1. 项目概述一个为AI应用构建标准化工具连接器的起点如果你正在开发一个AI应用无论是智能助手、代码生成工具还是数据分析平台一个绕不开的核心需求就是如何让AI模型安全、高效地调用外部工具和API比如你想让AI帮你查询数据库、发送邮件、操作Git仓库或者调用一个内部业务系统。过去开发者需要为每个工具、每个模型如GPT、Claude编写大量胶水代码处理复杂的授权、数据格式转换和错误处理这不仅开发效率低下也带来了巨大的维护成本和安全隐患。adamwulf/mcp-template这个项目就是为解决这个问题而生。它是一个基于Model Context Protocol (MCP)的模板项目。简单来说MCP是Anthropic提出的一种开放协议旨在为AI模型如Claude提供一个标准化的方式来发现、描述和调用外部工具称为“服务器”。这个模板则为开发者提供了一个快速启动MCP服务器开发的“脚手架”。你可以把它理解为一个“乐高积木”的起始套装。它预先配置好了项目结构、依赖管理、构建脚本和基础示例让你能跳过繁琐的初始化工作直接聚焦于实现你的核心业务逻辑——即你想让AI帮你做什么。无论是为团队内部构建一个能操作Jira的AI助手还是为你的产品增加一个能调用第三方API的智能插件这个模板都能帮你快速搭建起符合MCP标准的“桥梁”。对于AI应用开发者、工具集成工程师以及对AI Agent生态感兴趣的开发者来说掌握MCP和利用此类模板意味着能更快地将创意落地构建出能力更强、更实用的AI应用。2. MCP协议核心思想与项目定位解析2.1 为什么需要MCP工具调用“战国时代”的终结者在MCP出现之前AI工具调用领域可谓一片“战国时代”。以OpenAI的Function Calling和Assistant API为例它们虽然强大但本质上是厂商锁定的。你用OpenAI的格式定义好工具就只能给GPT系列模型使用。如果你想换用Claude、Gemini或者其他开源模型对不起整套工具定义和调用逻辑几乎要推倒重来。更不用说每个模型对工具描述名称、参数、返回值的格式要求都有细微差别。这带来的直接问题就是碎片化和高成本。作为开发者你可能需要维护多套适配不同模型的工具层代码。作为工具提供方比如你开发了一个优秀的日历管理API你需要为每个AI平台编写不同的集成插件。MCP的核心理念就是标准化和解耦。它定义了一套与模型无关的协议包括工具发现服务器Server如何向客户端Client通常是AI应用或模型运行时宣告自己提供了哪些工具Tools。工具描述如何用标准化的JSON Schema格式描述一个工具的输入参数。工具调用客户端如何以标准格式请求调用工具以及服务器如何返回结构化的结果。资源管理服务器如何向客户端提供静态或动态的上下文信息Resources比如文档、配置文件内容等。这样一来工具开发者只需要实现一次MCP服务器任何兼容MCP的AI客户端如Claude Desktop、Cursor IDE以及未来越来越多的应用都能无缝集成和使用这些工具。这极大地降低了生态各方的接入成本。2.2.adamwulf/mcp-template的精准定位生产就绪的快速启动器理解了MCP的价值我们再来看这个模板项目。GitHub上名为“template”或“starter”的项目很多质量参差不齐。adamwulf/mcp-template的独特之处在于它不仅仅是一个“Hello World”示例更是一个面向生产环境考虑的、TypeScript技术栈的快速开发起点。它的定位非常清晰面向开发者假设你已经了解Node.js/TypeScript基础目标是快速构建一个可靠、可维护的MCP服务器。强调最佳实践模板集成了代码格式化Prettier、代码检查ESLint、测试框架Jest、打包工具tsup等现代JavaScript开发工具链确保项目从第一天起就具备良好的代码质量和可维护性。提供完整示例它不仅仅定义空接口而是包含了真实可用的工具示例如获取时间、执行计算和资源示例如读取文件让你能立即看到MCP协议各部分是如何协作的。开箱即用的工具链配置好了TypeScript编译、热重载开发服务器、以及构建生产环境单文件bundle的脚本让你从开发到部署的路径非常顺畅。可以说这个模板帮你把“项目基建”的脏活累活都干了你只需要关心“我的服务器要提供哪些具体的工具能力”。这对于希望快速原型验证或启动正式项目的团队来说价值巨大。3. 项目结构与核心文件深度拆解当我们克隆或使用这个模板初始化一个新项目后面对的文件结构就是我们的“作战地图”。理解每个目录和文件的作用是进行高效定制开发的前提。3.1 顶层结构模块化与关注点分离一个典型的基于此模板生成的项目结构如下my-mcp-server/ ├── src/ │ ├── index.ts # 服务器主入口工具和资源注册中心 │ ├── tools/ # 工具实现模块 │ │ ├── index.ts # 工具集中导出文件 │ │ ├── calculator.ts # 示例计算器工具 │ │ └── time.ts # 示例时间查询工具 │ └── resources/ # 资源实现模块 │ ├── index.ts # 资源集中导出文件 │ └── fileResource.ts # 示例文件资源 ├── scripts/ │ └── develop.ts # 开发模式脚本支持热重载 ├── tests/ # 单元测试目录 ├── package.json # 项目依赖和脚本定义 ├── tsconfig.json # TypeScript编译配置 ├── .eslintrc.js # 代码检查规则 ├── .prettierrc # 代码格式化规则 └── build.config.ts # 生产构建配置tsup设计解读src/是源代码的核心。将tools和resources分目录存放遵循了“关注点分离”原则。当你的工具数量增长到几十个时这种结构能保持清晰的代码组织。index.ts作为主入口负责导入所有工具和资源并创建MCP服务器实例。scripts/目录下的develop.ts是关键。它使用modelcontextprotocol/sdk提供的开发服务器实现了源代码变动时的自动重启极大提升了开发体验。独立的tests/目录和一系列配置文件tsconfig.json,.eslintrc.js等表明这是一个为长期维护设计的项目而不是一次性脚本。3.2 核心源码剖析从工具定义到服务器启动让我们深入最关键的src/index.ts文件看看一个MCP服务器是如何组装起来的。// src/index.ts 核心代码段分析 import { Server } from modelcontextprotocol/sdk/server/index.js; import { StdioServerTransport } from modelcontextprotocol/sdk/server/stdio.js; // 导入自定义的工具和资源 import { tools } from ./tools; import { resources } from ./resources; // 1. 创建服务器实例并指定名称和版本 const server new Server( { name: my-custom-mcp-server, // 你的服务器唯一标识 version: 0.1.0, }, { capabilities: { // 声明服务器支持的能力 tools: {}, // 声明支持工具调用 resources: {}, // 声明支持资源提供 }, } ); // 2. 注册工具和资源 // 这是将你的业务逻辑“挂载”到协议上的关键步骤 for (const tool of tools) { server.setRequestHandler(tool, async (request, extra) { // 实际处理工具调用的逻辑会分发到具体的工具实现文件中 const handler toolHandlers[request.params.name]; return handler ? handler(request, extra) : { ... }; }); } // 资源注册逻辑类似... // 3. 启动服务器使用标准输入输出作为传输层 // 这是MCP的典型部署方式客户端通过子进程启动服务器并与之通信 async function main() { const transport new StdioServerTransport(); await server.connect(transport); } main();关键点解析Server实例这是SDK的核心类。name和version会在客户端连接时被识别有助于调试和管理多个服务器。Capabilities声明明确告诉客户端“我有什么能力”。这里声明了tools和resources意味着你的服务器既能被主动调用也能主动提供上下文信息。StdioServerTransport这是最常用、最简单的传输方式。服务器通过stdin接收请求通过stdout发送响应。这种设计使得MCP服务器可以像命令行工具一样被任何编程语言启动和调用兼容性极佳。请求处理器Request Handlerserver.setRequestHandler是连接协议和业务逻辑的桥梁。模板中通常会将具体的处理函数委托到src/tools/目录下的各个模块中保持主文件简洁。3.3 工具实现示例解剖一个“计算器”工具模板提供的src/tools/calculator.ts是一个完美的教学案例。我们来看看一个完整的工具是如何定义的。// src/tools/calculator.ts import { z } from zod; // 用于参数验证的库 // 1. 定义工具元数据这是给AI模型看的“说明书” export const calculatorTool { name: calculator, // 工具唯一名称 description: Perform a basic arithmetic calculation., inputSchema: { type: object, properties: { operation: { type: string, description: The arithmetic operation to perform (add, subtract, multiply, divide), enum: [add, subtract, multiply, divide], // 限制可选值 }, a: { type: number, description: The first operand, }, b: { type: number, description: The second operand, }, }, required: [operation, a, b], // 必填参数 }, }; // 2. 定义参数验证模式使用Zod // 这与上面的JSON Schema是等价的但在TypeScript中能提供更好的类型安全。 export const CalculatorInputSchema z.object({ operation: z.enum([add, subtract, multiply, divide]), a: z.number(), b: z.number(), }); export type CalculatorInput z.infertypeof CalculatorInputSchema; // 3. 实现工具的核心逻辑函数 export async function calculate(args: CalculatorInput): Promisestring { const { operation, a, b } args; let result: number; switch (operation) { case add: result a b; break; case subtract: result a - b; break; case multiply: result a * b; break; case divide: if (b 0) { // 友好的错误处理是生产级代码的关键 throw new Error(Division by zero is not allowed.); } result a / b; break; default: // 类型安全理论上避免了这种情况但这是良好的防御性编程 throw new Error(Unsupported operation: ${operation}); } // 返回一个对人类和AI都友好的字符串结果 return The result of ${a} ${operation} ${b} is ${result}.; }设计精髓与实操要点双重定义模式工具元数据calculatorTool是给MCP协议和AI模型看的它必须是标准的JSON Schema。而Zod模式CalculatorInputSchema是给TypeScript编译器和你自己看的用于在代码层面获得完美的类型提示和编译时检查。这种模式确保了“契约”的一致性。清晰的描述Descriptiondescription字段至关重要。AI模型如Claude会根据这个描述来决定是否以及如何调用这个工具。描述应简洁、准确说明工具的功能和参数含义。好的描述能显著提升AI调用的准确率。健壮的错误处理在divide操作中检查除零错误并抛出清晰的错误信息。在MCP中服务器抛出的错误会被客户端捕获并传递给AI模型AI可能会尝试修复参数或向用户报告错误。因此错误信息应具有指导性。友好的返回值函数返回一个字符串。虽然你也可以返回复杂的JSON对象但一个清晰的、完整的自然语言句子往往是更好的选择因为它可以直接被AI模型用作回复用户的一部分无需额外格式化。注意工具函数的返回值类型这里是Promisestring可以根据需要变化。如果你希望返回结构化数据例如查询数据库返回一个对象数组可以返回PromiseAny并在工具描述中通过outputSchema字段声明返回值的结构帮助AI更好地理解结果。4. 从零开始构建一个自定义MCP服务器天气预报查询实战现在我们抛开模板自带的示例从头构建一个全新的、有实用价值的MCP服务器一个天气预报查询工具。通过这个实战你将掌握定制开发的完整流程。4.1 需求分析与工具设计假设我们想构建一个工具让AI助手能回答“北京天气怎么样”这类问题。我们需要一个工具它接收城市名作为参数调用一个第三方天气API并返回格式化的天气信息。工具设计名称get_weather描述Get the current weather conditions for a specified city.参数city(string, required): The name of the city, e.g., Beijing, New York. For cities with multiple words, use a space.units(string, optional): The unit system for temperature.metricfor Celsius,imperialfor Fahrenheit. Defaults tometric.返回值一个描述天气的字符串包含温度、湿度、天气状况等信息。4.2 实现步骤与代码详解第一步初始化项目并安装额外依赖如果你还没有项目可以使用模板快速初始化假设模板提供了create脚本或可通过degit等工具获取。然后我们需要安装调用HTTP API的库这里选择常用的axios。# 在项目根目录下 npm install axios第二步创建天气工具模块在src/tools/目录下创建新文件weather.ts。// src/tools/weather.ts import { z } from zod; import axios from axios; // 1. 定义工具元数据 (JSON Schema) export const weatherTool { name: get_weather, description: Get the current weather conditions for a specified city., inputSchema: { type: object, properties: { city: { type: string, description: The name of the city, e.g., Beijing, New York. Use English city names for best results., }, units: { type: string, description: Unit system for temperature. metric for Celsius, imperial for Fahrenheit., enum: [metric, imperial], default: metric, // 提供默认值 }, }, required: [city], }, }; // 2. 定义Zod验证模式 export const WeatherInputSchema z.object({ city: z.string().min(1, City name cannot be empty), units: z.enum([metric, imperial]).optional().default(metric), }); export type WeatherInput z.infertypeof WeatherInputSchema; // 3. 实现核心逻辑 // 假设我们使用OpenWeatherMap API你需要注册并获取自己的API Key const OPENWEATHER_API_KEY process.env.OPENWEATHER_API_KEY; // 从环境变量读取 const OPENWEATHER_BASE_URL https://api.openweathermap.org/data/2.5/weather; export async function getWeather(args: WeatherInput): Promisestring { const { city, units } args; // 参数校验Zod在调用前已做此处是二次确认 if (!OPENWEATHER_API_KEY) { throw new Error(OpenWeatherMap API key is not configured. Please set the OPENWEATHER_API_KEY environment variable.); } try { // 调用第三方API const response await axios.get(OPENWEATHER_BASE_URL, { params: { q: city, units: units, // metric 或 imperial appid: OPENWEATHER_API_KEY, }, timeout: 10000, // 设置10秒超时避免长时间阻塞 }); const data response.data; // 解析API响应 const temp data.main.temp; const humidity data.main.humidity; const description data.weather[0].description; const feelsLike data.main.feels_like; // 根据单位系统决定温度符号 const tempUnit units metric ? °C : °F; // 返回格式化的自然语言结果 return The current weather in ${city} is ${description}. The temperature is ${temp}${tempUnit}, but it feels like ${feelsLike}${tempUnit}. The humidity is ${humidity}%.; } catch (error: any) { // 精细化的错误处理 if (axios.isAxiosError(error)) { if (error.response) { // API返回了错误状态码 const status error.response.status; if (status 404) { throw new Error(City ${city} not found. Please check the city name.); } else if (status 401) { throw new Error(Invalid API key for weather service.); } else { throw new Error(Weather API error: ${error.response.data?.message || status}); } } else if (error.request) { // 请求已发出但没有收到响应 throw new Error(Unable to reach the weather service. Please check your network connection.); } else { // 请求配置出错 throw new Error(Failed to configure weather request: ${error.message}); } } // 其他未知错误 throw new Error(An unexpected error occurred while fetching weather: ${error.message}); } }第三步在主入口注册新工具修改src/tools/index.ts文件导出新的天气工具。// src/tools/index.ts import { calculatorTool, calculate } from ./calculator; import { timeTool, getTime } from ./time; // 导入新工具 import { weatherTool, getWeather } from ./weather; // 导出工具定义列表供index.ts注册 export const tools [calculatorTool, timeTool, weatherTool]; // 创建工具名称到处理函数的映射 // 这是一个关键的设计模式用于路由请求 export const toolHandlers: Record string, (args: any) Promiseany { [calculatorTool.name]: async ({ params }) calculate(params), [timeTool.name]: async ({ params }) getTime(params), [weatherTool.name]: async ({ params }) getWeather(params), // 新增映射 };同时需要更新src/index.ts中的请求处理器确保它能正确路由到新的toolHandlers映射。模板通常已经实现了这种模式你只需要确保toolHandlers被正确导入和使用。第四步配置环境变量为了安全地存储API Key我们使用环境变量。在项目根目录创建.env文件确保该文件在.gitignore中避免密钥泄露。# .env OPENWEATHER_API_KEYyour_actual_api_key_here修改package.json中的scripts确保开发时能加载环境变量。可以使用dotenv库或者在启动命令中注入。一个简单的方式是使用dotenv-clinpm install --save-dev dotenv-cli然后修改package.json中的开发脚本{ scripts: { dev: dotenv -e .env -- tsx scripts/develop.ts, build: tsup } }4.3 测试与验证启动开发服务器npm run dev现在你需要一个MCP客户端来测试。一个简单的方法是使用Claude Desktop App如果它已支持MCP并在其配置中添加你的服务器。或者你可以使用MCP SDK自带的测试工具或编写一个简单的测试客户端。更直接的开发期测试方法是利用模板可能提供的简单测试脚本或者自己编写一个test.ts模拟客户端调用// scripts/test-weather.ts (临时测试文件) import { getWeather } from ../src/tools/weather; import dotenv from dotenv; dotenv.config(); async function test() { try { const result await getWeather({ city: London, units: metric }); console.log(Weather Result:, result); } catch (error: any) { console.error(Test Failed:, error.message); } } test();运行这个测试脚本确保它能正确调用API并返回格式化的天气信息。5. 高级主题资源Resources的妙用与服务器优化工具Tools让AI能“主动做事情”而资源Resources则让AI能“被动读信息”。它们是MCP中相辅相成的两个核心概念。5.1 理解资源为AI提供静态或动态上下文资源Resources是服务器可以向客户端提供的、可供读取的上下文信息。它们可以是静态文件如项目的README文档、配置文件模板、使用指南。动态内容如数据库的当前状态、系统日志的最后几行、实时监控数据。结构化数据如产品目录列表、用户权限表。当AI客户端如Claude连接到你的服务器时它可以列出并读取这些资源将这些信息作为对话的上下文从而更准确地回答问题或执行任务。例如一个“项目文档”资源可以让AI回答关于你项目API的使用问题一个“今日待办事项”资源可以让AI帮你规划日程。5.2 实现一个动态资源服务器运行状态监控让我们实现一个简单的动态资源让AI能了解MCP服务器本身的运行状态。在src/resources/目录下创建serverStatus.ts// src/resources/serverStatus.ts import { Resource } from modelcontextprotocol/sdk/server/index.js; // 1. 定义资源 // 资源的URI是它的唯一标识符通常按一定模式组织如 your-server://path/to/resource export const serverStatusResource: Resource { uri: my-mcp-server://internal/status, name: Server Status, description: Current runtime status and health of this MCP server., mimeType: application/json, // 声明资源内容是JSON格式 }; // 2. 实现资源内容获取函数 // 这是一个动态资源每次读取都可能返回不同的值 export async function getServerStatusContent(): Promisestring { const status { timestamp: new Date().toISOString(), uptime: process.uptime(), // Node.js进程运行时间秒 memoryUsage: process.memoryUsage(), nodeVersion: process.version, toolCount: 3, // 假设当前有3个工具这个可以动态计算 resourceCount: 2, // 假设当前有2个资源 status: healthy, }; // 将对象序列化为JSON字符串返回 return JSON.stringify(status, null, 2); // 缩进2格美化输出 }然后在src/resources/index.ts中导出它并在src/index.ts中注册资源列表和对应的read请求处理器。注册方式与工具类似但处理的是resources.list和resources.read请求。5.3 生产环境部署与性能优化考量当你的MCP服务器开发完毕准备投入生产环境时需要考虑以下几个关键点1. 安全性加固环境变量所有密钥、令牌、数据库连接字符串必须通过环境变量注入绝对不要硬编码在源码中。输入验证虽然Zod提供了强大的验证但对于来自不可控客户端AI的输入要保持“零信任”原则。即使协议层有Schema在工具实现函数内部对参数进行二次校验和净化如防止SQL注入、路径遍历也是好习惯。权限控制如果你的工具能执行敏感操作如删除文件、发送消息考虑实现简单的权限机制。例如在服务器启动时读取一个允许的操作列表或者在工具函数内检查调用上下文如果MCP未来支持传递用户身份信息。2. 错误处理与日志结构化日志使用winston或pino等日志库记录所有工具调用的请求、响应和错误。这对于调试和监控至关重要。日志应输出到标准错误stderr或文件避免污染MCP协议通信的stdout。友好的用户错误如我们在天气示例中所做将底层API的原始错误如HTTP 404转换为对最终用户或AI模型有意义的错误信息如“城市未找到”。超时与重试对于依赖网络的外部服务调用如天气API必须设置合理的超时timeout。对于可重试的错误如网络抖动可以考虑实现简单的重试逻辑。3. 性能与可观测性精简依赖定期检查package.json移除未使用的依赖。一个轻量级的服务器启动更快潜在的安全漏洞也更少。健康检查虽然MCP协议本身没有标准的健康检查端点但你可以实现一个简单的工具如ping或资源来暴露服务器健康状态方便外部监控系统调用。指标收集考虑使用prom-client等库暴露一些基本的Prometheus指标如工具调用次数、耗时、错误率并通过一个独立的HTTP端口非MCP协议端口提供/metrics端点方便集成到监控栈中。4. 打包与分发模板配置的tsup会将你的TypeScript代码和依赖打包成一个单一的、优化过的JavaScript文件通常在dist/index.js。这是部署的理想形式。你可以将此文件复制到任何安装了Node.js运行时的机器上运行。对于更复杂的分发可以考虑使用pkg将Node.js运行时一起打包成可执行二进制文件或者构建Docker镜像实现更一致的环境部署。6. 常见问题、调试技巧与生态集成6.1 开发与调试中遇到的典型问题问题一服务器启动失败提示“Cannot find module”原因通常是依赖没有安装完整或者TypeScript编译输出的目录dist/不存在。解决删除node_modules和package-lock.json重新运行npm install。确保在运行开发服务器npm run dev或启动服务器前已经执行过构建命令npm run build。开发脚本scripts/develop.ts通常会处理编译但需检查其逻辑。检查tsconfig.json中的outDir设置是否与启动脚本期望的路径一致。问题二客户端连接成功但看不到我定义的工具/资源原因工具或资源没有在服务器实例中正确注册。排查检查src/index.ts确保server.setRequestHandler被正确调用并且你导出的工具列表tools包含了新工具的定义。检查工具定义中的name字段是否与请求处理器中用于查找的键名完全一致大小写敏感。在开发模式下查看服务器启动时的日志通常会打印已注册的工具和资源列表。使用一个简单的调试客户端直接向服务器的stdio发送MCP协议格式的tools/list请求查看原始响应。问题三AI模型调用了工具但参数总是错误或不符合预期原因工具的描述description或参数Schema不够清晰导致AI模型理解偏差。优化精炼描述确保description简明扼要地说明工具的用途和使用场景。例如“获取天气”不如“获取指定城市当前的温度、湿度和天气状况”清晰。使用enum对于有限选项的参数如单位metric/imperial操作add/subtract务必使用enum字段明确列出这能极大提高AI调用准确性。提供示例在参数description中或工具的整体description中可以加入示例。例如For example: {city: Tokyo, units: metric}。虽然MCP Schema标准不一定有专门字段但放在描述文本中是有效的。在客户端测试在Claude等客户端中直接要求AI“列出可用的工具”观察它如何理解和描述你的工具根据其反馈调整Schema。问题四工具函数执行缓慢导致客户端超时原因工具函数中可能在进行耗时的同步操作、网络请求没有设置超时、或陷入循环。解决设置超时对所有外部HTTP/数据库请求强制设置超时如axios的timeout配置。异步优化确保所有I/O操作都是异步的避免阻塞事件循环。实现取消机制虽然MCP协议目前对长时间运行任务的支持在演进中但你可以考虑将耗时任务设计为“触发后立即返回一个任务ID”然后通过另一个工具或资源来查询任务结果。6.2 与现有AI生态的集成你的MCP服务器开发完成后最大的价值在于被各种AI客户端使用。Claude Desktop这是目前集成MCP最成熟的产品。你需要在Claude Desktop的配置文件中添加你的服务器路径。配置文件通常位于~/Library/Application Support/Claude/claude_desktop_config.jsonMac或类似位置。添加一个条目指定服务器的名称和启动命令指向你打包好的JS文件或开发脚本。{ mcpServers: { my-weather-server: { command: node, args: [/absolute/path/to/your/dist/index.js], env: { OPENWEATHER_API_KEY: your_key_here } } } }重启Claude Desktop后它就能发现并使用你的工具了。Cursor IDE作为一款集成了AI的代码编辑器Cursor也开始支持MCP。集成方式类似通过其设置界面或配置文件添加自定义MCP服务器。自定义AI应用你可以使用modelcontextprotocol/sdk中的客户端库在你自己的Node.js、Python等应用中嵌入MCP客户端连接并调用你的或其他人的MCP服务器从而为你自己的AI功能赋能。6.3 进阶方向构建复杂工具与资源体系当你掌握了基础工具和资源的开发后可以探索更复杂的模式工具链设计一系列相互关联的工具。例如一个create_database_connection工具返回一个连接ID后续的query_database工具使用这个ID来执行查询。分页资源对于可能返回大量数据的资源如日志文件实现MCP的resources.list和分页读取避免一次性加载所有内容。通知NotificationsMCP协议支持服务器向客户端主动发送通知。你可以利用这个特性实现“订阅”模式例如当某个监控指标超过阈值时主动通知AI客户端。结合本地知识库将RAG检索增强生成与MCP结合。创建一个资源它动态地从你的本地文档向量库中检索与当前对话最相关的片段提供给AI作为上下文从而实现基于私有知识的精准问答。adamwulf/mcp-template为你提供了一个坚实、专业的起点。它抽象了协议通信的复杂性让你能专注于创造有价值的工具。随着MCP协议的不断发展和生态的壮大掌握这项技能将使你能够在AI应用集成领域占据先机。从今天开始选择一个你日常工作中重复性的、可自动化的任务尝试用MCP服务器将它包装起来你会发现一个全新的、与AI协作的工作流正在展开。