AI agent 大模型实战之 stdio创建本地mcp服务和客户端

这门课解决什么问题 MCP（Model Context Protocol）是连接 AI agent 与外部工具的标准协议。这门课聚焦于 stdio 传输方式——即 agent 与本地 MCP 服务之间通过标准输入输出进行通信的技术实现。你需要解决的核心问题是：如何快速搭建一个本地 MCP 服务，并让

单课价¥29新品上架

会员价 会员免费开通会员，全站课程按额度无限下载套餐详情

186 人关注更新于 2026-11-05 永久有效

发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服联系客服

购买方式开通会员 · 全站免费下单课购买 · 仅本课

支付成功后自动显示网盘下载链接；链接失效可联系客服免费补链，永久有效。

正版保障极速发货售后无忧

这门课解决什么问题

MCP（Model Context Protocol）是连接 AI agent 与外部工具的标准协议。这门课聚焦于stdio传输方式——即 agent 与本地 MCP 服务之间通过标准输入输出进行通信的技术实现。你需要解决的核心问题是：如何快速搭建一个本地 MCP 服务，并让 agent 调用它执行具体任务（如数学计算、文件处理等），而无需依赖外部 API 或复杂部署。

适合什么基础

建议读者具备 Python 基础，了解基本的函数定义与装饰器用法。课程不会从零讲语法，而是聚焦于 MCP 架构设计与代码落地。如果你熟悉 LangChain 或其他 agent 框架，理解起来会更快；即使不熟悉，课程也会用清晰的代码示例带你走通。

建议先看哪几块

MCP 服务端创建：使用 FastMCP 框架注册工具函数，理解@mcp.tool()装饰器的用法与参数传递机制。
stdio 客户端连接：通过StdioServerParameters和ClientSession建立与服务端的通信通道。
LangChain agent 集成：使用load_mcp_tools将 MCP 工具注入 agent，理解工具注册与调用流程。

学完能独立做什么

学完这门课，你可以独立搭建一个本地 MCP 服务（如数学计算、文件读写等），并通过 agent 框架调用这些工具完成实际任务。更重要的是，你会掌握 MCP 服务的标准开发模式，能够将其应用到自己的项目中，比如为 AI 助手添加自定义工具能力，或构建更复杂的 agent 工作流。

资料怎么配合练习

课程资料包含可直接运行的 Python 代码示例，建议边看边改：尝试修改工具函数的参数和返回值，尝试添加新的工具，或尝试连接不同的 MCP 服务。每个模块结束后，尝试用课程中的代码搭建一个最小可运行示例，验证自己的理解是否正确。资料本身即是练习的起点，动手修改和扩展比单纯阅读更有价值。

from mcp.server.fastmcp import FastMCP mcp = FastMCP("Math Tools") @mcp.tool()
def add(a:int,b:int)->int: return a+b @mcp.tool()
def mult(a:int,b:int)->int: return a*b if __name__=="__main__": mcp.run(transport="stdio")

from langchain.agents import create_agent
from langchain_mcp_adapters.tools import load_mcp_tools
from mcp import StdioServerParameters, ClientSession
from mcp.client.stdio import stdio_client
import asyncio from app.bailian.common import llm SYSTEM_PROMPT="""
你是数学计算专家 你有2个工具函数:
- add ：根据这个函数去把用户输入的2个值相加 并且返回
- mult ：根据这个函数去把用户输入的2个值相乘 并且返回
- 先算乘后算加
""" async def create_mcp_stdio_client(): server_params = StdioServerParameters( command="python", args=["/Volumes/c/workspace/ai-agent-test/mcp_all/stdio_test/mcp_stdio_server.py"] ) async with stdio_client(server_params) as (read,write): async with ClientSession(read,write) as session: await session.initialize() tools =await load_mcp_tools(session) print(tools) agent = create_agent( model=llm, tools=tools, debug=True, system_prompt=SYSTEM_PROMPT, ) resp = await agent.ainvoke( {"messages": [{"role": "user", "content": "1 + 100 * 100 = ?"}]}) print(resp) return resp asyncio.run(create_mcp_stdio_client())