适用场景与目标

MCP（Model Context Protocol）由 Anthropic 在 2024 年 11 月推出，2025 年 12 月捐赠给 Linux Foundation 旗下的 Agentic AI Foundation（AAIF），随后 OpenAI、Google、Microsoft、AWS 等主流厂商相继支持，已成厂商中立的开放标准。

适合用 MCP 的场景：

• 企业内部 AI Agent 需要调用多种外部工具（数据库、飞书、GitHub、Jira 等）
• 跨团队复用同一套工具定义，减少为每个 AI 平台写适配器的维护成本
• 需要将 AI 能力标准化输出给第三方 AI 应用接入

本篇目标： 在一周内，用最小成本跑通一个生产级 MCP Server 接入方案，解决有状态 Session 水平扩展和服务发现问题。

---

最小可行方案（MVP）步骤

环境准备

# Node.js ≥ 20（必须，MCP SDK 依赖）
node -v  # 要求 >= 20.0.0
npm -v

# 可选：Docker（用于部署远程 MCP Server）
docker --version

# Python SDK（可选，本篇以 TypeScript 为主）
python3 --version

Step 1：安装 MCP SDK

mkdir mcp-weather-server && cd mcp-weather-server
npm init -y
npm install @modelcontextprotocol/sdk zod

Step 2：编写第一个 MCP Server

// src/index.ts
import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";

const server = new Server(
  { name: "weather-server", version: "1.0.0" },
  { capabilities: { tools: {} } }
);

// 定义工具列表
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "get_weather",
        description: "获取指定城市的当前天气",
        inputSchema: {
          type: "object",
          properties: {
            city: { type: "string", description: "城市名称，如北京、上海" },
          },
          required: ["city"],
        },
      },
    ],
  };
});

// 处理工具调用
server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;

  if (name === "get_weather") {
    const city = args?.city as string;
    // 实际项目中替换为真实天气 API
    const fakeWeather = { city, temp: "18°C", condition: "多云", humidity: "65%" };
    return { content: [{ type: "text", text: JSON.stringify(fakeWeather) }] };
  }

  throw new Error(`未知工具: ${name}`);
});

async function main() {
  const transport = new StdioServerTransport();
  await server.connect(transport);
  console.error("Weather MCP Server 已启动");
}

main().catch(console.error);

Step 3：编译并本地测试

npx tsc src/index.ts --outDir dist --esModuleInterop --target ES2022 --module NodeNext --moduleResolution NodeNext

# 本地测试（STDIO 模式）
node dist/index.js
# 输入测试请求（JSON-RPC）

Step 4：部署为远程 MCP Server（Docker + REST）

MCP 2025 年 3 月引入了 Streamable HTTP 传输协议，支持远程部署 Server。

# Dockerfile
FROM node:20-alpine
WORKDIR /app
COPY package*.json ./
RUN npm ci && npm run build
EXPOSE 3000
CMD ["node", "dist/remote.js"]

远程 Server 入口（src/remote.ts）：

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StreamableHTTPServerTransport } from "@modelcontextprotocol/sdk/server/streamableHttp.js";
import express from "express";

const app = express();
app.use(express.json());

const transport = new StreamableHTTPServerTransport({ port: 3000 });
const server = new Server({ name: "weather-remote", version: "1.0.0" }, { capabilities: { tools: {} } });

// 注册工具（同本地，略）

app.post("/mcp", async (req, res) => {
  await transport.handleRequest(req, res, { sessionId: req.headers["session-id"] as string });
});

app.listen(3000, () => console.log("远程 MCP Server 运行在 :3000"));

Step 5：客户端接入（以 Claude Desktop 为例）

在 ~/.claude_desktop_config.json 中添加：

{
  "mcpServers": {
    "weather-remote": {
      "url": "http://your-server:3000/mcp"
    }
  }
}

---

关键实现细节

Session 状态外置（水平扩展关键）

MCP Session 是有状态的，而负载均衡器需要无状态。在官方解决方案（SEP-1933 Workload Identity Federation）落地之前，推荐将 Session 状态外置到 Redis：

import Redis from "ioredis";

const redis = new Redis(process.env.REDIS_URL);

// 每个 Session 的状态存储在 Redis
async function getSessionState(sessionId: string) {
  const state = await redis.get(`mcp:session:${sessionId}`);
  return state ? JSON.parse(state) : {};
}

async function saveSessionState(sessionId: string, state: object) {
  await redis.setex(`mcp:session:${sessionId}`, 3600, JSON.stringify(state)); // 1小时过期
}

服务发现：.well-known/mcp.json

虽然服务发现标准尚未最终确定，但推荐提前在 Server 域名下准备：

// https://your-server.com/.well-known/mcp.json
{
  "schemaVersion": "1.0",
  "name": "weather-service",
  "description": "企业天气查询 MCP Server",
  "baseUrl": "https://your-server.com/mcp",
  "capabilities": ["tools"],
  "tools": ["get_weather"]
}

安全：网关层必做四件事

在 MCP Client 和 Server 之间部署网关（自建或基于 Envoy/Kong）：

1. Token 鉴权：每个 MCP 请求携带 Bearer Token，网关验证后才放行
2. 速率限制：防止恶意刷调用
3. 日志审计：记录所有工具调用（工具名、参数、调用者、时间）
4. Schema 校验：拒绝不符合 inputSchema 的请求

// 简化网关中间件示例
function mcpAuthMiddleware(req, res, next) {
  const token = req.headers["authorization"]?.replace("Bearer ", "");
  if (!token || !validToken(token)) {
    return res.status(401).json({ error: "Unauthorized" });
  }
  next();
}

function mcpRateLimitMiddleware(req, res, next) {
  const key = req.headers["x-user-id"] || req.ip;
  if (rateLimiter.isExceeded(key)) {
    return res.status(429).json({ error: "Rate limit exceeded" });
  }
  next();
}

---

常见坑与规避清单

坑	描述	规避方法
Session 粘性失败	远程 MCP 使用有状态 Session，负载均衡无会话保持导致请求分发到不同实例	状态外置 Redis，或在 LB 层启用 Source IP Affinity
inputSchema 不匹配	工具定义的 schema 与实际入参不符，Client 调用时直接报错	每个工具必须通过 zod 或 JSON Schema 严格定义 schema，并写单元测试覆盖
STDIO vs HTTP 混淆	在 Docker 部署场景误用 STDIO 传输协议，导致 Server 无法响应	远程部署必须用 Streamable HTTP；本地 Claude Desktop 可用 STDIO
工具幂等性缺失	同一工具重复调用产生副作用（如多次写库）	工具设计遵循幂等原则；必须修改状态的调用需加幂等键
安全鉴权裸奔	直接将 MCP Server 暴露在公网，无 Token 验证	必须经过网关加鉴权层；生产环境禁止无认证访问
版本不兼容	MCP SDK 版本升级导致 Breaking Change	锁死 SDK 版本（如 "@modelcontextprotocol/sdk": "~1.0.0"），升级前在测试环境充分验证

---

成本/性能/维护权衡

成本

部署方式	月均成本（参考）	适用规模
本地 STDIO（Claude Desktop 集成）	0	个人/小团队
单机 Docker	¥200–500/月（2核4G）	10人以内团队
K8s 多副本 + Redis	¥800–2000/月	中型企业，50+ Agent

性能

• MCP 调用延迟：本地 STDIO 5–20ms；远程 HTTP 50–200ms（取决于网络）
• 单 Server QPS 上限：约 500 req/s（Node.js 单线程瓶颈）；多副本可线性扩展
• 工具调用建议加 200–500ms 的人工延迟（如有敏感操作），防止 Agent 快速循环调用

维护

• MCP Server 数量多了之后，推荐用 MCP Hub（如 FastMCP Hub 或开源 cn mcp hub）统一管理 Server 注册、版本和可见性
• 工具变更（新增/修改）需要通知所有接入方，建议通过 changelog 文档 + 版本号管理

---

一周内可执行行动清单

Day 1–2：跑通本地 MVP

• 安装 Node.js ≥ 20
• 初始化项目，安装 @modelcontextprotocol/sdk
• 跑通本博客的 weather MCP Server（STDIO 模式）
• 用 npx mcp dev 或手写 JSON-RPC 请求验证工具调用

Day 3–4：远程部署验证

• 将 Server 改写为 Streamable HTTP 模式
• Docker 化并部署到一台测试服务器
• 配置反向代理（Nginx）+ HTTPS
• 验证远程 Client 能成功调用

Day 5：安全与扩展

• 实现 Redis Session 外置（为水平扩展准备）
• 搭建简易鉴权网关（Token 验证 + 速率限制）
• 编写 .well-known/mcp.json 服务发现文件

Day 6–7：生产准备

• 单元测试覆盖所有工具的 inputSchema
• 配置监控告警（调用量、延迟、错误率）
• 撰写 MCP Server 接入文档，给到 AI Agent 团队

---

总结：MCP 已经成为 AI Agent 工具调用的事实标准，2026 年是其企业级大规模落地的关键窗口期。本方案从小处入手，一周内可以跑通从 0 到远程部署的全链路。核心避坑点：Session 状态外置、网关安全、Schema 严格定义。把这三件事做好，MCP 在生产环境的稳定性就有保障。