上篇文章，我们聊到了 MCP 的基本概念，带大家快速入门了 MCP。

说入门应该毫不夸张，对于科普性质的文章，只需要知道这件事情的诞生背景以及有什么作用就可以了。

但是，如果要开发给大模型调用的 Mcp Server，就不得不学习更深入的知识了。

今天，就带大家快速开发一个简易版的天气查询 Mcp Server。

1. Mcp Server的设计思路

在开发之前，很有必要提前分析一下设计思路。

对于天气查询 Mcp Server，可能要问下面的这些问题：

1. 用户的输入是什么？查询城市、查询日期？
2. 用户的输入是什么格式的？文本。当然，如果是有界面的，用户更希望通过控件输入日期。
3. 输出有哪些？最基本的：最低和最高温度，几级风。

但，上面这些问题都是本着我们的工作经验提出来的。如果问一下大模型，它会是怎么思考的？

我问 DeepSeek：

剩下的内容我就不贴出来了，原因是看到 DeepSeek 回答的第三点就让人懵圈了。

因为我们是 Mcp 的新手，很多概念还不清楚，对于一个 Demo 程序，也不需要考虑那么多因素。

这里你会发现人的学习方式，还是和 AI 有很大的不同。

人面对新事物，一次只能了解很少的概念，多了就记不住，感觉好像没听过一样。但是，AI 的学习是通过数据、模型和算力。比学习速度，人永远也比不上AI。

现在我的 MCP Server 需求很简单：用户可以输入城市和日期，查询制定日期的天气，返回的输出可以只包含温度和风力大小。

2. 使用什么技术实现？

下面才需要考虑用什么技术实现一个 Mcp Server。这里选择使用 Python 编程语言实现。

使用 Python 实现一个 Mcp Server 有哪些方式呢？有下面几种：

• FastMcp库：适合快速原型开发
• McpServer库：官方 SDK，适合用来学习深入理解协议细节
• FastAPI：适合企业级集成
• SSE：适合实时天气警报。

因此，这里我选择了 FastMCP。

什么是FastMCP？

FastMCP是一个高效构建Model Context Protocol(MCP)服务器的Python框架。通过简洁的装饰器语法让开发者快速为大型语言模型(LLM)提供上下文数据和工具支持。它简化了MCP协议实现，支持工具(Tools)、资源(Resources)和提示(Prompts)三大核心功能，能以极简代码实现AI与外部系统的安全交互，显著提升LLM应用开发效率。

3. 一步步实现天气查询 Mcp Server

Step1： 使用 uv Python 包管理器创建一个 Python 虚拟环境。

uv venv venv

这样创建了一个名为 venv 的 Python 虚拟环境。当然，你也可以指定 Python 的版本。用法问一下大模型就好了。

当然，需要先使用 pip install uv 安装 uv。

然后，记得在命令行激活这个虚拟环境。

之后在虚拟环境安装 Python 包都必须使用 uv pip install packages。大模型也可能没有意识到这点。

Step2： 在高德控制台注册一个账号，并创建一个用于 Web 服务的 key。

官网有教程，就不再赘述了。

Step3：让大模型使用 FastMCP 创建一个天气查询 MCP Server。

写提示词的时候，一定要明确输入和输出。不然，大模型就要开始自行发挥了。

限于篇幅，这篇文章不会详细讲解如何使用 FastMCP。

在与大模型战斗三百回合后，你的 MCP Server 基本功能终于开发完成了。

这里展示一个核心函数：

代码较长，不贴代码了，大模型生成的。

Step4：测试 MCP Server

然后，你肯定想测试一下 MCP Server 能否正常工作。

那么，测试 MCP Server 有哪几种方法呢？

• MCP Inspector：MCP Inspector是官方提供的专业调试工具，推荐。
• 集成开发环境测试：Claude Desktop 或者 cline 插件。使用有难度。
• MCP 客户端程序：写一个访问 MCP Server 的客户端程序。新手不推荐，难度颇大。

我真的没想到大模型 Claude Sonnet 4 上来就给我选择了写一个 MCP 客户端程序，结果调试半天原来是客户端程序写错了。

最后，大模型终于回到了简易模式，开始尝试用 MCP Inspector 调试：

在激活了虚拟环境的终端输入以下命令：
npx @modelcontextprotocol/inspector python fastmcp_server.py

安装之后，浏览器自动打开如下的界面：

恭喜你，成功了一半。

如果能连接上 Mcp Server，就快大功告成了。

连接成功之后，点击【Tools】按钮，可以看到服务端注册的、可供大模型访问的工具。

查询广州城市的天气预报试试：

可以查询到今天以及未来几天的天气：

大功告成，基本的功能具备了。尽管，距离一个企业级的 Mcp Server 还很遥远，但这是一个很好的开始。看下时间，这多少个 10 分钟过去了。

4. 幕后工作

刚开始，我是打算通过 Gradio 库来构建 Mcp Server的。

但是，在实现的过程中遇到了很多问题，大模型还是没有解决。所以，暂时放弃了。

有时候，大模型真的很聪明，有时候也真的很傻X。

大模型自作主张帮我创建了几个 markdown 文档：API配置文章、API测试总结报告等。

其实，我根本就没有给大模型指令创建这些文档，它竟然自己生成了它们。我真的不知道这是好事情，还是坏事情。

当它生成的程序满足我们的要求时，文档也是正确的，这很好。但如果生成的程序功能不正确时，我们是不是还要回过头来改文档？

5. 小结

这篇文章带你使用 FastMCP 实现了一个查询天气 Mcp Server。核心思路如下：

• 这个天气查询 Mcp Server 需要具备哪些功能、输入和输出是什么？

• 使用什么技术实现？

• 怎么测试？

你觉得整个过程下来，10分钟能够实现一个简易版的 Mcp Server 吗？

现在你还觉得 AI 会替代 90% 的程序员吗？

我是一梵AI编程，聚焦AI编程、AI变现，用 AI 打败 AI。