开始构建你自己的服务器，以便在 Claude for Desktop 以及其他客户端中使用。

在本教程中，我们将构建一个简单的 MCP 天气服务器，并将其连接到一个主机（Claude for Desktop）。我们将从基础配置开始，逐步过渡到更复杂的使用场景。

特别注意：本系列所有文章默认在windows环境下，编程语言默认使用Python。官方网站有mac、Linux、windows环境配置，示例编程语言有Python、Node、Java、Kotlin、C#。可在文章末尾查看原文！

我们将构建的内容

许多大型语言模型（LLM）目前尚无法获取天气预报和严重天气预警。我们将使用 MCP 来解决这个问题！

我们将构建一个服务器，暴露两个工具：get-alerts 和 get-forecast。然后我们将其连接到一个 MCP 主机（本例中为 Claude for Desktop）：

【快速上手】服务器端开发指南 - 图1

【快速上手】服务器端开发指南 - 图2

为什么使用 Claude for Desktop 而不是 Claude.ai？ 因为服务器是本地运行的，MCP 当前仅支持桌面主机。远程主机仍在开发中。

MCP 核心概念

MCP 服务器可以提供三种主要能力类型：

  1. Resources（资源）：类似文件的数据，供客户端读取（如 API 响应、文件内容等）
  2. Tools（工具）：可由 LLM 调用的函数（需用户授权）
  3. Prompts（提示词模板）：帮助用户完成任务的预设文本结构

本教程将主要聚焦于 工具（Tools）。

现在开始构建我们的天气服务器吧！
👉 完整项目代码见此处

前置知识

本教程默认你已熟悉：

  • Python 编程
  • Claude 等大型语言模型（LLM）的使用

系统要求

  • 安装 Python 3.10 或更高版本
  • 安装 MCP Python SDK 版本 ≥ 1.2.0

设置开发环境

首先安装 uv：

  1. #windows
  2. powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

安装后请重启终端，确保 uv 命令可用。

然后初始化你的项目：

  1. # 创建项目目录
  2. uv init weather
  3. cd weather
  5. # 创建并激活虚拟环境
  6. uv venv
  7. .venv\Scripts\activate
  9. # 安装依赖包
  10. uv add mcp[cli] httpx
  12. # 创建服务器主文件
  13. new-item weather.py

构建你的服务器

导入模块与初始化实例

在 weather.py 顶部添加以下内容：

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

FastMCP 利用 Python 类型注解和文档字符串自动生成工具定义，便于维护和扩展。

辅助函数

添加用于从 NWS API 获取数据并格式化的函数：

  1. async def make_nws_request(url: str) -> dict[str, Any] | None:
  2.     """Make a request to the NWS API with proper error handling."""
  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.     """Format an alert feature into a readable string."""
  17.     props = feature["properties"]
  18.     return f"""
  19. Event: {props.get('event', 'Unknown')}
  20. Area: {props.get('areaDesc', 'Unknown')}
  21. Severity: {props.get('severity', 'Unknown')}
  22. Description: {props.get('description', 'No description available')}
  23. Instructions: {props.get('instruction', 'No specific instructions provided')}
  24. """

实现工具逻辑

添加用于处理工具请求的代码：

  1. @mcp.tool()
  2. async def get_alerts(state: str) -> str:
  3.     """Get weather alerts for a US state.
  5.     Args:
  6.         state: Two-letter US state code (e.g. 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 "Unable to fetch alerts or no alerts found."
  14.     if not data["features"]:
  15.         return "No active alerts for this state."
  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.     """Get weather forecast for a location.
  24.     Args:
  25.         latitude: Latitude of the location
  26.         longitude: Longitude of the location
  27.     """
  28.     # First get the forecast grid endpoint
  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 "Unable to fetch forecast data for this location."
  35.     # Get the forecast URL from the points response
  36.     forecast_url = points_data["properties"]["forecast"]
  37.     forecast_data = await make_nws_request(forecast_url)
  39.     if not forecast_data:
  40.         return "Unable to fetch detailed forecast."
  42.     # Format the periods into a readable forecast
  43.     periods = forecast_data["properties"]["periods"]
  44.     forecasts = []
  45.     for period in periods[:5]:  # Only show next 5 periods
  46.         forecast = f"""
  47. {period['name']}:
  48. Temperature: {period['temperature']}°{period['temperatureUnit']}
  49. Wind: {period['windSpeed']} {period['windDirection']}
  50. Forecast: {period['detailedForecast']}
  51. """
  52.         forecasts.append(forecast)
  54.     return "\n---\n".join(forecasts)

启动服务器

在文件末尾添加启动代码：

  1. if __name__ == "__main__":
  2.     # Initialize and run the server
  3.     mcp.run(transport='stdio')

运行服务器：

  1. uv run weather.py

在 Claude for Desktop 中测试服务器

Claude for Desktop 暂不支持 Linux。Linux 用户请参考构建客户端教程。

确保你已安装并更新至最新版本：
👉 点击下载

编辑配置文件：

  1. code $env:AppData\Claude\claude_desktop_config.json

示例配置：

  1. {
  2.     "mcpServers": {
  3.         "weather": {
  4.             "command": "uv",
  5.             "args": [
  6.                 "--directory",
  7.                 "C:\\ABSOLUTE\\PATH\\TO\\PARENT\\FOLDER\\weather",
  8.                 "run",
  9.                 "weather.py"
  10.             ]
  11.         }
  12.     }
  13. }

你可能需要在 command 中写入完整的 uv 路径（使用 where uv 或 which uv 获取） 。同时请务必使用绝对路径。

这告诉 Claude for Desktop：

  1. 有一个名为“weather”的 MCP 服务器。
  2. 要启动它，请运行以下命令：uv —directory /ABSOLUTE/PATH/TO/PARENT/FOLDER/weather run weather.py

保存文件，然后重启 Claude for Desktop。

测试工具是否加载成功

打开 Claude for Desktop，点击锤子图标：

【快速上手】服务器端开发指南 - 图3

你应该能看到展示的两个工具：

【快速上手】服务器端开发指南 - 图4

运行以下命令进行测试：

  • What’s the weather in Sacramento?
  • What are the active weather alerts in Texas?

【快速上手】服务器端开发指南 - 图5

【快速上手】服务器端开发指南 - 图6

注意：由于使用的是美国国家气象局（NWS）数据，该服务仅适用于美国地区。

背后发生了什么？

  1. 客户端将你的问题发送至 Claude
  2. Claude 分析当前可用工具，决定调用哪个
  3. 客户端通过 MCP 协议调用服务器上的工具
  4. 工具执行结果返回给 Claude
  5. Claude 构造自然语言回答
  6. 回答展示在界面中

【原文链接】