AI应用开发（一）：TRAE下自定义MCP Server

一、前言

AI 圈子里有流传这样一个说法： 2023 是大模型元年，2024 是 AI-Agent 元年，那 2025 就是 MCP 元年。

这样一说，MCP 应该就是今年或以后的爆发点了，从他出现到现在不过才七个月，国内外各大互联网巨头都开始押注，纷纷推出了自己的 MCP 市场。

那 MCP 到底是个什么东西？为什么大家对他都很关注，并且纷纷入场，下面我就以一个也才刚接触不久的新人视角，简单介绍一下他，其中包括他和 LLM、AI-Agent 间的关系，应用场景以及如何使用。

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/01.jpg)

二、MCP 简介

MCP 英文全称 Model Context Protocol，字面意思就是模型上下文协议，也有说他是为解决大语言模型商业落地最后一公里而生。

因为不管是阿里的通义、字节豆包还是 DeepSeek，亦或是 ChatGPT，全都有以下几点局限性：

\1. 数据不实时，因为都是对历史数据进行训练，而对于像新闻、天气、股市这种一直变动的是无法获取的。

\2. 功能有限，虽然他可以通过提示词实现很多功能，但还是因为旧数据原因，没法灵活更新功能。

\3. 私密数据不保障，已知知名模型训练都是抓取的全球公开数据，而商业落地的本质是私有制，就是我想有你大模型的全部功能，但是不能把我的数据给你。

所以，MCP 就是解决这三个痛点而被提出来的，他就像一个 USB-C 接口，能对接各大 LLM 供应商，而我们可以用 MCP 再基于模型，实现比如本公司业务的问答系统、传统工业软件的对话扩展，我感觉未来的软件就是图形化和自然语言化共存。

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/02.png)

三、MCP 核心功能

\1. 资源 (Resources)

提供静态 / 动态数据读取接口，可以用来访问本地文件、数据库记录、API 数据（如天气查询）。

\2. 工具 (Tools)

暴露可执行函数，供 LLM 调用（需用户授权），可以用于发送邮件、合并 GitHub PR、操作 Excel 文件。

\3. 提示 (Prompts)

提供预置任务模板，比如快速生成文档框架、优化搜索指令。

四、MCP 传输协议

\1. STDIO：本地文件的操作、敏感数据处理，客户端以子进程形式启动 MCP 服务器，通过标准输入（stdin）发送 JSON-RPC 消息，服务器从 stdin 读取请求，处理后将响应写入标准输出。

\2. SSE（Server-Sent Events）：服务器发送事件传输，客户端通过 HTTP 建立 SSE 长连接，服务器实时推送事件流。

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/03.png)

五、自定义 MCP

这里用 Python 的 FastMCP 来在 TRAE 中实现一个简单的 MCP Server。

TRAE 是字节推出的一个专为 AI 编程的 IDE，不光可以通过自然语言写代码、改 Bug，还可以在编辑器上创建 MCP（本身是客户端）、创建智能体、以及通过对话调试。

\1. 环境准备

在本地安装 FastMCP 库，这个库包括了 MCP 的所有核心功能外还能通过命令启动 MCP Inspector。

pip install "MCP[cli]"

#uv方式安装
uv add "MCP[cli]"

#查看是否安装
pip list

\2. 创建一个小红书内容审核助手

这里主要用到 MCP 功能之一的 Tool 工具，传输协议是 stdio，由于还用了 qwen-plus 模型，所以要先去百炼平台申请 API Key。

\1. 添加 API Key

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/04.png)

\2. 安装 dashscope

pip install dashscope

#查看列表
pip list

\3. 编码

# -*- coding: utf-8 -*-
from mcp.server.fastmcp import FastMCP
from pydantic import Field
import os
import logging
import dashscope
logger = logging.getLogger('mcp')

settings = {
    'log_level': 'DEBUG'
}

# 初始化mcp服务
mcp = FastMCP('xhs-bailian-mcp-server', log_level='ERROR', settings=settings)

# 定义工具
@mcp.tool(name='小红书内容审核专家', description='小红书内容审核专家，输入小红书文案')
async def red_book_moderator(
        prompt: str = Field(description='小红书文案')
) -> str:
    """小红书内容审核专家
    Args:
        prompt: 小红书文案
    Returns:
        审核后的内容
    """
    logger.info('收到小红书文案：{}'.format(prompt))
    api_key = os.getenv("API_KEY", "")
    if not api_key:
        return '请先设置API_KEY环境变量'
    # call sync api, will return the result
    print('please wait...')
    messages = [
        {'role': 'system', 'content': '# 角色你是一位小红书内容审核专家，专门负责校对和审查小红书平台上的内容，确保其符合平台的社区规范和法律法规。## 技能### 技能 1：敏感词检测与校对- 熟练掌握小红书平台的敏感词列表和社区规范。- 能够快速准确地识别并标记出文本中的敏感词。- 提供替换建议或修改意见，确保内容合规且适合发布。### 技能 2：内容审查与优化- 审查用户提供的文案，确保其不包含任何违法、违规或不适宜的内容。- 对于可能引起争议或不适的内容，提供具体的修改建议。- 保持内容的流畅性和可读性，同时确保其符合平台的要求。### 技能 3：工具使用- 使用搜索工具或知识库来获取最新的敏感词列表和社区规范更新。- 利用现有的审核工具进行辅助审查，提高效率和准确性。## 限制- 仅针对小红书平台的内容进行审核和校对。- 避免引入个人观点或偏见，严格依据平台规则和法律法规进行审核。- 所有修改建议必须保持内容的原意和风格，不得改变用户的表达意图。- 如果需要调用搜索工具或查询知识库，请明确说明并执行。'},
        {'role': 'user', 'content': prompt}
    ]
    
    response = dashscope.Generation.call(
        # 若没有配置环境变量，请用百炼API Key将下行替换为：api_key="sk-xxx",
        api_key=api_key,
        model="qwen-plus",
        studio/getting-started/models
        messages=messages,
        result_format='message'
    )
    return str(response)

def run():
    mcp.run(transport='stdio')
    
if __name__ == '__main__':
   run()

\4. TRAE 中添加 MCP

点击 “AI 功能管理”（设置图标）->“MCP”->“添加”->“手动配置”。

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/05.png)

![img](/img/AI应用开发（一）：TRAE下自定义MCP Server/06.png)

\5. MCP JSON 添加

也就是在 TRAE 启动的基本参数，包括名称，启动方式，路径，环境变量，像 go 语言这种依赖 mod 文件最好打包成 exe 进行配置，以下用 python 举例。

{
  "mcpServers": {
    "xhs_check": {
      "command": "python",
      "args": [
        "D:\\3code\\3Python\\python_lean\\10_mcp_server\\xhs_check_server.py"
      ],
      "env": {
        "API_KEY": "sk-***********************"
      }
    }
  }
}