手写MCPServer接入Agent实战，100行代码让AI直连后端API

在 AI Agent 应用快速落地的当下，一个长期被忽视的工程痛点正逐渐浮出水面：当开发者为某个客户端（如网页聊天界面）实现了 Function Calling 功能后，若想在 Cursor、Claude Desktop 或其他支持 Agent 的平台复用同一套后端能力，往往需要重复编写大量适配逻辑。这种“一客户端一实现”的模式，使得集成成本随客户端数量呈指数级增长。

MCP（Model Context Protocol）的出现，正是为了解决这一问题。它本质上为 AI 工具提供了一套标准化的通信接口——类似硬件领域的 Type-C 协议，只要后端服务按规范暴露 MCP Server，任何兼容客户端即可“即插即用”。近期一篇技术实践文章展示了如何手写一个轻量级 MCP Server，将自建书签服务 linkbox 的 API 转化为 AI 可调用的工具，全程仅需约 100 行 TypeScript 代码，且无需依赖复杂框架。

该方案的核心价值在于解耦：AI 客户端不再需要感知具体业务逻辑，只需通过统一协议（stdio）与 MCP Server 交互；而 MCP Server 则负责将请求转发至真实后端，并处理认证、错误重试等细节。以“查询稍后阅读中最新收藏的视频”为例，用户向 AI 发出指令后，流程如下：AI 客户端识别需调用工具 → 通过 MCP 协议向本地 Server 发起请求 → Server 向 linkbox 后端发起带 Token 的 HTTP 请求 → 返回结果并由 AI 执行后续操作（如复制到前端收藏夹）。整个链路稳定、低延迟，且避免了模拟浏览器点击带来的 DOM 依赖风险。

MCP Server 的能力模型清晰划分为三类：Tools（可被 AI 主动调用的操作型函数）、Resources（只读参考资料，如文档或日志）、Prompts（预设提示词模板）。对于绝大多数后端集成场景，仅需实现 Tools 类型即可。一个最小可行的工程结构仅包含三个关键文件：

• index.ts：启动入口，创建 McpServer 实例并绑定 stdio 通道，代码不足 10 行；
• client.ts：封装 HTTP 请求逻辑，统一处理 Authorization 头、超时与错误响应；
• tools.ts：定义工具元数据，包括名称、描述、参数 Schema（通常使用 Zod 校验），以及调用后端的实际逻辑。

值得注意的是，该方案对开发环境有明确要求：需启用 Node.js 原生 ESM 模块支持（在 package.json 中声明 "type": "module"），并在 tsconfig.json 中配置 "module": "Node16"，此时导入语句需显式添加 .js 后缀（如 import { registerTools } from "./tools.js"）。依赖极简，仅需 @modelcontextprotocol/sdk 与 zod 两个包。

从工程实践角度看，MCP 的优势不仅体现在开发效率上，更在于长期维护性。传统 Function Calling 方案中，一旦后端接口变更（如字段名调整、鉴权方式升级），所有客户端的适配代码均需同步修改；而采用 MCP 后，只需更新 Server 层逻辑，所有客户端自动受益。此外，由于通信基于标准 JSON-RPC over stdio，调试极为便捷——开发者可直接运行 node dist/index.js 启动 Server，再通过 mcp-inspector 等工具实时查看请求/响应内容，大幅缩短排错周期。

当前主流 AI 开发工具已陆续支持 MCP。Cursor 作为深度集成 AI 编程的编辑器，其最新版本原生支持 MCP Server 注册；Claude Desktop 亦可通过配置接入本地 Server；开源社区还出现了如 mcp-inspector 的调试面板，用于可视化测试工具定义与调用链路。这意味着，开发者无需等待平台方推动，即可自主构建私有化 AI 工具生态。

对比早期依赖浏览器自动化（如 Puppeteer 模拟点击）的方案，MCP 显著提升了可靠性与性能。页面结构微调即可导致自动化脚本失效，而 API 接口契约稳定、响应快、Token 消耗低——这对高频调用的 Agent 场景尤为关键。一位实践者指出：“把 AI 当作后端服务的‘高级客户端’来设计，而不是‘会说话的爬虫’，是工程成熟度的重要标志。”

尽管 MCP 尚处于早期推广阶段，但其设计理念已获得广泛认同。它并非替代 Function Calling，而是将其抽象为可复用的服务层。未来随着更多客户端加入兼容行列，MCP 有望成为企业级 AI Agent 集成的事实标准。对于中小型团队而言，手写一个轻量 Server 成本极低，却能立即释放已有 API 的 AI 能力，形成“一次开发、多端复用”的良性循环。

目前，该方案已在个人知识管理、内部运维助手、客服工单处理等多个场景验证可行。其门槛之低——15 分钟内可完成部署与测试——使其特别适合工程师快速验证想法。随着社区工具链日益完善（如自动生成 tools.ts 的 CLI），MCP 的普及速度可能远超预期。

技术演进的本质，往往不是发明新东西，而是让已有能力以更合理的方式组合。MCP 正是这样一种“连接器”：它不创造新功能，却让分散的后端服务与智能体之间建立起高效、可靠、可维护的桥梁。