从零开始开发 MCP Server
作者：张星宇在大型语言模型（LLM）生态快速演进的今天，Model Context Protocol（MCP）作为连接 AI 能力与真实世界的标准化协议，正逐步成为智能体开发的事实标准。该协议通过定义 Resources（静态资源）、Prompts（提示词模板）和 Tools（可执行工具）三大核心能力，让开发者能够以模块化方式为 LLM 扩展文件系统访问、API 集成甚至物联网控制等交互能力。
然而当前 MCP Server 的开发部署仍存在显著痛点：开发者需要手动配置 Python/TypeScript SDK、处理依赖冲突，最终还需自行解决云端的 IaC 部署难题。这种碎片化体验使得从零构建 MCP Server 的成本过高。而通过 Serverless Devs CLI 工具，开发者能够一键拉起 MCP Server 项目，并在开发完成后一键部署到云端，显著缩短开发链路，提升 MCP Server 的开发效率。
本文将带你通过 Serverless Devs CLI 工具，开发并一键部署一个原生 SSE 的示例 MCP Server 到 FunctionAI 开发平台，提供自带 LLM 的 Client ，可对部署好的 MCP Server 进行测试。
什么是 Serverless Devs？
Serverless Devs 是一个开源开放的 Serverless 开发者平台，致力于为开发者提供强大的工具链体系。通过该平台，开发者可以一键体验多云 Serverless 产品，极速部署 Serverless 项目。Serverless Devs 于 2020 年 10 月 23 日正式开源，并于 2022年 进入 CNCF 沙箱，成为首个入选的 Serverless 工具项目，目前项目已经服务于成千上万的开发者和企业用户。
Serverless Devs 包含 CLI 工具，Registry 各类热门 AI 应用模版、实用 AI 工具以及 AI 工作流)，CICD工具，并与 函数计算FC、FunctionAI 开发平台密切合作，为开发者提供更加便利的 Serverless+AI 服务。
从零开发 MCP Server
本地初始化 MCP Server
初始化 MCP Server 项目到本地需要借助 Serverless Devs 工具。可依照此文档进行安装。安装并配置完成后，通过以下指令初始化一个 Hello World MCP Server 项目：
s init start-fcai-mcp-nodejs按照提示填入地域和配置好的 access，即可完成项目的初始化：
项目的目录结构如下：
.
├── build.yaml # 构建配置
├── code # 项目代码目录
│ ├── check_node_version.mjs# 部署前检查脚本
│ ├── package-lock.json
│ ├── package.json
│ ├── src
│ │ └── index.ts # 项目源码
│ ├── tsconfig.json
│ └── webpack.config.js
├── readme.md
└── s.yaml # 部署 YAML开发 MCP Server
项目根目录下的code文件夹即是项目代码的目录，部署时只有这个文件夹里的内容会部署到 FunctionAI 上。打开src/index.ts文件，可以看到 CLI 已经帮你写好了一个简单的、可直接进行部署的Hello World MCP Server：
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js';
// Create a new server instance every time a new connection is made to ensure concurrency
const createServer = () => {
// Create server instance
const server = new McpServer({
name: "my-mcp-server",
version: "1.0.0",
});
// Implement your tools here
server.tool(
"hello_world",
"Return string 'hello world!'",
{
// Define input parameters using zod. example:
// prefix: z.string().describe('prefix').optional(),
},
async () => {
console.log("Hello World tool called");
return {
content: [{
type: "text",
text: 'hello world!',
}]
}
},
);
return server;
}
// Create a new server instance
const server = createServer();
// Create a new stdio transport instance
const transport = new StdioServerTransport();
// Start the server
server.connect(transport).then(() => {
console.log("Server started");
}).catch((err) => {
console.error("Error starting server:", err);
});这个 Server 包含一个名字为hello_world的工具，它只会返回一个字符串'hello world!'，且不需要任何输入参数。你可以参考当前代码的实现自行修改工具，且 CLI 已经帮你配置好了package.json，你可以按照你开发任意Node.js项目的方式来开发这个 Server。
部署 MCP Server 到 FunctionAI
完成 Server 的开发后，你可以通过 Serverless Devs CLI 工具一键将你的 MCP Server 部署到 FunctionAI。Serverless Devs 是通过s.yaml部署代码的，其需要包含所有部署需要的信息，包括实例规格、代码目录、触发器配置等等，而 CLI 已经帮你写好了，因此你不需要在意这些。
在部署之前，还需要对代码进行打包。在这里我们使用webpack进行打包，配置已经帮你写好了，因此你只需在code目录下执行以下指令：
注意：需要本地 node 版本为 20 或以上。
npm install # 如果你之前没有执行
npm run build若code目录下出现了dist文件夹并包含以下文件，则说明构建成功：
此时，你已经准备好将这个 Server 部署到 FunctionAI 了！回到项目根目录，执行以下指令：
s deploy -y若看到以下信息，则说明部署成功。部署成功后，Serverless Devs 会打印部署成功的函数的配置信息：
✔ completed (37.35s)
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]