老套路为了表示专业性简单介绍下全称是Model Context Protocol 模型上下文协议是Anthropic 推出的开源标准协议用来统一规定「AI 应用」怎么和外部文件、数据库、API 工具对话被称为 AI 世界的 USB-C 接口。采用Host宿主 Client客户端 Server服务端三层架构目标是标准化 LLM 获取外部上下文、调用外部能力的交互规范大白话理解台灯专属 A 插头只能插 A 插座吹风机专属 B 插头只能插 B 插座扫地机器人专属 C 插头只能插 C 插座痛点换一个墙面板换一个 AI 软件所有电器全部不能用要重新买一套插头新增一个电器要给所有墙面板单独改造成本很高。放到 AI 场景Cursor 对接 MySQL写一套对接代码Claude 对接同一个 MySQL重新写一套对接代码你写的工具只能给这一个 AI 用换 AI 就要重写集成。以上内容帮助理解你是高手就直接看下面实际使用1.自己开发使用的是博查联网搜索博查AI开放平台 | Search API, Reranker API1.1 登录博查注册账号领取1000次的免费调用1.2 创建API_KEY1.3 python环境写一个web_search.py--- 配置参数--- 使用FastMCP 创建mcp serverimport httpx from fastmcp import FastMCP from core.config import settings mcp FastMCP( nameweb-search, instructionsBocha AI 联网搜索 MCP 服务,提供 web_search 工具,返回 [{title, url, snippet}] 结构化结果。, ) async def _search(query: str, count: int | None None) - list[dict]: Bocha AI 联网搜索;失败或无结果统一返回空列表,不抛异常(联网是兜底,不该阻断问答)。 返回归一化结构 [{title, url, snippet}],字段缺失按空串兜底,无 url 的条目丢弃。 try: async with httpx.AsyncClient(timeout10) as client: resp await client.post( urlhttps://api.bocha.cn/v1/web-search, headers{ Authorization: fBearer {settings.BOCHAAI_KEY}, Content-Type: application/json, }, json{ query: query, freshness: noLimit, summary: True, count: count or settings.WEB_SEARCH_COUNT, }, ) resp.raise_for_status() data resp.json() except (httpx.HTTPError, ValueError): return [] pages ((data.get(data) or {}).get(webPages) or {}).get(value) or [] results [] for p in pages: url p.get(url) if not url: continue results.append({ title: p.get(name) or p.get(title) or , url: url, snippet: p.get(summary) or p.get(snippet) or , }) return results mcp.tool async def web_search(query: str, count: int | None None) - list[dict]: 联网搜索,返回 [{title, url, snippet}] 列表;失败或无结果返回空列表。 return await _search(query, count) if __name__ __main__: mcp.run(transportstreamable-http, host127.0.0.1, port8100)2.外部MCP使用举例高德创建应用和 Key-MCP Server | 高德地图API2.1 创建高德key3.最后在cursor中使用上面配置好的mcp server4.最后就可以进行使用,PS:mcp-weather-project 是我本地写的mock数据忽略这个调用失败好了大家可以去试下吧~