MCP实战：一个Server给三个Agent用
简单说，MCP就是把“工具定义”和“具体实现”分开了。Server负责提供工具（带参数描述的函数），Client（比如Claude Code）负责把这些描述喂给大模型。模型决定调用哪个工具，Client再把请求转发给Server。
这套机制最让我觉得不靠谱（但也最关键）的地方在于它的传输协议：默认走的是stdio。也就是说，Client把Server当成子进程启动，通过标准输入输出传JSON。
这里有个大坑：MCP Server绝对不能在代码里随便用 print()。因为stdout被协议占用了，你随手写个 print("debug info") 就会直接把协议报文搞脏，导致Client端解析报错，直接崩溃。所有日志必须强行输出到stderr。
我试了一套用FastMCP搭建的方案，代码量极少，直接用装饰器定义工具：
from mcp.server.fastmcp import FastMCPmcp = FastMCP("NB2Lite Agent")
@mcp.tool()
def generate_image(
prompt: str, aspect_ratio: str = "1:1", thinking_level: str = "low"
) -> str:
"""Generates a new image from a text prompt."""
# 实际调用Gemini API的逻辑
return "image_path"
在这种架构下，无论你是用Claude Code、Python写的ADK Agent，还是用Rust写的CLI，只要配置文件里指向这个 server.py，它们都能瞬间获得生成图片的能力。
几个核心维度的对比：
对于追求安全和统一管理的工程来说，这种解耦方式比在每个Agent里硬编码API Key和调用逻辑要稳得多。
