Day 18｜工具的高效協奏：MCP (Model Context Protocol) 讓 Tool Use 更好調度外部能力

2025 iThome 鐵人賽

DAY 18

生成式 AI

踏上 Agentic AI 探索之旅：我不再獨自升級！覺醒你的 AI 替身，打造智慧協作隊友系列第 18 篇

Day 18｜工具的高效協奏：MCP (Model Context Protocol) 讓 Tool Use 更好調度外部能力

17th鐵人賽

tedlctai

2025-10-02 23:58:47

63 瀏覽

分享至

前言

在 昨天 Day 17，我們看到如何透過 LangChain 的工具系統，把 API 真正接上來，讓 AI 不只是「回答」，而是能 實際完成任務。

不過，當工具越來越多，問題就來了：

如何統一管理工具？
如何避免每個 Agent 框架都要重寫工具邏輯？
如何讓不同應用程式（Claude、LangChain、VSCode 插件…）都能共用同一套工具？

這就是 MCP (Model Context Protocol) 的價值。

MCP 把「工具」抽象成一個標準化協議，讓模型可以透過統一的方式存取它們。換句話說，工具不再依賴某個框架，而是變成 獨立可重複使用的服務。

MCP 的角色定位

簡單來說，MCP 提供三件事：

統一的介面：不管是資料庫、API，還是內部服務，都可以包裝成 MCP Tool。
跨應用的可攜性：一次實作，可以在 Claude Desktop、LangChain、VSCode 等不同環境使用。
更好的治理：工具可獨立維護、控管權限與存取，不用綁死在某個應用裡。

簡單來說，MCP 就像 「USB 介面」：
工具就像滑鼠或鍵盤，MCP 提供了統一的插槽，任何相容的系統都能直接使用。

Demo：把 AccuWeather 包裝成 MCP 工具

我們延續昨天的場景 —— 查詢維也納天氣。
不同的是，這次我們用 MCP 服務來封裝，讓工具能被 Claude Desktop 或 LangChain 共用。

運作流程

圖：MCP 把工具獨立成一個服務，Claude Desktop 呼叫 MCP Tool，再由 MCP 串接 AccuWeather API，最後整合結果回覆使用者。

建立 MCP Server 專案

在開始前，我們需要先建立一個 MCP Server 專案。
這裡使用的是 uv —— 一個現代化的 Python 專案管理工具。

它本身內建了常見的功能：

套件安裝：具備與 pip 類似的功能，但速度更快，並支援快取與多來源
虛擬環境管理：提供與 venv 類似的隔離環境，無需額外工具
專案依賴管理：逐步補齊 poetry/pipenv 的特性，支援 pyproject.toml 與 lockfile

這些功能都被整合在同一套流程裡，讓我們能更快、更輕量地建立乾淨的專案環境。
再加上 MCP 官方文件中也經常搭配 uv 作為範例，因此它是目前 相當推薦的選擇。

以下是初始化步驟：

# 建立一個新的專案目錄
uv init weather
cd weather

# 建立虛擬環境並啟用
uv venv
source .venv/bin/activate

# 安裝相依套件
uv add "mcp[cli]" requests

# 建立 MCP Server 的主程式檔案
touch weather_mcp_server.py

完成後，將下面的程式碼（weather_mcp_server.py）存入專案中：

程式實作

import os
import requests
from mcp.server.fastmcp import FastMCP


# 從環境變數讀取 AccuWeather API Key
API_KEY = os.getenv("ACCUWEATHER_API_KEY")
if not API_KEY:
    raise ValueError("請先設定 ACCUWEATHER_API_KEY 環境變數")

# 建立 FastMCP Server
mcp = FastMCP("weather-mcp")


@mcp.tool()
def get_weather(city: str) -> dict:
    """查詢指定城市的即時天氣（使用 AccuWeather API）。
    
    Args:
        city: 城市名稱（例如：維也納、台北）

    Returns:
        天氣資料字典
    """
    # Step 1. 找城市代碼
    loc_url = "https://dataservice.accuweather.com/locations/v1/cities/search"
    loc_params = {"apikey": API_KEY, "q": city, "language": "zh-tw"}
    loc_res = requests.get(loc_url, params=loc_params, timeout=10).json()
    if not loc_res:
        return {"error": f"找不到城市：{city}"}
    location_key = loc_res[0]["Key"]

    # Step 2. 查天氣
    weather_url = f"https://dataservice.accuweather.com/currentconditions/v1/{location_key}"
    weather_params = {"apikey": API_KEY, "language": "zh-tw", "details": "true"}
    weather_res = requests.get(weather_url, params=weather_params, timeout=10).json()

    return weather_res[0] if weather_res else {"error": "查不到天氣"}


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

使用方式

在 Claude Desktop 的 Settings → Developer → Edit Config 進行 MCP 設定

Claude Desktop Config

編輯 claude_desktop_config.json：

{
  "mcpServers": {
    "accuweather": {
       "command": "uv",

       "args": [
           "--directory",
           "{MCP 程式路徑}",
           "run",
           "weather_mcp_server.py"
       ],
       "env": {
           "ACCUWEATHER_API_KEY": "{你的 API Key}"
       }
  }
}

這裡每個欄位的意義是：

mcpServers
一個 JSON 物件，裡面可以列出多個 MCP 服務。
accuweather 是自訂的名稱（你也可以取成 weather 或其他名字），Claude 會依照這個名稱來識別 MCP Tool。
command
啟動 MCP Server 的指令。
這裡設定為 uv，代表我們用 uv 來執行 Python 程式。
args
傳給 command 的參數。
- --directory MCP 程式路徑：指定 MCP server 的所在資料夾
- run weather_mcp_server.py：要執行的檔案
這樣 Claude 就能知道要執行哪個 Python MCP server。
env
傳遞給 MCP server 的環境變數。
在這裡我們需要把 ACCUWEATHER_API_KEY 提供給伺服器，否則工具無法呼叫 API。