Python实现MCP服务器：快速连接Claude Code实战

把MCP (Model Context Protocol) 理解成AI界的USB-C接口就简单了。以前每个AI工具得单独写一套集成，现在只要符合这个协议，写一次就能在支持的客户端（比如Claude Code）里通用。

我实测了一下，用Python跑通一个简单的MCP Server其实只要10分钟，核心就是利用官方SDK把一个普通函数定义成AI可以调用的Tool。

环境搭建

这里推荐用 uv，管理依赖比pip快得多。

uv init word-count-mcp
cd word-count-mcp
uv add "mcp[cli]"

编写Server代码

创建一个 server.py。重点在于 @mcp.tool() 装饰器，它会自动读取函数的类型注解和Docstring来生成Schema，如果没写类型注解，AI可能不知道怎么传参。

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("word-count")

@mcp.tool()
def word_count(text: str) -> dict:
    """Count the words, characters, and lines in a block of text.

    Args:
        text: The text to analyze.
    """
    words = text.split()
    return {
        "words": len(words),
        "characters": len(text),
        "characters_no_spaces": len("".join(text.split())),
        "lines": len(text.splitlines()),
    }

if __name__ == "__main__":
    mcp.run(transport="stdio")

部署到Claude Code

先用 uv run server.py 跑一下，确认没报错（程序会阻塞等待输入，Ctrl+C退出即可）。然后直接在项目目录下执行注册命令：

claude mcp add word-count -- uv run --directory "$(pwd)" server.py

这里的 -- 后面跟的是启动命令。注册成功后，Claude Code 就能在对话中根据需求自动调用这个 word_count 工具了。

这种模式最强的地方在于，你可以把公司内部的私有API、数据库查询逻辑封装成这样的Tool，直接给AI用，而不需要重新训练模型。