在本教程中，我们将构建一个简单的 MCP 天气服务器并将其连接到宿主程序 Claude for Desktop。我们将从基本设置开始，然后逐步过渡到更复杂的用例。

​
我们要构建什么

许多 LLM 目前还没有获取天气预报和严重天气预警的能力。让我们用 MCP 来解决这个问题！ 我们将构建一个暴露两个工具的服务器：get-alerts 和 get-forecast。然后我们将服务器连接到 MCP 宿主程序（在本例中是 Claude for Desktop）：
服务器可以连接到任何客户端。我们在这里选择 Claude for Desktop 是为了简单起见，但我们也有关于构建自己的客户端的指南以及其他客户端列表。

​
MCP 核心概念

MCP 服务器可以提供三种主要类型的功能：
  1. 资源：客户端可以读取的类文件数据（如 API 响应或文件内容）
  2. 工具：可以被 LLM 调用的函数（需要用户批准）
  3. 提示：帮助用户完成特定任务的预写模板
本教程将主要关注工具。
让我们开始构建我们的天气服务器！你可以在这里找到我们将要构建的完整代码。

​
前置知识

本快速入门假设你熟悉：
  • Python
  • Claude 等 LLM

​
系统要求

  • 已安装 Python 3.10 或更高版本
  • 必须使用 Python MCP SDK 1.2.0 或更高版本

​
设置环境

首先，让我们安装 uv 并设置 Python 项目和环境：
curl -LsSf https://astral.sh/uv/install.sh | sh
之后请务必重启终端，以确保 uv 命令被识别。现在，让我们创建并设置我们的项目：
# Create a new directory for our project
uv init weather
cd weather

# Create virtual environment and activate it
uv venv
source .venv/bin/activate

# Install dependencies
uv add "mcp[cli]" httpx

# Create our server file
touch weather.py
现在让我们开始构建你的服务器。

​
Building your server

​
导入包并设置实例

将这些添加到 weather.py 的顶部：
from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP

# Initialize FastMCP server
mcp = FastMCP("weather")

# Constants
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"
FastMCP 类使用 Python 类型提示和文档字符串自动生成工具定义，使得创建和维护 MCP 工具变得容易。

​
辅助函数

接下来，让我们添加用于查询和格式化来自国家气象局 API 数据的辅助函数：
async def make_nws_request(url: str) -> dict[str, Any] | None:
    """Make a request to the NWS API with proper error handling."""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None

def format_alert(feature: dict) -> str:
    """Format an alert feature into a readable string."""
    props = feature["properties"]
    return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""

​
实现工具执行

工具执行处理程序负责实际执行每个工具的逻辑。让我们添加它：
@mcp.tool()
async def get_alerts(state: str) -> str:
    """Get weather alerts for a US state.

    Args:
        state: Two-letter US state code (e.g. CA, NY)
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)

    if not data or "features" not in data:
        return "Unable to fetch alerts or no alerts found."

    if not data["features"]:
        return "No active alerts for this state."

    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)

@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """Get weather forecast for a location.

    Args:
        latitude: Latitude of the location
        longitude: Longitude of the location
    """
    # First get the forecast grid endpoint
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)

    if not points_data:
        return "Unable to fetch forecast data for this location."

    # Get the forecast URL from the points response
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)

    if not forecast_data:
        return "Unable to fetch detailed forecast."

    # Format the periods into a readable forecast
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # Only show next 5 periods
        forecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""
        forecasts.append(forecast)

    return "\n---\n".join(forecasts)

​
运行服务器

最后，让我们初始化并运行服务器：
if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')
你的服务器已完成！运行 uv run weather.py 来确认一切正常。现在让我们从现有的 MCP 宿主程序 Claude for Desktop 测试你的服务器。

​
使用 Claude for Desktop 测试你的服务器

Claude for Desktop 尚未在 Linux 上可用。Linux 用户可以继续阅读构建客户端教程，以构建连接到我们刚刚构建的服务器的 MCP 客户端。
首先，确保你已经安装了 Claude for Desktop。你可以在这里安装最新版本。 如果你已经安装了 Claude for Desktop，请确保它已更新到最新版本。我们需要为你想使用的任何 MCP 服务器配置 Claude for Desktop。为此，请在文本编辑器中打开你的 Claude for Desktop 应用配置，路径为 ~/Library/Application Support/Claude/claude_desktop_config.json。如果文件不存在，请确保创建它。例如，如果你安装了 VS Code：
code ~/Library/Application\ Support/Claude/claude_desktop_config.json
然后你将在 mcpServers 键中添加你的服务器。只有当至少一个服务器被正确配置时，MCP UI 元素才会显示在 Claude for Desktop 中。在这种情况下，我们将像这样添加我们的单个天气服务器：
Python
{
    "mcpServers": {
        "weather": {
            "command": "uv",
            "args": [
                "--directory",
                "/ABSOLUTE/PATH/TO/PARENT/FOLDER/weather",
                "run",
                "weather.py"
            ]
        }
    }
}
你可能需要在 command 字段中放入 uv 可执行文件的完整路径。你可以通过在 MacOS/Linux 上运行 which uv 或在 Windows 上运行 where uv 来获取此路径。
确保你传入服务器的绝对路径。
这告诉 Claude for Desktop：
  1. 有一个名为 “weather” 的 MCP 服务器
  2. 通过运行 uv --directory /ABSOLUTE/PATH/TO/PARENT/FOLDER/weather run weather.py 来启动它
保存文件，并重启 Claude for Desktop。

​
使用命令测试

让我们确保 Claude for Desktop 能够识别我们在 weather 服务器中暴露的两个工具。你可以通过查找锤子 图标来做到这一点：
点击锤子图标后，你应该会看到列出的两个工具：
如果 Claude for Desktop 没有识别你的服务器，请转到 故障排除 部分查看调试提示。 如果锤子图标已显示，你现在可以通过在 Claude for Desktop 中运行以下命令来测试你的服务器：
  • 萨克拉门托的天气怎么样？
  • 得克萨斯州有哪些活跃的天气警报？
由于这是美国国家气象局的服务，查询仅适用于美国地点。

​
幕后发生了什么

当你提问时：
  1. 客户端将你的问题发送给 Claude
  2. Claude 分析可用的工具并决定使用哪一个（或多个）
  3. 客户端通过 MCP 服务器执行选定的工具
  4. 结果被发送回 Claude
  5. Claude 形成自然语言响应
  6. 响应显示给你！

​
故障排除

有关更高级的故障排除，请查看我们的 调试 MCP 指南

​
后续步骤

Building a client

学习如何构建你自己的可以连接到你的服务器的 MCP 客户端

查看我们的官方 MCP 服务器和实现示例库

查看我们的官方 MCP 服务器和实现示例库

调试指南

学习如何有效调试 MCP 服务器和集成

使用LLMs构建MCP

学习如何使用 Claude 等 LLM 加速 MCP 开发