躬行笔记 » 那个让Claude直接操控我电脑的MCP协议，到底是个什么鬼东西？

昨晚熬夜折腾了一宿，头发又掉了几十根，总算把Anthropic搞的那个MCP（Model Context Protocol）给摸透了。

说实话，刚听到这个词的时候，我内心是拒绝的。这年头，概念造得比母猪下崽还快，今天Agent，明天RAG，后天又来个什么Chain。咱们干运维的，最怕这种听着高大上、落地一地鸡毛的玩意儿。

但是！

这次好像真不一样。当我第一次在Claude Desktop里，直接让它“读取我本地的Nginx日志并分析502错误原因”，然后它真的直接读了我硬盘里的文件并且给出分析结果时，我承认，我有点起鸡皮疙瘩了。

这玩意儿不是单纯的插件，它更像是一个给大模型开的“USB接口”。

以前我们怎么用AI？复制粘贴代码，或者把日志脱敏了再喂给它，要么就是费劲巴拉地写个脚本调用API。现在好了，MCP直接把这个过程标准化了。

废话不多说，今天咱们就来扒一扒这个MCP到底是个啥，以及作为一个手痒的IT人，怎么自己动手撸一个MCP服务，让AI变成你的私人定制运维专家。

啥是MCP？别给我整虚的

官方文档写得那叫一个晦涩，什么“开放标准”、“上下文交互”，看着就困。

其实你把它想象成电脑的USB协议就完事了。

以前（没有MCP的时候），你想让ChatGPT连你的数据库，你得自己写个特殊的插件；你想让Claude连你的Jira，又得写另一套代码。这就好比以前的手机充电口，诺基亚是圆孔，三星是扁口，苹果是宽口，乱得一塌糊涂。

MCP就是Type-C接口。

只要你的数据源（比如你的运维平台、你的本地文件夹、你的Postgres数据库）实现了MCP协议，不管是Claude，还是最近很火的Cursor编辑器，亦或是Zed，都能直接插上用。

这里面有两个核心角色：

MCP Host（主机）：比如Claude Desktop客户端，或者Cursor编辑器。它是大脑，负责提问和处理。
MCP Server（服务端）：这就是我们要开发的东西。它负责干活，比如去查数据库、去执行个ls -l、去读个文件。

这一打通，事情就变得有意思了。你可以写个Server，专门查你们公司的服务器负载。然后你在Claude里问：“现在哪台机器CPU飙高了？”Claude就通过MCP协议，调你的Server查数据，然后告诉你结果。

听起来是不是有点像API？是，也不是。它比API更“智能”，因为它把工具的定义、资源的模板都标准化了，AI一看就知道怎么用，不需要你写那种几百行的Prompt去教它。

准备动手：环境这块得支棱起来

咱们是搞技术的，光说不练假把式。只要你会点Python，这事儿就不难。虽说官方也支持TypeScript，但咱们运维圈子，Python才是亲爹。

先把环境弄好。我假设你电脑上已经有Python 3.10以上了。没有的话自己去面壁。

我最近特别喜欢用 uv 这个包管理工具，速度快得离谱，比pip那种老牛拉破车强多了。当然，你习惯用pip也行。

先建个目录，假装我们要搞一个“运维百宝箱”：

mkdir ops-mcp-server
cd ops-mcp-server
python -m venv .venv
source .venv/bin/activate  # Windows下是 .venv\Scripts\activate

接下来安装核心库。Anthropic官方出了个SDK，叫 mcp。

pip install mcp[cli]

装完之后，咱们别急着写代码。很多教程一上来就让你写类、写继承，那太累了。咱们用个偷懒的方法——FastMCP。这玩意儿就像FastAPI一样，装饰器一挂，代码跑起来，贼爽。

对了，还得装个 uvicorn 之类的吗？其实MCP通常是走标准输入输出（Stdio）通信的，特别是在本地跑的时候，这样最安全，不需要暴露端口。这也是我觉得它设计得精妙的地方——它默认不是为了做成HTTP微服务，而是做成一个本地的“插件进程”。

第一个吃螃蟹：写个“查进程”的工具

咱们的目标很简单：让Claude能查我电脑上运行的进程。

新建个文件 server.py。

代码大概长这样，逻辑我都写注释里了，仔细看：

from mcp.server.fastmcp import FastMCP
import psutil

# 初始化一个Server，名字随便起，就叫 "OpsTools"
mcp = FastMCP("OpsTools")

@mcp.tool()
def list_top_processes(limit: int = 5) -> str:
    """
    列出当前系统占用CPU最高的几个进程。
    
    Args:
        limit: 要显示的进程数量，默认为5个
    """
    # 既然是实战，就得真去读系统信息
    # psutil这库搞运维的应该都熟
    procs = []
    for proc in psutil.process_iter(['pid', 'name', 'username', 'cpu_percent']):
        try:
            # 这是一个坑，psutil获取cpu_percent有时候第一次是0，但这只是个demo，无所谓了
            procs.append(proc.info)
        except (psutil.NoSuchProcess, psutil.AccessDenied):
            pass
            
    # 按CPU使用率降序排序
    procs.sort(key=lambda x: x['cpu_percent'], reverse=True)
    
    # 咱们搞得人性化一点，格式化一下输出
    result = "TOP CPU 进程列表:\n"
    result += f"{'PID':<10} {'名称':<20} {'用户':<15} {'CPU%':<10}\n"
    result += "-" * 60 + "\n"
    
    for p in procs[:limit]:
        result += f"{p['pid']:<10} {p['name']:<20} {p['username']:<15} {p['cpu_percent']:<10}\n"
        
    return result

@mcp.tool()
def kill_process_by_pid(pid: int) -> str:
    """
    通过PID杀掉某个进程（慎用！）。
    """
    try:
        p = psutil.Process(pid)
        p_name = p.name()
        p.terminate() # 温柔一点，先terminate
        return f"成功终止进程: {p_name} (PID: {pid})"
    except psutil.NoSuchProcess:
        return f"找不到PID为 {pid} 的进程，是不是已经挂了？"
    except psutil.AccessDenied:
        return f"权限不足！你是不是没sudo？杀不掉 PID {pid}"
    except Exception as e:
        return f"出事了，杀进程失败: {str(e)}"

# 这一行是启动的关键
if __name__ == "__main__":
    mcp.run()

代码很简单对吧？

这里面有个特别关键的点，就是 @mcp.tool() 这个装饰器。

你不需要写任何Prompt告诉AI“我有这个工具，参数是什么什么”。FastMCP会自动读取你的函数签名（Type Hints）和文档字符串（Docstring），自动生成MCP协议所需的Schema。

也就是说，你注释写得越清楚，AI用得越顺手。这简直是“代码即文档”的最高境界啊。

怎么连上Claude？这才是坑最大的地方

代码写好了，你直接运行 python server.py，你会发现...什么反应都没有，或者程序直接挂在那不动。

别慌，这是正常的。因为它是设计成通过Stdio（标准输入输出）交互的，它在等指令呢。

要让Claude Desktop用上它，你得去改配置文件。

这个配置文件通常藏得很深。

Mac用户在：~/Library/Application Support/Claude/claude_desktop_config.json
Windows用户在：%APPDATA%\Claude\claude_desktop_config.json

你要是找不到，就在Claude Desktop的菜单里找找“Settings” -> “Developer”之类的选项，通常有个按钮能直接打开这个配置目录。

打开这个JSON文件，加上这一段：

{
  "mcpServers": {
    "my-ops-tools": {
      "command": "/你的路径/ops-mcp-server/.venv/bin/python",
      "args": ["/你的路径/ops-mcp-server/server.py"]
    }
  }
}

注意！敲黑板了！

这里千万别直接写 python。一定要写你那个虚拟环境里的绝对路径！因为Claude启动的时候，它不知道你的环境变量是啥，如果用系统的python，很可能找不到 mcp 或者 psutil 库，然后就默默失败，连个报错都没有，急死你。

Windows用户记得要把路径里的反斜杠 \ 写成双斜杠 \\，不然JSON解析会报错。这种低级错误我当年刚入行的时候没少犯，现在想起来还觉得蠢。

改完配置文件，重启Claude Desktop。

这时候，你会看到输入框旁边多了一个小锤子的图标（或者是类似连接的图标）。点开它，如果你看到了 list_top_processes 和 kill_process_by_pid，恭喜你，你的第一个MCP Server跑通了！

见证奇迹的时刻

现在，你在对话框里输入：“帮我看看现在电脑上哪个进程最吃CPU？”

你会看到Claude稍微停顿一下（它在思考用哪个工具），然后它会显示“Used list_top_processes”。接着，它会把你代码里返回的那个格式化好的字符串展示出来，甚至还会基于这个结果给你一点建议。

比如它可能会说：“兄弟，你的 chrome 占用太高了，要不要关几个标签页？”

接着你回：“把那个PID为 12345 的进程给我杀了。”

它就会调用 kill_process_by_pid。

这种感觉，怎么形容呢？就像是你给AI装了一双手。以前它只能动嘴皮子，现在它能干活了。

进阶：Resource和Prompts又是啥？

光有Tool（工具）还不够。MCP协议里还有两个重要的概念：Resources（资源）和Prompts（提示词）。

Resources 理解起来就是“数据源”。
比如你有一个经常变动的日志文件，或者一个API返回的实时JSON数据。你可以把它定义成一个Resource。

@mcp.resource("file://logs/app.log")
def read_log() -> str:
    # 实际上这里可以写得很复杂，比如只读最后100行
    with open("app.log", "r") as f:
        return f.read()

这样，AI就可以像订阅RSS一样，随时获取这个资源的内容，而不需要通过“调用函数”这种动作。它更像是一种被动的上下文注入。

Prompts 则是给人用的模板。
比如你经常让AI帮你写SQL语句。你可以定义一个Prompt叫 sql-expert，里面预设好你们公司的表结构描述。

在MCP里定义好Prompt后，你在Claude的界面里就能直接选这个Prompt，省去了每次都要复制粘贴一大堆背景信息的麻烦。

说实话，对于咱们个人开发者或者小团队运维来说，Tool 是最有用的。Resource和Prompt在大规模协作的时候才显威力。

遇到的那些坑（血泪史）

别看我写得挺顺，实际开发的时候全是坑。

调试极其困难：因为Server是Claude作为子进程启动的，你看不到它的控制台输出。如果你的代码里有 print("hello")，完了，这会破坏Stdio的通信协议，导致连接直接断开。
- 解决办法：用 sys.stderr.write() 来打印日志，或者专门配个logging写文件。千万别往stdout打杂七杂八的东西。
超时问题：如果你的工具执行时间太长（比如去爬个网页），Claude可能会觉得Server挂了。
- 解决办法：搞异步。FastMCP支持 async def。尽量把耗时的操作做成异步的。
依赖地狱：刚才说了，路径一定要写对。而且，如果你用了像 pandas 这种重型库，加载时间过长，有时候也会导致连接超时。
安全隐患：兄弟们，这玩意儿是直接在你的环境里跑代码啊！你要是写了个 rm -rf / 的工具，然后AI抽风了给你执行了，那画面太美我不敢看。
- 忠告：所有的写操作、删除操作，一定要在代码里做二次确认，或者干脆只给AI只读权限。别太相信大模型的节操，它们有时候会幻觉，明明你没让它删，它觉得删了比较好，就给你动手了。

这东西对运维意味着什么？

MCP这东西，可能会彻底改变我们做运维工具的方式。

以前我们做个运维平台，得画前端页面，得写后端API，得做鉴权，得写文档教同事怎么用。

以后呢？

我可能只需要写几个Python函数，把它们暴露成MCP Server。同事们想查数据、想重启服务，直接对着他们的Claude或者IDE说话就行了。

“帮我把测试环境的数据库回滚到昨天的快照。”
“帮我查一下昨天晚上8点到9点的错误日志。”

根本不需要GUI界面了！Chat Interface（聊天界面）就是新的GUI。

而且，这东西还能联动。比如你用Cursor写代码，你可以搞一个Gitlab的MCP Server。你在写代码的时候，直接问Cursor：“这个函数是谁在哪次提交里改的？”Cursor直接通过MCP调Gitlab API查出来告诉你。这效率，提升的不是一星半点。

当然，现在MCP还在早期阶段，生态还比较乱。但我敢打赌，2026年这玩意儿会遍地开花。各种SaaS软件都会自带MCP接口。

总结

这篇博客写得有点散，主要是想把那种探索过程中的兴奋和踩坑的痛感分享给你们。

简单回顾一下：

MCP是AI连接数据的USB接口。
用Python的 mcp 库配合 FastMCP 可以快速开发。
通过 claude_desktop_config.json 进行配置。
切记别用 print 调试，路径要写绝对路径。
安全第一，别给AI太大权限。

这就是我眼里的MCP。它不神秘，它就是个干活的工具。但是把它用好了，你的AI就不再是个只会陪聊的傻白甜，而是一个手里拿着扳手和螺丝刀的真正助手。

如果你也想试试，赶紧动手吧。哪怕写个简单的“查询本地天气”或者“读取每日记事本”的工具，那种成就感也是爆棚的。

行了，今天就唠到这。代码要是跑不通，或者遇到了奇葩报错，欢迎在后台留言，咱们一起脱发，一起进步。

最后，如果你觉得这篇文章对你有那么一点点启发，或者只是觉得我吐槽得比较在理，麻烦动动发财的小手：

公众号：运维躬行录
个人博客：躬行笔记

那个让Claude直接操控我电脑的MCP协议，到底是个什么鬼东西？