MCP极简入门电子书

Preface 前言

Chapter 1 第1章 从大模型应用到基于MCP的AI混搭

1.1 从大模型到大模型应用

1.2 从搜索到运行工具

1.3 如何更好地支持搜索和使用工具——MCP

1.4 MCP的重要性

Chapter 2 第2章 MCP是如何工作的

2.1 MCP的通俗类比

2.2 基于MCP的系统是如何组成的：架构解读

2.2.1 MCP主机

2.2.2 MCP客户端

2.2.3 MCP服务器

2.3 基于MCP的系统是如何运行的：工作原理解读

2.4 服务间的共识——MCP解读

2.4.1 MCP的协议栈

2.4.2 MCP的双向通信方式

2.4.3 MCP的3种分类

2.5 MCP的安全性

2.6 基于MCP的系统有什么不同

2.6.1 与REST API的区别

2.6.2 与大模型调用第三方工具的区别

2.6.3 与传统AI服务的区别

2.6.4 与大模型服务的区别

2.7 示例解读：基于MCP的天气查询

Chapter 3 第3章 使用本地MCP主机

3.1 用Ollama构建本地MCP主机

3.2 基于Claude Desktop构建本地MCP应用

3.3 使用自然语言发现并安装MCP服务器

3.4 在Cursor中使用MCP服务器

Chapter 4 第4章 从Hello World逐步构建MCP服务器

4.1 环境配置与资源访问

4.1.1 创建项目并设置环境

4.1.2 编写Hello World

4.1.3 测试Hello World的MCP服务器

4.2 使用资源模板扩展资源

4.3 添加提示词使用大模型

4.4 创建工具和消息

Chapter 5 第5章 开发MCP服务器

5.1 基于LangChain的MCP集成

5.1.1 集成一个简单的算术MCP服务器

5.1.2 langchain_mcp_tools工具的集成

5.1.3 与ReAct智能体的集成

5.2 LlamaIndex的工具集成

5.3 MCP服务器的集散地

5.3.1 Smithery.ai

5.3.2 mcp.so

5.3.3 阿里云的MCP服务

5.3.4 腾讯云的MCP插件中心

5.4 一些实用的MCP服务器

5.4.1 APIdog MCP Server

5.4.2 Blender MCP Server

5.4.3 Perplexity Ask MCP Server

5.4.4 Figma MCP Server

5.4.5 Firecrawl MCP Server

5.4.6 MCP Server Chatsum

5.4.7 Neon MCP Server

5.4.8 21st.dev Magic MCP Server

5.4.9 Browserbase MCP Server

5.4.10 Cloudflare MCP Server

Chapter 6 第6章 基于MCP的常见个人应用

6.1 自动提取Web数据

6.1.1 准备工具包

6.1.2 安装智能爬虫模块

6.1.3 配置智能开关

6.1.4 启动验证

6.2 实现个性化搜索

6.2.1 使用FastMCP定义和注册工具

6.2.2 MCP的客户端

6.2.3 MCP客户端和服务器的通信

6.2.4 基于MCP的系统能力应用

6.3 论文阅读

6.3.1 arXiv的MCP服务器：负责从arXiv中获取科学文章

6.3.2 Docling MCP服务器

6.3.3 构建基于FastAPI的客户端

6.4 工作流自动化

6.5 一个通用的AI助手

6.5.1 构建路由器

6.5.2 具体实现

6.5.3 处理器功能

6.5.4 可扩展性

Chapter 7 第7章 用MCP优化自己的设计

7.1 将Figma连接到工作流

7.1.1 建立FigmaMCP开发和运行环境

7.1.2 获取Figma API访问令牌

7.1.3 安装Figma MCP服务器

7.1.4 连接到AI编程工具Cursor

7.1.5 工作流程

7.2 3D建模

7.2.1 安装Unreal Engine MCP Server

7.2.2 连接一个AI客户端

7.2.3 Unreal Engine MCP Server的使用

7.3 3D打印

7.3.1 MCP 3D打印服务器：连接创意与现实的桥梁

7.3.2 MCP 3D打印服务器的兼容性

7.3.3 MCP 3D打印服务器的环境配置

7.3.4 MCP 3D打印服务器的使用示例：如何通过自然对话改进3D打印

7.3.5 MCP 3D打印服务器的资源管理与限制

7.3.6 MCP 3D打印服务器：数字与实体世界的融合

Chapter 8 第8章 用MCP服务器智能处理数据

8.1 引入智能分析：推理增强

8.1.1 Sequential Thinking MCP服务器的作用

8.1.2 Sequential Thinking MCP服务器的构建

8.1.3 Sequential Thinking MCP服务器的工作方式

8.1.4 Sequential Thinking MCP服务器的核心价值

8.1.5 Sequential Thinking MCP服务器的常见问题

8.2 外部数据获取：网络爬虫的MCP服务器

8.2.1 Firecrawl MCP服务器的一个简捷实现

8.2.2 本地部署Firecrawl

8.2.3 在VS Code的Cline插件中配置MCP服务器

8.2.4 在VS Code的Cline插件中测试Firecrawl

8.3 数据报表智能化

8.3.1 数据摄取的准备：访问凭证的获取

8.3.2 构建用于数据分析的MCP服务器

8.3.3 构建用于数据分析的MCP客户端

8.3.4 使用MCP服务器进行数据分析

8.4 知识管理

8.4.1 安装REST API插件以增强Obsidian功能

8.4.2 设置MCP-Obsidian服务器：连接Claude与Obsidian的桥梁

8.4.3 配置Claude连接MCP-Obsidian服务器

8.4.4 MCP-Obsidian服务器的使用

Chapter 9 第9章 用MCP让通信智能化

9.1 轻松对接即时通信工具WhatsApp

9.1.1 准备工作

9.1.2 克隆存储库并运行WhatsApp Bridge

9.1.3 为WhatsApp Access配置Claude Desktop应用程序

9.1.4 集成WhatsApp并将其作为MCP工具

9.2 轻松连接Slack

9.2.1 Runbear让AI自动化触手可及

9.2.2 配置Slack MCP客户端

9.2.3 Slack账户连接到AI智能体的两种授权方法

9.2.4 Runbear与Slack集成带来的便利

9.3 电子邮件的智能化管理：Gmail

9.3.1 Gmail MCP服务器的设置和启动

9.3.2 用Gmail MCP服务器管理电子邮件

9.4 通信转化：使用mcp-proxy完成从SSE到STDIO

9.4.1 什么是mcp-proxy

9.4.2 如何使用mcp-proxy轻松连接SSE与STDIO

9.4.3 使用mcp-proxy时的重要注意事项

Chapter 10 第10章 用MCP大幅提升开发效能

10.1 自动化开发流程实例：Cursor中的PR工作流

10.1.1 获得代码间的差异

10.1.2 用AI智能生成分支名称和提交消息

10.1.3 将代码与GitHub连接：自动创建PR

10.1.4 将AI助手集成到Cursor中，提升Git工作流的效率

10.2 智能代码评审

10.2.1 快速搭建项目环境：安装工具、配置依赖和设置凭证

10.2.2 创建一个模块来处理GitHub PR的数据检索

10.2.3 创建核心PR分析器：连接Claude Desktop、GitHub和Notion

10.2.4 自动化PR审查流程：从代码更改到Notion记录

10.3 优化API调用

10.3.1 使用Spring AI的新特性优化ThemeParks.wiki API的使用

10.3.2 优化MCP服务器使用API的方式

10.4 MCP为传统应用带来革新：API的运行时管理

10.4.1 使用Cursor配置APISIX-MCP服务器的详细步骤

10.4.2 通过自然语言与AI交互来配置APISIX路由

Chapter 11 第11章 用MCP简化数据库操作

11.1 使用关系数据库构建应用原型

11.1.1 在本地运行SQLite MCP服务器

11.1.2 通过对话探索SQLite数据库

11.1.3 使用对话快速构建原型

11.2 非关系数据库Redis的访问

11.2.1 Redis MCP服务器

11.2.2 构建Redis MCP服务器的开发环境：搭建项目基础

11.2.3 创建Redis MCP服务器的核心实现：从代码到功能

11.2.4 将Redis MCP服务器与Cursor IDE集成：简易步骤指南

11.3 Milvus与MCP的集成：开启智能数据管理

11.3.1 运行Milvus MCP服务器

11.3.2 在Claude Desktop中配置并使用Milvus MCP服务器

11.3.3 在Cursor中配置并使用Milvus MCP服务器

11.3.4 常见问题及解决方法

11.4 Apache Ignite与MCP的集成：探索分布式数据库的新可能

11.4.1 启动Apache Ignite并初始化数据库：从零开始的详细指南

11.4.2 构建Apache Ignite MCP服务器

11.4.3 使用MCP Inspector测试Apache Ignite MCP服务器

11.4.4 Apache Ignite MCP服务器与大模型协作实现推理

Chapter 12 第12章 用MCP助力大模型

12.1 通过MCP服务器在本地运行DeepSeek R1模型

12.1.1 轻松获取并设置DeepSeek R1模型

12.1.2 使用LM Studio简化本地运行AI模型

12.1.3 通过MCP与本地DeepSeek R1模型无缝交互

12.1.4 利用MCP释放DeepSeek R1模型的潜力

12.2 生产环境中的DeepSeek MCP服务器部署

12.2.1 安装并配置DeepSeek MCP服务器

12.2.2 深度整合DeepSeek与MCP：超越简单的聊天机器人

12.3 构建可扩展的多云大模型服务

12.3.1 多云大模型服务的MCP系统架构：分层设计与工作原理

12.3.2 面向多云大模型服务的MCP系统的参考实现

12.3.3 多云大模型服务的MCP的最佳实践指南