1. 为什么我要手写一个 MCP Server 接进 Claude CodeMCP 协议Model Context Protocol是 Anthropic 提出的开放标准用一句话说清楚它让大模型像浏览器访问网页一样用统一协议安全地访问外部工具和数据源。你写一次 MCP Server所有支持 MCP 的客户端都能直接调用不用再为每个框架重写一遍 Function Calling。Claude Code 是目前对 MCP 支持最完整的命令行 AI 编程助手适合想把自己的脚本、数据库、内部 API 变成大模型可调用工具的开发者。我试过把公司内部的日志查询脚本接进 Claude Code一开始踩了不少坑stdio 模式下 print 调试直接把协议通道污染了Windows 下中文编码乱码配置文件里 command 写了相对路径换个目录就找不到。这些问题教程里大多一笔带过但对新手来说每一个都能卡半天。这篇就把从零手写 MCP Server 到接入 Claude Code 的全流程拆开讲stdio 和 SSE 两种传输模式都覆盖配置文件骨架、启动命令、鉴权通道配置片段全部给可复制的版本最后附一份常见报错排查清单。适合谁看已经会用 Claude Code 或 Cursor想把自己的工具接进去的开发者被 Function Calling 各家格式不统一折磨过的人想搞懂 MCP 协议到底怎么跑起来、不想只看概念科普的人。读完你能得到一个能跑通的 Note Server以及一套可复用的配置和排障方法。2. TaoToken 前置统一 Key 与 API 通道准备在动手写 Server 之前先把模型调用通道理顺。Claude Code 本身需要模型 API 才能工作如果你同时还在用其他支持 MCP 的客户端每个都配一遍 Key 和地址会很乱。TaoToken 提供统一 Key 和 API 通道把模型调用收敛到一个入口后面 Claude Code 的配置里只需要填一次。官网地址https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址https://taotoken.net/api操作路径很直接注册后在控制台创建 API Key然后在 Claude Code 的环境变量或配置里指向这个 API 地址。具体入口模型对话体验https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteCoding Plan长期编码/Agent 场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteAPI Keys 管理https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite注意MCP Server 本身不负责模型调用它只负责暴露工具。模型调用通道是 Claude Code 这一侧的事。把这两层分清楚后面排查问题时就不会混。环境变量配置示例Windows Git Bash / Linux / Mac 通用export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的TaoToken KeyWindows PowerShell 用$env:ANTHROPIC_BASE_URLhttps://taotoken.net/api $env:ANTHROPIC_API_KEY你的TaoToken Key配好后先验证模型通道能通再往下写 Server。这一步不通后面 MCP 接得再好也没用。3. 可复制配置手写 stdio 版 MCP Server 并接入 Claude Code3.1 环境准备与依赖安装建议 Python 3.10建独立虚拟环境。不建虚拟环境的话后面配置文件里 command 要写 Python 绝对路径全局环境一升级就崩。mkdir my-mcp-server cd my-mcp-server python -m venv .venv # Windows Git Bash: source .venv/Scripts/activate # Linux/Mac: source .venv/bin/activate pip install mcpClaude Code 安装npm install -g anthropic-ai/claude-code claude --version3.2 写一个 Note Serverstdio 模式需求让大模型能增、查、搜本地笔记。新建note_server.pyimport json import os import sys import logging from mcp.server.fastmcp import FastMCP # 关键日志输出到 stderr绝不污染 stdoutstdio 协议通道 logging.basicConfig( levellogging.DEBUG, streamsys.stderr, format%(asctime)s [%(levelname)s] %(message)s ) NOTE_FILE notes.json def _load_notes(): if not os.path.exists(NOTE_FILE): return [] with open(NOTE_FILE, r, encodingutf-8) as f: return json.load(f) def _save_notes(notes): with open(NOTE_FILE, w, encodingutf-8) as f: json.dump(notes, f, ensure_asciiFalse, indent2) mcp FastMCP(note-server) mcp.tool() def list_notes() - str: 列出所有笔记的标题和编号。无笔记时返回空列表提示。 notes _load_notes() if not notes: return 当前没有任何笔记。 return json.dumps( [{id: i, title: n[title]} for i, n in enumerate(notes)], ensure_asciiFalse ) mcp.tool() def add_note(title: str, content: str) - str: 添加一条新笔记。 Args: title: 笔记标题简短概括 content: 笔记正文内容 notes _load_notes() notes.append({title: title, content: content}) _save_notes(notes) return f已添加笔记《{title}》当前共 {len(notes)} 条。 mcp.tool() def search_notes(keyword: str) - str: 按关键词搜索笔记标题和正文返回所有匹配的笔记。 当用户想查找包含某内容的笔记有没有关于XX的记录时使用。 Args: keyword: 要搜索的关键词单个词或短语 notes _load_notes() results [ {id: i, title: n[title], content: n[content]} for i, n in enumerate(notes) if keyword in n[title] or keyword in n[content] ] if not results: return f没有找到包含「{keyword}」的笔记。 return json.dumps(results, ensure_asciiFalse) if __name__ __main__: mcp.run(transportstdio)几个决定工具能不能被模型正确调用的细节函数名语义化list_notes比get_data好docstring 写清做什么、参数含义、返回什么参数加类型注解返回值统一用字符串复杂结构json.dumps。本地验证语法python note_server.py # 无报错、阻塞等待输入说明 stdio 服务就绪CtrlC 退出3.3 Claude Code 配置文件骨架在项目根目录创建.mcp.json{ mcpServers: { note-server: { command: C:/项目路径/my-mcp-server/.venv/Scripts/python.exe, args: [C:/项目路径/my-mcp-server/note_server.py] } } }注意Windows 路径用正斜杠/最省心JSON 里反斜杠要转义成\\。command 和 args 一律写绝对路径Host 启动子进程时工作目录不固定相对路径会解析失败。命令行临时添加等价写法claude mcp add note-server -- C:/项目路径/my-mcp-server/.venv/Scripts/python.exe C:/项目路径/my-mcp-server/note_server.py3.4 升级到 SSE 远程传输stdio 每台机器都要装一份团队共享不方便。改成 SSE 只需改一行if __name__ __main__: mcp.run(transportsse, port8765)客户端配置改为 URL 形式{ mcpServers: { note-server-remote: { url: http://your-server-ip:8765/sse } } }命令行claude mcp add note-server-remote --transport sse http://localhost:8765/sse提示MCP 规范后续引入了 Streamable HTTP 传输对无状态部署更友好。SDK 版本较新可尝试transportstreamable-http过渡期 SSE 仍广泛兼容。4. 验证请求与成功结果4.1 用 MCP Inspector 先测 Server改完代码先在 Inspector 里测把Server 的 bug和模型没调用对区分开npx modelcontextprotocol/inspector python note_server.py浏览器打开http://localhost:5173左侧列出所有 Tools点一个填参数点 Run 直接调用底部显示完整 JSON-RPC 请求/响应。4.2 在 Claude Code 里验证项目目录下启动claude输入/mcp看到note-server: connected且列出三个工具说明接入成功。然后用自然语言测试帮我加一条笔记标题MCP学习计划内容本周跑通stdio版本下周升级SSE 我现在有哪些笔记 搜一下有没有关于SSE的笔记模型自主调用对应工具并返回正确结果就说明整条链路通了。4.3 SSE 连通性验证curl -N http://localhost:8765/sse能看到流式事件返回即正常。远程连不上时先确认监听地址是0.0.0.0而非127.0.0.1再查防火墙端口。5. 本篇常见错排查清单#坑点现象根因解决方案1stdio 下用 print 调试连接后卡死、协议解析错误print 内容被当成协议消息污染通道用logging输出到 stderr2Windows 中文编码乱码中文变 ??? 或 UnicodeDecodeError默认 GBK 与 utf-8 不一致文件操作显式encodingutf-83command 写相对路径换目录启动报 command not found子进程工作目录不固定command 和 args 写绝对路径4docstring 太简略模型不调用或乱传参模型靠 docstring 理解语义写清做什么、参数、返回5参数没类型注解数字传成字符串、顺序乱JSON Schema 缺类型信息每个参数加类型注解6SSE 部署后连不上本机能连远程连不上监听 127.0.0.1 或防火墙监听 0.0.0.0、开端口、配 CORS7危险操作没护栏模型删了不该删的数据工具权限过大加二次确认、只读隔离、操作日志坑 1 的正确调试姿势import sys import logging logging.basicConfig( levellogging.DEBUG, streamsys.stderr, format%(asctime)s [%(levelname)s] %(message)s ) mcp.tool() def add_note(title: str, content: str) - str: logging.debug(f调用 add_note: title{title}) # ... 业务逻辑 ... return ok坑 4 的 docstring 对比# 模型大概率不调用或乱传参 mcp.tool() def search(keyword): 搜索 ... # 模型能准确判断何时调用、怎么传参 mcp.tool() def search_notes(keyword: str) - str: 按关键词搜索笔记标题和正文返回所有匹配的笔记。 当用户想查找包含某内容的笔记有没有关于XX的记录时使用。 Args: keyword: 要搜索的关键词单个词或短语 ...6. 下一步把通道和工具都收敛好Server 跑通后接下来两件事值得做。一是把模型调用通道统一到 TaoTokenClaude Code 和其他 MCP 客户端共用一套 Key 和 API 地址配置不再散落各处。API Keys 管理入口https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。如果你长期用 Claude Code 做编码或 Agent 任务Coding Plan 会更划算https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。想先验证模型通道是否正常可以直接在模型对话页试https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。二是把你自己工作里的真实脚本改造成 MCP Server。查日志、跑 SQL、生成报表任何一个重复劳动都值得包一层工具。改的时候记住三条docstring 当接口文档写、参数加类型注解、危险操作加护栏。这三条做到工具被模型正确调用的概率会高很多。
1. 为什么我要手写一个 MCP Server 接进 Claude CodeMCP 协议Model Context Protocol是 Anthropic 提出的开放标准用一句话说清楚它让大模型像浏览器访问网页一样用统一协议安全地访问外部工具和数据源。你写一次 MCP Server所有支持 MCP 的客户端都能直接调用不用再为每个框架重写一遍 Function Calling。Claude Code 是目前对 MCP 支持最完整的命令行 AI 编程助手适合想把自己的脚本、数据库、内部 API 变成大模型可调用工具的开发者。我试过把公司内部的日志查询脚本接进 Claude Code一开始踩了不少坑stdio 模式下 print 调试直接把协议通道污染了Windows 下中文编码乱码配置文件里 command 写了相对路径换个目录就找不到。这些问题教程里大多一笔带过但对新手来说每一个都能卡半天。这篇就把从零手写 MCP Server 到接入 Claude Code 的全流程拆开讲stdio 和 SSE 两种传输模式都覆盖配置文件骨架、启动命令、鉴权通道配置片段全部给可复制的版本最后附一份常见报错排查清单。适合谁看已经会用 Claude Code 或 Cursor想把自己的工具接进去的开发者被 Function Calling 各家格式不统一折磨过的人想搞懂 MCP 协议到底怎么跑起来、不想只看概念科普的人。读完你能得到一个能跑通的 Note Server以及一套可复用的配置和排障方法。2. TaoToken 前置统一 Key 与 API 通道准备在动手写 Server 之前先把模型调用通道理顺。Claude Code 本身需要模型 API 才能工作如果你同时还在用其他支持 MCP 的客户端每个都配一遍 Key 和地址会很乱。TaoToken 提供统一 Key 和 API 通道把模型调用收敛到一个入口后面 Claude Code 的配置里只需要填一次。官网地址https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 地址https://taotoken.net/api操作路径很直接注册后在控制台创建 API Key然后在 Claude Code 的环境变量或配置里指向这个 API 地址。具体入口模型对话体验https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteCoding Plan长期编码/Agent 场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite控制台https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteAPI Keys 管理https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite注意MCP Server 本身不负责模型调用它只负责暴露工具。模型调用通道是 Claude Code 这一侧的事。把这两层分清楚后面排查问题时就不会混。环境变量配置示例Windows Git Bash / Linux / Mac 通用export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEY你的TaoToken KeyWindows PowerShell 用$env:ANTHROPIC_BASE_URLhttps://taotoken.net/api $env:ANTHROPIC_API_KEY你的TaoToken Key配好后先验证模型通道能通再往下写 Server。这一步不通后面 MCP 接得再好也没用。3. 可复制配置手写 stdio 版 MCP Server 并接入 Claude Code3.1 环境准备与依赖安装建议 Python 3.10建独立虚拟环境。不建虚拟环境的话后面配置文件里 command 要写 Python 绝对路径全局环境一升级就崩。mkdir my-mcp-server cd my-mcp-server python -m venv .venv # Windows Git Bash: source .venv/Scripts/activate # Linux/Mac: source .venv/bin/activate pip install mcpClaude Code 安装npm install -g anthropic-ai/claude-code claude --version3.2 写一个 Note Serverstdio 模式需求让大模型能增、查、搜本地笔记。新建note_server.pyimport json import os import sys import logging from mcp.server.fastmcp import FastMCP # 关键日志输出到 stderr绝不污染 stdoutstdio 协议通道 logging.basicConfig( levellogging.DEBUG, streamsys.stderr, format%(asctime)s [%(levelname)s] %(message)s ) NOTE_FILE notes.json def _load_notes(): if not os.path.exists(NOTE_FILE): return [] with open(NOTE_FILE, r, encodingutf-8) as f: return json.load(f) def _save_notes(notes): with open(NOTE_FILE, w, encodingutf-8) as f: json.dump(notes, f, ensure_asciiFalse, indent2) mcp FastMCP(note-server) mcp.tool() def list_notes() - str: 列出所有笔记的标题和编号。无笔记时返回空列表提示。 notes _load_notes() if not notes: return 当前没有任何笔记。 return json.dumps( [{id: i, title: n[title]} for i, n in enumerate(notes)], ensure_asciiFalse ) mcp.tool() def add_note(title: str, content: str) - str: 添加一条新笔记。 Args: title: 笔记标题简短概括 content: 笔记正文内容 notes _load_notes() notes.append({title: title, content: content}) _save_notes(notes) return f已添加笔记《{title}》当前共 {len(notes)} 条。 mcp.tool() def search_notes(keyword: str) - str: 按关键词搜索笔记标题和正文返回所有匹配的笔记。 当用户想查找包含某内容的笔记有没有关于XX的记录时使用。 Args: keyword: 要搜索的关键词单个词或短语 notes _load_notes() results [ {id: i, title: n[title], content: n[content]} for i, n in enumerate(notes) if keyword in n[title] or keyword in n[content] ] if not results: return f没有找到包含「{keyword}」的笔记。 return json.dumps(results, ensure_asciiFalse) if __name__ __main__: mcp.run(transportstdio)几个决定工具能不能被模型正确调用的细节函数名语义化list_notes比get_data好docstring 写清做什么、参数含义、返回什么参数加类型注解返回值统一用字符串复杂结构json.dumps。本地验证语法python note_server.py # 无报错、阻塞等待输入说明 stdio 服务就绪CtrlC 退出3.3 Claude Code 配置文件骨架在项目根目录创建.mcp.json{ mcpServers: { note-server: { command: C:/项目路径/my-mcp-server/.venv/Scripts/python.exe, args: [C:/项目路径/my-mcp-server/note_server.py] } } }注意Windows 路径用正斜杠/最省心JSON 里反斜杠要转义成\\。command 和 args 一律写绝对路径Host 启动子进程时工作目录不固定相对路径会解析失败。命令行临时添加等价写法claude mcp add note-server -- C:/项目路径/my-mcp-server/.venv/Scripts/python.exe C:/项目路径/my-mcp-server/note_server.py3.4 升级到 SSE 远程传输stdio 每台机器都要装一份团队共享不方便。改成 SSE 只需改一行if __name__ __main__: mcp.run(transportsse, port8765)客户端配置改为 URL 形式{ mcpServers: { note-server-remote: { url: http://your-server-ip:8765/sse } } }命令行claude mcp add note-server-remote --transport sse http://localhost:8765/sse提示MCP 规范后续引入了 Streamable HTTP 传输对无状态部署更友好。SDK 版本较新可尝试transportstreamable-http过渡期 SSE 仍广泛兼容。4. 验证请求与成功结果4.1 用 MCP Inspector 先测 Server改完代码先在 Inspector 里测把Server 的 bug和模型没调用对区分开npx modelcontextprotocol/inspector python note_server.py浏览器打开http://localhost:5173左侧列出所有 Tools点一个填参数点 Run 直接调用底部显示完整 JSON-RPC 请求/响应。4.2 在 Claude Code 里验证项目目录下启动claude输入/mcp看到note-server: connected且列出三个工具说明接入成功。然后用自然语言测试帮我加一条笔记标题MCP学习计划内容本周跑通stdio版本下周升级SSE 我现在有哪些笔记 搜一下有没有关于SSE的笔记模型自主调用对应工具并返回正确结果就说明整条链路通了。4.3 SSE 连通性验证curl -N http://localhost:8765/sse能看到流式事件返回即正常。远程连不上时先确认监听地址是0.0.0.0而非127.0.0.1再查防火墙端口。5. 本篇常见错排查清单#坑点现象根因解决方案1stdio 下用 print 调试连接后卡死、协议解析错误print 内容被当成协议消息污染通道用logging输出到 stderr2Windows 中文编码乱码中文变 ??? 或 UnicodeDecodeError默认 GBK 与 utf-8 不一致文件操作显式encodingutf-83command 写相对路径换目录启动报 command not found子进程工作目录不固定command 和 args 写绝对路径4docstring 太简略模型不调用或乱传参模型靠 docstring 理解语义写清做什么、参数、返回5参数没类型注解数字传成字符串、顺序乱JSON Schema 缺类型信息每个参数加类型注解6SSE 部署后连不上本机能连远程连不上监听 127.0.0.1 或防火墙监听 0.0.0.0、开端口、配 CORS7危险操作没护栏模型删了不该删的数据工具权限过大加二次确认、只读隔离、操作日志坑 1 的正确调试姿势import sys import logging logging.basicConfig( levellogging.DEBUG, streamsys.stderr, format%(asctime)s [%(levelname)s] %(message)s ) mcp.tool() def add_note(title: str, content: str) - str: logging.debug(f调用 add_note: title{title}) # ... 业务逻辑 ... return ok坑 4 的 docstring 对比# 模型大概率不调用或乱传参 mcp.tool() def search(keyword): 搜索 ... # 模型能准确判断何时调用、怎么传参 mcp.tool() def search_notes(keyword: str) - str: 按关键词搜索笔记标题和正文返回所有匹配的笔记。 当用户想查找包含某内容的笔记有没有关于XX的记录时使用。 Args: keyword: 要搜索的关键词单个词或短语 ...6. 下一步把通道和工具都收敛好Server 跑通后接下来两件事值得做。一是把模型调用通道统一到 TaoTokenClaude Code 和其他 MCP 客户端共用一套 Key 和 API 地址配置不再散落各处。API Keys 管理入口https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。如果你长期用 Claude Code 做编码或 Agent 任务Coding Plan 会更划算https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。想先验证模型通道是否正常可以直接在模型对话页试https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。二是把你自己工作里的真实脚本改造成 MCP Server。查日志、跑 SQL、生成报表任何一个重复劳动都值得包一层工具。改的时候记住三条docstring 当接口文档写、参数加类型注解、危险操作加护栏。这三条做到工具被模型正确调用的概率会高很多。
