MCP Server 用什麼語言開發最好？

Python（官方 mcp SDK）適合新手快速上手；TypeScript（@modelcontextprotocol/sdk）適合前端/全端。二者協定層等價，按團隊技術棧選擇即可。

stdio 和 HTTP 傳輸怎麼選？

本機開發、IDE 外掛優先 stdio；需要多 Client 共享、SaaS 部署選 HTTP + SSE（Streamable HTTP）。

Tools 和 Resources 有什麼區別？

Tools 是 AI 可呼叫的動作（搜尋、寫檔案、查資料庫）；Resources 是 AI 可讀取的資料來源（設定、使用者資料、檔案內容），透過 URI 定址。

在遠端 Mac 上除錯 MCP 為何要開 VNC？

瀏覽器自動化、鑰匙圈、螢幕錄製等 Server 常觸發 macOS TCC 權限彈窗，純 SSH 無法點選授權，需圖形工作階段完成驗收。

從零開發 MCP Server：AI 工具呼叫全鏈路

01

引言：為什麼 AI 需要 MCP？

大模型再強，訓練資料也有截止日，無法憑空知道你的 CRM 客戶、昨晚的日誌或內網 API 的即時狀態。業界演進路徑清晰：Function Calling → Plugins → MCP。前兩者多為廠商私有格式，換模型就要重寫整合層；MCP 用開放協定把「AI 能發現哪些工具、如何呼叫」標準化，一次撰寫、多 Client 複用。

01
痛點：你希望 Claude / GPT 能查資料庫、呼叫 API、操作檔案，但各家格式不同。
02
場景：在 Cursor 裡讓 AI 讀你的 Markdown 筆記、在 Claude Desktop 裡查 GitHub Issue。
03
承諾：本文帶你從空目錄到可部署 Server，含完整程式碼與排障表。

02

什麼是 MCP？先搞懂協定再寫程式

2.1 誕生背景

Anthropic 於 2024 年 11 月發布 MCP，目標是標準化 AI 與外部工具的通訊，解決 N 個模型 × M 個工具 = N×M 客製適配的碎片問題。更多協定史觀可參閱站內MCP 與 HTTP 類比文。

2.2 架構概覽

MCP 採用 Client ↔ Server 模型：Client 在 AI 側（Claude Desktop、Cursor）；Server 是你開發的能力提供方，透過 JSON-RPC 暴露三大核心能力：

T
Tools（工具）：AI 可呼叫的函式——搜尋、計算、資料庫查詢。
R
Resources（資源）：AI 可讀取的資料——檔案、URL、設定串流。
P
Prompts（提示詞範本）：預先定義、可參數化的提示片段。

2.3 通訊機制

基於 JSON-RPC 2.0；傳輸層支援 stdio（本機子行程，Cursor / Claude Desktop 預設）與 HTTP + SSE / Streamable HTTP（遠端服務）。生命週期：初始化握手 → 能力協商（initialize）→ 請求/回應 → 關閉。

2.4 與其他方案對比

維度	MCP	OpenAI Function Calling	LangChain Tools
標準化	開放協定	廠商私有	框架綁定
傳輸	stdio / HTTP	HTTP	HTTP
跨模型	是	否	部分
Resources / Prompts	原生支援	不支援	不支援
生態	2026 年 10,000+ Server	成熟	成熟

03

開發環境準備

3.1 選擇語言

Python（官方 SDK mcp，FastMCP 裝飾器簡潔）推薦新手；TypeScript（@modelcontextprotocol/sdk）適合前端/全端。本文以 Python 為主，TS 做對照。

環境搭建

# Python
python -m venv .venv && source .venv/bin/activate
pip install mcp httpx pydantic

# TypeScript（對照）
npm init -y && npm install @modelcontextprotocol/sdk

3.2 專案結構

my-mcp-server/

my-mcp-server/
├── server.py            # 主入口
├── tools/               # calculator.py, web_search.py
├── resources/           # file_reader.py
├── prompts/             # templates.py
├── tests/test_tools.py
├── pyproject.toml
└── README.md

3.3 除錯工具

1
MCP Inspector：npx @modelcontextprotocol/inspector python server.py
2
Claude Desktop：編輯 claude_desktop_config.json 註冊 Server。
3
Cursor：Settings → MCP → 新增 command + args。

04

第一個 MCP Server：Hello World

server.py · 最小可用 Server

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("my-first-server")

@mcp.tool()
def say_hello(name: str) -> str:
    """向指定的人打招呼"""
    return f"Hello, {name}! 這是你的第一個 MCP 工具。"

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

執行 python server.py 後，用 Inspector 或 Cursor 設定中填入 {"command":"python","args":["/path/to/server.py"]}，重新整理工具清單應看到 say_hello。

Cursor / Claude Desktop 接入要點

✓
使用絕對路徑指向 server.py 與虛擬環境 Python。
✓
修改程式碼後需重啟 MCP 連線或重開 Cursor 視窗。
✓
在對話中明確請求呼叫工具，驗證 AI 上下文已註冊。

05

Tools：開發可被 AI 呼叫的工具

5.1 基本結構

函式簽名即文件：參數型別、回傳型別、docstring 會暴露給模型做工具選擇。命名用 snake_case、動詞開頭（search_web、read_file）。錯誤宜回傳結構化 JSON 而非直接拋出例外，便於模型自我修正。

5.2 複雜參數（Pydantic）

帶 Schema 的搜尋工具

from pydantic import BaseModel, Field

class SearchInput(BaseModel):
    query: str = Field(description="搜尋關鍵字")
    max_results: int = Field(default=5, description="最多回傳結果數")
    language: str = Field(default="zh", description="結果語言")

@mcp.tool()
def web_search(input: SearchInput) -> list[dict]:
    """執行網路搜尋，回傳相關結果清單"""
    ...

5.3 五個實用工具清單

工具	用途	注意點
計算機	數學運算式求值	用 ast.literal_eval 或安全解析函式庫，禁用 eval
檔案讀寫	讀/寫本機檔案	白名單目錄、路徑正規化防路徑遍歷
HTTP 請求	呼叫外部 API	逾時、重試、回應大小上限
資料庫查詢	唯讀 SQL	參數化查詢、禁止 DDL
時間工具	目前時間、時區轉換	回傳 ISO 8601 便於模型解析

5.4 非同步工具

async fetch_url

@mcp.tool()
async def fetch_url(url: str) -> str:
    """取得指定 URL 的內容"""
    async with httpx.AsyncClient(timeout=30.0) as client:
        response = await client.get(url)
        return response.text

5.5 錯誤處理最佳實務

!
網路 / IO 操作設定逾時（建議 15–30s）。
!
敏感操作做權限驗證（API Key、允許路徑）。
!
回傳 {"error": "...", "hint": "..."} 幫助模型重試。

06

Resources：讓 AI 讀取動態內容

Resource 與 Tool 的區別：Resource 是資料提供者（以唯讀為主），Tool 是動作執行者。透過 URI 定址：file://、http://、custom://。

靜態與動態資源

@mcp.resource("config://app-settings")
def get_app_settings() -> str:
    """回傳應用程式設定"""
    return json.dumps({"version": "1.0", "env": "production"})

@mcp.resource("user://{user_id}/profile")
def get_user_profile(user_id: str) -> str:
    """根據使用者 ID 回傳使用者資料"""
    return json.dumps(db.query_user(user_id))

資源類型包括：文字（text/plain、application/json）、二進位（圖片、PDF）、串流（即時行情）。實戰可做檔案系統 Server：列出目錄、讀取檔案、可選訂閱檔案變更。

07

Prompts：可複用的提示詞範本

MCP Prompt 是預先定義的提示片段，支援動態參數注入，提升團隊提示詞一致性與可維護性。

程式碼審查 Prompt 範本

from mcp.types import PromptMessage, TextContent

@mcp.prompt()
def code_review_prompt(language: str, code: str) -> list[PromptMessage]:
    """程式碼審查提示詞範本"""
    return [PromptMessage(
        role="user",
        content=TextContent(type="text", text=f"""請審查以下 {language} 程式碼：
1. 品質與可讀性  2. Bug 與安全隱患  3. 效能最佳化

```{language}
{code}
```""")
    )]

可定義含 user + assistant 多輪範本，用於面試模擬、除錯助手等場景。Client 呼叫 prompts/get 取得填充後的訊息鏈。

08

進階：HTTP 傳輸模式（遠端 MCP Server）

特性	stdio	HTTP + SSE
部署	本機行程	遠端伺服器
延遲	極低	依賴網路
多 Client	不支援	支援
場景	IDE 本機工具	SaaS / 團隊共享

Streamable HTTP 模式

mcp = FastMCP("remote-server", transport="streamable-http")

if __name__ == "__main__":
    mcp.run(host="0.0.0.0", port=8000)

生產環境需加：Bearer Token / API Key 中介軟體、CORS 白名單、請求頻率限制。勿將未鑑權的 HTTP MCP 直接暴露公網。

09

除錯與測試

9.1 MCP Inspector

啟動 Inspector 可圖形化測試 tools/list、tools/call、檢視 JSON-RPC 日誌、模擬錯誤場景。

9.2 單元測試（pytest + ClientSession）

test_calculator_tool

@pytest.mark.asyncio
async def test_calculator_tool():
    server_params = StdioServerParameters(command="python", args=["server.py"])
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            result = await session.call_tool("calculate", {"expression": "2 + 2"})
            assert result.content[0].text == "4"

9.3 常見錯誤排查

錯誤	原因	解決
工具未出現	設定路徑錯誤	檢查 config.json 絕對路徑
JSON 序列化失敗	回傳型別不支援	轉 str 或 dict
逾時斷線	工具執行慢	非同步 + 逾時控制
權限拒絕	檔案路徑受限	設定允許目錄 / VNC 點 TCC

10

生產部署

10.1 Docker 容器化

Dockerfile

FROM python:3.12-slim
WORKDIR /app
COPY requirements.txt .
RUN pip install -r requirements.txt
COPY . .
EXPOSE 8000
CMD ["python", "server.py"]

10.2 雲端服務選型

•
Railway / Render：個人專案一鍵部署。
•
AWS Lambda / Cloud Run：Serverless，注意冷啟動與 stdio 限制。
•
自建 VPS + Nginx：反向代理 + TLS + 限流。

10.3 可觀測性

結構化請求日誌、Prometheus 工具呼叫指標、Sentry 錯誤告警、/health 健康檢查。宣告 MCP 協定版本，工具升級保持向後相容。

11

實戰：個人知識庫 MCP Server

需求：讓 AI 搜尋本機 Markdown 筆記、語意檢索、建立/更新筆記。在 Cursor 中問：「我上週記錄了什麼關於 MCP 的筆記？」

技術選型

元件	推薦
向量資料庫	ChromaDB / Qdrant（本機）
嵌入模型	text-embedding-3-small
檔案監聽	watchfiles 增量索引

核心 Tools

1
index_notes：掃描目錄建立向量索引。
2
semantic_search：按語意回傳相關片段。
3
write_note：建立或追加 Markdown。
4
Resource：notes://{path} 直接讀取單篇筆記。

效果：AI 呼叫 semantic_search 召回片段後綜合回答，比把整個筆記庫塞進上下文省 Token 且更準確。

12

MCP 生態與 2026 展望

優質開源 Server 推薦

→
mcp-server-filesystem — 檔案系統操作
→
mcp-server-github — GitHub 儲存庫
→
mcp-server-brave-search — 網路搜尋
→
mcp-server-postgres — 資料庫查詢
→
mcp-server-slack — Slack 訊息

2026 年 Cursor、Claude Desktop、OpenAI、Google Gemini、Microsoft 均已支援或完成 MCP 接入；MCP Marketplace 與企業級安全標準（OAuth 2.1、稽核）持續完善。官方文件：modelcontextprotocol.io；Python SDK：github.com/modelcontextprotocol/python-sdk。

落地五步（含遠端 Mac 驗收）

1
選定 Host（Cursor / Claude Desktop）並確認 2026 版本原生支援 MCP。
2
本機 stdio 開發 Server，Inspector 驗證 tools/list。
3
註冊到 Cursor MCP 設定，用 Hello World 工具冒煙測試。
4
涉及瀏覽器、鑰匙圈、螢幕錄製的 Server，在 macOS 圖形工作階段完成 TCC 授權（純 SSH 無法點選）。
5
Docker 部署 HTTP 模式，加鑑權與監控後上線；與站內Agent Skill、瀏覽器 MCP文互連。

13

FAQ

Python（mcp + FastMCP）上手最快；TypeScript（@modelcontextprotocol/sdk）適合已有 Node 棧的團隊。協定層等價。

IDE 本機開發優先 stdio；需多使用者共享、SaaS 交付選 HTTP + SSE / Streamable HTTP，並務必加鑑權。

Tools 執行動作（寫庫、發請求）；Resources 提供唯讀資料（設定、檔案內容），透過 URI 範本定址。

瀏覽器 DevTools MCP、高權限檔案操作、鑰匙圈與螢幕錄製會觸發 macOS TCC 彈窗。純 SSH 無法點「始終允許」，需 VNC 圖形工作階段與 Host 同機驗收。

結語

MCP 是 AI 工具化的標準協定——掌握從 Hello World 到生產部署的全鏈路，是 2026 年 AI 工程師的核心競爭力之一。你打算用 MCP 開發什麼工具？歡迎在實踐後複盤自己的 Server 設計。

隱性成本往往不在寫程式，而在執行環境：Windows 主力機 + 雲端 Mac 混跑 Cursor MCP 時，權限彈窗、Python 虛擬環境與 Inspector 日誌要在同一台機器的桌面工作階段裡交叉核對；自購 Mac mini 則要承擔睡眠、系統更新與折舊，8GB 記憶體在向量索引 + 多 Server 並行時也容易吃滿。

若你希望按小時驗證 MCP 工具鏈、又要在與 Cursor 同機的圖形介面裡完成 TCC 與 Inspector 驗收，可透過 VNCMac 租用遠端 Mac：下方主按鈕進入購買頁；需要對比套餐時先瀏覽首頁。

從零開發 MCP Server：手把手建構 AI 工具呼叫能力