1. 为什么要在本地跑一个 stdio 版 MCP ServerMCP Server 说白了就是给大模型外挂的一双手模型本身只能吐文字但通过 MCP 协议它能调用你本地定义好的函数去查数据库、读文件、调第三方 API。而 stdio 传输方式是最省事的一种——客户端把 Server 当成一个子进程拉起来双方通过标准输入输出对话不需要开端口、不需要配网络、不需要证书。对于想快速验证「我的工具能不能被模型发现并调用」的开发者来说这是最短路径。这篇要做的就是用 FastMCP 加 UV从空目录开始搭一个最小可用的 MCP Server跑通「初始化项目 → 写工具函数 → 配客户端 → 本地启动 → 验证一次工具调用」这条完整链路。适合已经装好 Python、想动手跑通第一个 MCP 服务的人。全程本地不涉及任何网络穿透配置命令复制粘贴就能用。我试过把工具函数写得花里胡哨结果客户端根本发现不了后来才发现问题出在 docstring 上——这个后面排障章节会细说。2. 前置准备UV 与 FastMCP 的分工UV 是 Rust 写的 Python 包管理和虚拟环境工具速度比 pip 快一个量级而且它自带uv run这种「不用手动激活虚拟环境」的执行方式特别适合 MCP Server 这种「客户端拉起子进程」的场景——客户端只需要执行uv run main.pyUV 自己会把依赖装好、环境切好。FastMCP 是mcp[cli]包里封装好的高层 API它把协议里那些 JSON-RPC 的握手、能力声明、工具注册都藏起来了你只要写普通 Python 函数加个mcp.tool()装饰器它就自动变成一个可被模型调用的工具。两者配合一个管环境一个管协议你只管写业务逻辑。如果你还没装 UV先执行全局安装pip install uv装完可以用uv --version确认一下。这里不需要额外配置镜像源UV 默认会走 PyPI。3. 从零初始化项目并写 Server 骨架3.1 初始化目录与添加依赖先建项目uv init mcp-server cd mcp-serveruv init会生成pyproject.toml、main.py等基础文件。接着加依赖这里我用一个公开的第三方库做演示工具方便你看到真实返回值uv add mcp[cli] httpxmcp[cli]带上了命令行调试工具httpx用来发 HTTP 请求。装完后pyproject.toml里会自动记录这两个依赖UV 也会生成uv.lock锁定版本。3.2 写一个最小工具函数打开main.py替换成下面这段from mcp.server.fastmcp import FastMCP import httpx mcp FastMCP(Demo MCP Server) mcp.tool() def fetch_weather(city: str) - dict: 查询指定城市的天气概况。 Args: city: 城市名称例如 beijing。 Returns: 包含城市名和天气描述的字典。 # 这里用一个公开的示例接口实际项目替换成你自己的数据源 url fhttps://wttr.in/{city}?formatj1 resp httpx.get(url, timeout10) data resp.json() current data[current_condition][0] return { city: city, temp_c: current[temp_C], desc: current[weatherDesc][0][value], } if __name__ __main__: mcp.run(transportstdio)几个关键点FastMCP(Demo MCP Server)里的名字是给客户端看的服务标识mcp.tool()装饰器把函数注册成工具函数签名里的类型注解和 docstring 会被 FastMCP 转成工具的输入 schema 和描述模型就是靠这些信息判断「什么时候该调这个工具」。transportstdio表示走标准输入输出这是本地场景的默认选择。3.3 客户端配置片段以支持 MCP 的客户端为例配置通常长这样不同客户端字段名略有差异核心是 command、args、transport{ mcpServers: { demo-server: { command: uv, args: [ --directory, /绝对路径/mcp-server, run, main.py ], transportType: stdio, timeout: 60 } } }--directory后面必须写你项目的绝对路径Windows 下类似D:\\workspace\\mcp-server。timeout给 60 秒足够因为 UV 首次运行可能要解析依赖。保存后客户端左侧会出现这个服务绿色代表已启动。4. 本地启动与一次工具调用验证4.1 先用命令行确认 Server 能起来在项目目录下直接跑uv run main.py如果没有任何报错、进程挂在那里等待输入说明 Server 已经通过 stdio 待命了。按CtrlC退出。这一步能排除掉 90% 的环境问题——如果这里就报ModuleNotFoundError说明依赖没装好回到uv add那步。4.2 用 MCP Inspector 做一次真实调用mcp[cli]自带调试工具执行uv run mcp dev main.py它会启动一个本地调试界面在浏览器里打开后你能看到fetch_weather这个工具被列出来了。点进去在参数框填beijing点运行右侧会返回类似{ city: beijing, temp_c: 24, desc: Partly cloudy }看到这个返回就证明工具被正确发现、参数被正确解析、函数被正确执行。这一步是整个流程里最关键的验证动作比在客户端里问模型更直接。4.3 在客户端里让模型调用回到客户端确保服务是绿色状态然后直接问「帮我查一下北京现在的天气」。模型会先输出一段「我来调用工具」的思考然后触发fetch_weather把返回的 JSON 渲染成自然语言。如果模型说「我没有查询天气的能力」八成是工具没被发现往下看排障。5. 本篇常见错误排查5.1 客户端里服务一直红色或启动失败最常见的原因是--directory路径写错或者路径里有空格没转义。先在终端手动执行一遍配置里的完整命令uv --directory /你的绝对路径/mcp-server run main.py能跑通再回客户端。另外 Windows 下路径分隔符要用双反斜杠或正斜杠。5.2 工具列表是空的FastMCP 靠 docstring 生成工具描述如果函数没有 docstring或者 docstring 格式混乱某些客户端会直接忽略这个工具。确保每个mcp.tool()函数都有清晰的Args:和Returns:段落。另外装饰器必须写在函数正上方中间不能插别的语句。5.3 调用时报参数类型错误类型注解要和实际使用一致。比如你写city: str客户端传进来的就是字符串如果你写count: int但客户端传了3FastMCP 会尝试转换转不了就报错。参数名也要和 docstring 里写的一致模型是照着 docstring 填参数的。5.4 首次调用特别慢UV 第一次run时要解析并下载依赖可能花十几秒。把客户端timeout调到 60 以上或者提前在终端跑一次uv run main.py把依赖缓存好。6. 把工具接进真实工作流跑通最小示例后你可以把fetch_weather换成任何真实逻辑读本地 SQLite、查内部 API、操作文件。只要保持「函数 类型注解 docstring mcp.tool()」这个结构FastMCP 就能把它暴露给客户端。如果你打算长期在编码或 Agent 场景里用 MCP建议把常用工具集中管理避免每个项目重复配置。需要生成和管理调用凭证时可以到 TaoToken API Keys 创建接入细节参考 TaoToken 接入文档。想先验证模型对工具的调用效果用 模型对话 快速试如果是长期编码或 Agent 工作流Coding Plan 更合适。官网入口在 taotoken.net。最后留个实用习惯每次改完工具函数先在uv run mcp dev main.py里点一遍确认返回正常再去客户端问模型。这样能把「工具本身的问题」和「模型理解的问题」分开排障效率高很多。