零基础教程：30 分钟用 MCP 给你的 AI Agent 接上第一个外部工具

如果你用过 AI Agent，一定遇到过这个尴尬：模型很聪明，但一让它「查一下数据库」「发个通知」「读个网页」，它就说「我没有这个能力」。要让它真正干活，就得给它接工具。过去接工具很麻烦——每个 Agent 框架都有自己的插件格式，换个框架全得重写。MCP（Model Context Protocol）就是来解决这个的，它像一个「万能插座」，定义了一套统一标准，让工具和 Agent 即插即用。这篇教程带你 30 分钟跑通第一个 MCP 工具，零基础也能跟上。

第一步：理解三个角色。MCP 里只有三个东西——MCP Server（提供工具的进程）、MCP Client（使用工具的 Agent 宿主）、Transport（它们之间的通信方式，常见的是 stdio 或 HTTP）。你不需要写 Agent，只需要写一个 Server。

第二步：写一个最小 Server。用 Python 的 mcp 库，核心就几行：定义一个工具函数，给它起名字、写描述、声明参数，然后跑起来。描述写清楚很关键——这是 Agent 决定「什么时候该调用你」的唯一依据，描述含糊，Agent 就不会用。

第三步：在 Client 里注册。把 Server 的启动命令配进你的 Agent 配置（比如一条 mcpServers 配置），重启后，Agent 就能「看到」这个工具了。你问它「帮我查一下 X」，它自己会判断要不要调你写的工具。

几个避坑点：参数 schema 一定要声明完整，别偷懒，漏了类型 Agent 传参就会出错；工具描述用「这个工具能做什么 + 什么时候用」，别只写名字；先本地 stdio 跑通，再上 HTTP/远程，别一上来就搞复杂部署。

跑通一次之后你会发现，接工具这件事从「每个框架学一遍」变成了「写一次到处用」。MCP 的价值不在单个工具，在于它把「能力」和「Agent」解耦了——这才是多智能体时代能规模化的底座。