化数据，支持去广告、Markdown输出，广泛用于AI研究、内容提取，Star数超8万，社区采用率极高。

  2. Context7 MCP：实时拉取最新文档、代码示例、API参考，直接注入LLM上下文，解决LLM知识截止问题，是开发者日常编码、调试的必备工具，常与VS Code、Claude Desktop搭配。

  3. GitHub MCP Server（官方/社区实现）：支持读取代码库、查看PR、代码审查、仓库管理，是开发者最爱的MCP Server之一，支持权限控制，有官方维护版本，集成度高。

  4. 浏览器类MCP：包括Chrome MCP、Browser Use MCP、Playwright MCP（微软开源），实现浏览器自动化、网页交互、截图等功能，是让AI“上网做事”的基础工具。

  5. Filesystem / Local Tools MCP：读写本地文件、执行系统命令、操作文件夹，是本地AI客户端（如Cherry Studio、Claude Desktop）的入门级工具，安全且实用。

  6. 其他场景Server：数据库类（PostgreSQL MCP、Supabase MCP）、开发部署类（EdgeOne Pages MCP、Jupyter MCP、FastAPI-MCP）、搜索类（Brave Search MCP、Google Search MCP）。

（2）常用MCP Client（承载AI应用）

  1. Cherry Studio：开源免费，支持多种AI模型，Star超3万，中文用户友好，是MCP入门首选客户端，支持本地知识库搭建、多模型并行响应、文档分析等功能。

  2. Cursor：基于VS Code的AI驱动编辑器，内置MCP客户端，集成Claude等模型，支持AI辅助编码、代码生成、解释、修复，保留VS Code全部优势，适合开发者使用。

  3. Claude Desktop/CLI：Anthropic官方AI应用，原生支持MCP协议，可作为MCP Host，支持命令行和图形界面两种操作方式，适合配置和管理MCP Server。

  4. VS Code MCP扩展：通过VS Code插件实现MCP功能，可与Cline等AI编码助手搭配，实现代码库访问、工具调用等能力。

二、常用MCP客户端工具学习（重点）

2.1 Cursor（AI编码编辑器，内置MCP）

（1）核心定位

基于VS Code开发的AI驱动编辑器，内置MCP客户端和Claude等AI模型，保留VS Code的所有操作逻辑，新增强大的AI辅助编码功能，同时支持通过MCP连接外部工具（如GitHub MCP、Filesystem MCP），提升编码效率，适合各类开发者使用，尤其适合需要AI辅助和工具调用的场景。

（2）安装与首次设置

  1. 系统要求：Windows 10/11、macOS 10.15+、Linux（Ubuntu 18.04+），最低4GB RAM（推荐8GB以上），至少500MB可用空间，需稳定网络（AI功能依赖云服务）。

  2. 下载安装：访问官方网站（cursor.sh），下载对应系统的安装包，Windows运行.exe文件、macOS打开.dmg文件拖入应用程序、Linux解压.tar.gz或使用deb/rpm包安装。

  3. 首次设置：启动后创建/登录Cursor账户，选择界面主题（暗色/亮色），设置首选AI模型，可选导入VS Code设置，完成基础配置后即可使用。

（3）核心功能与操作

  1. 基础编辑操作：与VS Code完全一致，支持文件打开/保存（Ctrl+O/Ctrl+S）、复制粘贴（Ctrl+C/Ctrl+V）、撤销/重做（Ctrl+Z/Ctrl+Y）、多行编辑（Alt+点击）、搜索替换（Ctrl+F/Ctrl+H）等。

  2. AI辅助编码（核心）：

    1. 代码生成：选中函数签名或注释，按Ctrl+K，AI根据上下文生成完整代码实现。

    2. 代码解释：选中文代码段，右键选择“Explain Code”或按Ctrl+Shift+E，AI生成代码解释。

    3. 代码修复/优化：选中有问题的代码，右键选择“Fix Code”或按Ctrl+Shift+F，AI提供修复建议和优化方案。

    4. AI对话与评审：按Ctrl+I打开AI面板，输入自然语言指令（如“重构这个函数”“检查代码漏洞”）；通过命令面板输入“Code Review”，AI提供代码质量评估和改进建议。

  3. MCP相关操作：内置MCP客户端，可直接连接MCP Server（如GitHub MCP、Filesystem MCP），无需额外配置，通过AI面板发送指令即可调用外部工具（如读取代码库、操作本地文件）。

  4. 快捷键重点（提升效率）：

    1. 代码生成：Ctrl+K

    2. 代码解释：Ctrl+Shift+E

    3. 打开AI面板：Ctrl+I

    4. 命令面板：Ctrl+Shift+P

    5. 全项目搜索：Ctrl+Shift+F

（4）注意事项

  • AI功能依赖网络，离线状态下仅能使用基础编辑功能，无法调用AI和MCP工具。

  • 可导入VS Code插件，扩展功能（如语法高亮、代码格式化），保持操作习惯一致。

  • 支持自定义AI模型参数（如温度值），根据编码需求调整生成内容的严谨度。

2.2 Cherry Studio（多模型AI助手，MCP入门首选）

（1）核心定位

跨平台、开源免费的多模型AI生产力工具，同时也是友好的MCP客户端，支持聚合多种AI模型，中文界面友好，Star超3万，不仅能实现AI对话、文档分析，还能通过MCP连接外部工具，支持本地知识库搭建，适合新手入门MCP，也适合需要多模型协同的场景（如内容创作、数据分析、本地工具调用）[superscript:5][superscript:7]。

（2）安装与基础配置

  1. 下载安装：从官方网站下载对应系统的安装包（Windows为.exe，macOS为.dmg），按照安装向导完成安装，启动后进入主界面。

  2. 模型配置：点击左下角设置按钮，进入“模型服务”界面，选择AI模型提供商（如硅基流动、OpenAI），填入对应API密钥；调整模型参数（温度值0.1-2.0，最大输出长度2048-4096），可通过“模型广场”加载专业模型（如DeepSeek-R1），支持同时激活8个服务商。

  3. MCP配置：无需复杂操作，默认支持连接常见MCP Server，可在设置中添加自定义MCP Server，配置启动命令和作用域，完成后即可调用Server能力。

（3）核心功能与操作

  1. 智能对话：支持多模型并行响应（用@符号呼出模型选择菜单），可拖拽上传PDF/Word文档，AI自动生成摘要、思维导图；通过“/”命令快速调用预设工作流（如/code生成Python脚本框架）。

  2. 本地知识库搭建：结合Ollama部署本地模型，实现私有化知识管理；支持批量导入PDF/PPT等文档，自动建立向量索引，启用“知识关联”后，对话时自动匹配相关知识内容。

  3. MCP工具调用：作为MCP客户端，可连接Filesystem MCP、Browser MCP等，通过对话指令操作本地文件、浏览网页、提取内容，无需手动执行命令。

  4. 效率工具：支持Ctrl+Shift+F全局搜索（支持正则），Alt+T调出翻译面板（保留原文格式），可使用Mermaid语法生成流程图，配置WebDAV实现多设备同步对话记录和知识库。

  5. 高级定制：开启开发者模式后，可通过CSS变量自定义界面主题，创建自定义助手（用System Prompt控制模型行为），配置API代理和多密钥自动轮换。

（4）注意事项

  • API密钥需妥善保管，避免泄露；部分模型需要付费，可使用Cline credits降低使用成本。

  • 本地知识库搭建需安装Ollama，配置本地模型后可实现离线使用部分功能。

  • 可视化操作为主，适合非专业开发者，但复杂场景仍需结合少量代码补充功能。

2.3 Cline（VS Code AI编码助手，支持MCP）

（1）核心定位

运行在VS Code中的AI编码助手，支持MCP协议，可作为MCP客户端连接外部工具，核心优势是“深度上下文理解”和“多文件编辑”，相当于“AI结对编程伙伴”，能读取整个代码库，实现复杂重构、多文件修改，支持多种前沿AI模型，免费使用（仅需支付模型token费用），适合专业开发者提升编码效率。

（2）安装与API配置

  1. 安装：打开VS Code，点击左侧活动栏“扩展”图标，搜索“Cline”，点击“安装”，安装完成后重启VS Code。

  2. 启动：点击VS Code左侧Cline图标，或使用快捷键Ctrl+Shift+P，输入“Cline: Open In New Tab”，打开Cline面板。

  3. API配置：点击Cline面板“Sign In”按钮，在app.cline.bot创建账户，获取API密钥并粘贴到面板中，选择首选AI模型（推荐Anthropic Claude 3.7 Sonnet，适合编码；DeepSeek Chat为高性价比选择）。

（3）核心功能与操作

  1. 基础编码辅助：支持代码自动补全、代码解释、错误修复，与VS Code深度集成，可直接在编辑区右键调用Cline功能。

  2. 核心优势功能：

    1. 深度上下文理解：读取整个代码库，提供更精准的上下文相关建议，避免“断章取义”。

    2. 多文件编辑：可同时读取、重构、更新多个文件，实现 holistic 代码修改（如修改一个函数后，自动更新所有调用该函数的文件）。

    3. Agentic能力：可运行测试、打开浏览器、执行系统命令，通过MCP连接外部工具（如GitHub MCP、Filesystem MCP），完成复杂开发任务。

    4. 权限控制：所有文件修改、命令执行都需用户确认，避免误操作；支持“计划与执行”模式，先规划解决方案再实施。

  3. 使用技巧：

    1. 发起对话：在Cline面板输入自然语言指令，格式建议为“目标+上下文+具体操作”（如“我想构建一个用户登录接口，目前有基础的用户模型，帮我编写接口代码”）。

    2. 编辑特定文件：在指令中指定文件路径（如“请编辑/src/utils/tool.py，添加一个时间格式化函数”），Cline会精准定位并修改。

    3. 切换模型：在Cline面板可随时切换AI模型，根据编码需求选择适合的模型（复杂编码选Claude 3.7 Sonnet，简单任务选DeepSeek Chat）。

（4）注意事项

  • 仅支持VS Code，需确保VS Code版本兼容（建议最新版本）。

  • 免费使用但需支付模型token费用，可购买Cline credits简化支付流程，无需管理多个API密钥。

  • 支持绝大多数编程语言（Python、Java、JavaScript等），小众语言可尝试使用，依赖模型的训练覆盖范围。

三、FastAPI学习（与MCP可协同）

3.1 核心定位

FastAPI是一款现代、高性能的Python Web框架，用于构建API，基于标准Python类型提示，核心优势是“快速、高效编码、少bug、自动生成文档”，性能可与Node.js、Go并肩（归功于Starlette和Pydantic），广泛用于构建RESTful API、后端服务，同时支持MCP协议（可通过FastAPI-MCP Server集成），实现AI与API的协同调用，适合开发者快速构建生产级API服务[superscript:9]。

3.2 环境准备

  1. 基础环境：Python 3.8+（推荐3.10+），确保已安装pip（Python包管理工具）。

  2. 创建虚拟环境（推荐）： python -m venv venv 激活虚拟环境： Windows：venv\Scripts\activate Mac/Linux：source venv/bin/activate

  3. 安装FastAPI：使用命令pip install "fastapi[standard]"（引号需保留，确保所有终端兼容），该命令会安装FastAPI及所有标准依赖（包括Uvicorn服务器）。

3.3 快速入门（Hello World示例）

  1. 创建主文件：新建main.py文件，写入以下代码：

    from fastapi import FastAPI

# 创建FastAPI应用实例
app = FastAPI()

# 定义路由：GET请求，路径为"/"
@app.get("/")
def read_root():
    # 返回字典，FastAPI自动转为JSON响应
    return {"Hello": "World"}

# 定义带路径参数的路由
@app.get("/items/{item_id}")
def read_item(item_id: int, q: str | None = None):
    # item_id: int 表示自动验证参数类型，q为可选查询参数
    return {"item_id": item_id, "q": q}

  2. 运行服务器：使用命令fastapi dev main.py，启动开发模式（支持自动重载），终端会显示服务地址（默认http://127.0.0.1:8000）和API文档地址。

  3. 测试接口：

    1. 访问http://127.0.0.1:8000，返回{"Hello": "World"}。

    2. 访问http://127.0.0.1:8000/items/5?q=test，返回{"item_id": 5, "q": "test"}。

    3. 访问http://127.0.0.1:8000/docs，进入Swagger UI自动文档，可在线调试接口（点击Try it out）。

3.4 核心功能（重点掌握）

（1）路径参数与查询参数

  • 路径参数：通过{参数名}定义，用于从URL中提取动态数据（如用户ID、商品ID），支持类型提示（自动验证参数类型），还可通过枚举类型限制参数取值范围。

  • 查询参数：URL中?后的键值对，用于过滤、分页等场景，函数中未定义为路径参数的参数自动视为查询参数，支持可选参数（设置默认值为None）。

（2）请求体与Pydantic模型

用于接收POST、PUT等请求的数据（如用户注册、数据提交），通过Pydantic模型定义请求体结构，实现自动数据验证、类型转换和文档生成，示例如下：

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

# 定义Pydantic模型（请求体结构）
class Item(BaseModel):
    name: str
    price: float
    is_offer: bool | None = None  # 可选字段

# POST请求，接收Item类型的请求体
@app.post("/items/")
def create_item(item: Item):
    return {"item_name": item.name, "item_price": item.price}
（3）自动生成文档

FastAPI自动生成两种交互式文档，无需手动编写：

  • Swagger UI：http://127.0.0.1:8000/docs，支持在线调试接口、查看参数说明。

  • ReDoc：http://127.0.0.1:8000/redoc，更简洁的文档展示，适合对外提供接口说明。

（4）依赖注入与异步处理

  • 依赖注入：用于复用公共逻辑（如数据库连接、权限验证），解耦代码，提升复用性，可定义依赖项并在路由函数中引用。

  • 异步处理：支持async def定义异步接口，结合异步数据库操作（如AsyncPG），提升高并发场景下的性能，无需修改其他配置。

（5）与MCP协同

通过FastAPI-MCP Server，可将FastAPI接口集成到MCP生态中，让AI助手（如Cursor、Cherry Studio）通过MCP协议调用FastAPI接口，实现“AI发起请求→FastAPI处理→返回结果”的协同工作流，适合构建AI可调用的API服务（如数据分析接口、业务逻辑接口）。

3.5 实战要点与注意事项

  1. 生产环境部署：开发模式（fastapi dev）仅用于开发，生产环境需使用Uvicorn+Gunicorn启动，或通过Docker容器化部署，确保稳定性和高性能。

  2. 数据验证：依赖Pydantic模型，可自定义验证规则（如字段长度、取值范围），减少手动验证代码，降低bug率。

  3. 权限控制：可结合OAuth2、JWT等实现接口认证授权，保护敏感接口（如用户管理、数据修改）。

  4. 调试技巧：使用FastAPI的自动文档调试接口，结合print语句或logging模块排查问题，避免直接修改生产代码。

  5. 扩展学习：FastAPI可与SQLAlchemy（数据库ORM）、Redis（缓存）、Celery（异步任务）集成，构建完整的后端服务。

四、学习总结

1. MCP是AI与外部工具连接的标准化协议，核心是“客户端-服务端”架构，通过各类MCP Server提供具体能力，Client（Cursor、Cherry Studio、Cline）承载AI应用，实现AI的“行动能力”，应用场景覆盖开发、数据分析、企业自动化等多个领域。

2. 三款核心MCP客户端各有侧重：Cursor适合AI编码+MCP工具调用，Cherry Studio适合新手入门、多模型协同和本地知识库，Cline适合VS Code用户、复杂编码和多文件编辑。

3. FastAPI是高性能Python API框架，优势是快速开发、自动文档和数据验证，可与MCP协同，构建AI可调用的生产级API服务，是后端开发者必备工具。

4. 学习关键：先掌握MCP基础流程和核心工具的基础操作，再结合FastAPI构建API，实现“AI+工具+API”的协同工作流，提升开发和工作效率。

# fastapi # python # 人工智能
Logo
DeepSeek技术社区

欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。

更多推荐

cover

DeepSeek RAG 热点文档加权：如何平衡实时性与检索质量

avatar DeepSeek技术社区
cover

多副本推理网关：路由规则该用代码还是配置？从 DeepSeek 生产环境看选型边界

avatar DeepSeek技术社区
cover

离线评测全绿上线被骂：DeepSeek-V4 模型切换的评测陷阱与影子流量实践

avatar DeepSeek技术社区