MCP协议入门教程：给你的工具接上Claude和ChatGPT

MCP协议入门今年是真的火。原因很实在——以前给Claude加个工具得写一套适配，给ChatGPT加又得写一套，重复劳动。MCP把这事儿统一了。根据Anthropic 2026年Q2报告，MCP生态已有超过4200个公开server，半年增长210%。我自己上个月写了第一个MCP server，把公司内部API接给Claude用，效率直接翻倍。这篇就拿一个查天气的server当例子，把全流程拆给你看。

需要的基础和搭 AI Agent 差不多：会Python、会调API。不会也没事，跟着抄能跑。

MCP是什么：一句话说清

原子答案：MCP全称Model Context Protocol，是Anthropic 2024年底推的开放协议，规定大模型客户端怎么发现和调用外部工具，类似"AI届的USB接口"。

打个比方。以前每家手机厂商自己定充电口，苹果Lightning、安卓Type-C、老安卓Micro-USB，你出门带三根线。MCP就是那个统一的Type-C。你写一个MCP server，Claude、ChatGPT、Cursor、Windsurf这些客户端都能用同一套接口调用。一份工具，多处复用。

具体能做什么工具？查天气、查数据库、操作文件、调内部API、查日历、发消息——只要你能用代码干的事，都能包成MCP工具暴露给模型用。对 MCP为什么好用 感兴趣可以看我们另一篇深度分析。

为什么学MCP：值不值得花时间

原子答案：值得。一次写多次用、生态在快速增长、官方和社区都在押注，是2026年AI工具开发的"基础设施级"协议。

我之前给Claude写工具用的是Claude原生的tool_use接口，给ChatGPT写用的是function calling，两套代码逻辑相似但格式完全不同，维护起来烦。迁到MCP后，一份server两个客户端都能调，省了一半工作量。

更重要的是生态。 GitHub上的MCP仓库 已经有官方维护的filesystem、git、postgres、slack等几十个现成server，拿来即用。你要的很多工具别人已经写好了，先搜再写。

当然也有不成熟的地方。协议还在快速迭代，0.3到1.0之间改了不少API。我个人觉得现在入场正好——生态起来了但还没卷死，先学会的人有先发优势。

开工：装环境和SDK

原子答案：Python 3.10以上、pip装mcp包、准备一个Claude Desktop或支持MCP的客户端用来测，三样齐活。

装包一行：pip install mcp。我用的版本是mcp 1.2.x。

客户端这边，Claude Desktop 对MCP支持最成熟，Windows和Mac都有桌面版，开箱即用。ChatGPT桌面版2026年初也支持了MCP，但配置稍麻烦。新手建议先用Claude Desktop练手。

说个坑。Claude Desktop在Windows下的配置文件路径藏得深，在%APPDATA%\Claude\claude_desktop_config.json。我第一次找了半天，还以为是装在程序目录里。Mac下在~/Library/Application Support/Claude/。

第一步：写查天气MCP server

原子答案：一个MCP server就是一个Python脚本，定义工具名、参数schema、处理函数三件套，用FastMCP几行代码搞定。

完整代码我贴核心部分：

from mcp.server.fastmcp import FastMCP
mcp = FastMCP("weather-server")

@mcp.tool()
def get_weather(city: str) -> str:
    """查询指定城市的当前天气"""
    # 这里调真实天气API
    return f"{city}今天晴，25度"

if __name__ == "__main__":
    mcp.run()

就这么点。FastMCP把协议细节全包了，你只管写业务函数。docstring很重要——模型靠它判断什么时候调这个工具，写清楚工具干什么、参数是什么。

真实项目里get_weather内部我会调一个免费的天气API，比如wttr.in或者和风天气。返回结构化数据而不是纯文本，模型更好理解。我第一次返回纯字符串"北京晴25度"，模型有时会理解错，改成返回JSON后准确率高了一截。

第二步：注册到Claude Desktop

原子答案：编辑claude_desktop_config.json，加上mcpServers字段，指向你的server脚本路径，重启Claude Desktop即可。

配置长这样：

{
  "mcpServers": {
    "weather": {
      "command": "python",
      "args": ["D:/mcp_servers/weather.py"]
    }
  }
}

坑来了。改完配置必须完全退出Claude Desktop再打开，不是关窗口那种退出，是托盘里右键Quit。我第一次只关窗口改了三遍配置都不生效，差点以为是协议坏了。还有一个坑：Python路径要是绝对路径，用虚拟环境的话指向venv里的python.exe，不然Claude起的子进程找不到你装的mcp包。

路径里有中文或空格也可能出问题。我把server放到了D盘根目录的英文路径下，规避这个雷。

第三步：测试和调试

原子答案：打开Claude Desktop，问"北京今天天气怎么样"，看它有没有自动调用你的weather工具并返回结果。

正常的话你会看到Claude回复里有个"使用了weather工具"的提示，然后给出天气信息。第一次跑通那一刻挺神奇的——你写的Python函数被大模型自己调用了。

没跑通别急，按这个顺序查。第一，看Claude Desktop的日志，在%APPDATA%\Claude\logs下，里面会写server启动失败的原因。第二，单独跑python weather.py看脚本本身有没有报错。第三，检查配置JSON格式对不对，少个逗号这种低级错误我犯过两次。

有个比较隐蔽的坑：工具名不能和Claude内置工具重名。我有个工具起名叫search，结果被内置search盖住了死活调不到。改成search_weather立刻好了。命名带业务前缀最保险。

接ChatGPT和其他客户端

原子答案：ChatGPT桌面版2026年起支持MCP，在设置里Connectors添加server配置即可；Cursor、Windsurf等编程客户端也都支持。

ChatGPT的接入比Claude多点步骤，要在设置→Connectors里手动加，还要走OAuth或本地连接确认。配置好之后效果和Claude一致，模型自动识别工具并调用。

Cursor里接MCP更顺，毕竟是编程工具，.cursor/mcp.json写一份配置全局生效。我用Cursor接了一个查公司内部文档的MCP server，写代码时让它查API文档，比手动翻Wiki快太多。如果想对比各家编程助手对MCP的支持差异，看我们 2026 AI编程助手对比。

说到这，MCP server还能配合 本地RAG 用——把检索能力包成MCP工具，任何客户端都能调，不用每个客户端各搭一套RAG。这是我个人最看好的用法。

能做什么工具和进阶玩法

原子答案：任何能用代码封装的能力都能做成MCP工具，进阶玩法包括资源（Resources）、提示模板（Prompts）、流式输出和认证。

基础工具之外，MCP还有Resources（暴露只读数据给模型，比如日志文件）和Prompts（预定义提示词模板）两类能力。完整规范看 MCP官方文档。

进阶我建议先玩流式输出。查天气这种快工具用不上，但如果是长任务比如跑数据分析，流式返回进度能让模型边等边反馈用户体验好很多。认证这块要看你接的服务需不需要API key，建议用环境变量传，别写死在代码里。

说个我自己的小得意。我给团队写了个查Jira工单的MCP server，接给Claude和Cursor。现在PM问"这周哪些bug没修完"，直接问Claude就行，Claude调MCP查Jira返回列表。以前要开Jira网页筛选半天的事，现在一句话搞定。同事都觉得我会魔法。

常见问题

MCP协议是什么，用大白话说？

就是一个让大模型客户端统一调用外部工具的标准协议。你写一个MCP server暴露工具能力，Claude、ChatGPT、Cursor这些客户端按同一套协议都能调。省去每个客户端单独适配的麻烦。

写一个MCP server要会什么？

会Python基本就行，能写函数、能调API就够了。用FastMCP这种高层封装，几十行代码出一个能用的server。深入定制需要理解JSON-RPC和协议细节，但入门用不到。

MCP server能接哪些客户端？

Claude Desktop支持最成熟，ChatGPT桌面版2026年起支持，Cursor、Windsurf、Cline等编程客户端都支持，开源的Continue也支持。生态在快速扩张，基本主流AI客户端都在接。

MCP server调试最常见的坑有哪些？

三个高频坑：配置文件改了没完全重启客户端、Python路径没指向装了mcp包的环境、工具名和客户端内置工具重名被覆盖。按这个顺序排查能解决八成问题。

不会写代码能用MCP吗？

有点难。MCP本质是给开发者用的协议。不会代码的话，可以用别人写好的现成server，GitHub上官方维护的有几十个。想自己定制工具还是得会点Python，门槛不高，学一周基础够用了。