MCP Server 之旅第 6 站：FC MCP Server研发实战
系列文章已详细介绍了 MCP 协议的基本概念及其在函数计算（FC）托管 MCP Server 场景下的应用。相信读者已经对 MCP 协议的原理和应用场景有了初步了解。但对于 AI 应用开发者来说，如何开发一个高效的 MCP Server？有哪些最佳实践？本文将结合实际案例，深入剖析 FC MCP Server 的设计与实现。
背景与设计目标
MCP（Model Context Protocol）协议为 AI 应用开发者提供了标准化的上下文交互能力。MCP Client 负责"思考"，而 MCP Server 则为其赋能"行动"------即操作外部系统，实现自动化的业务流程。
在实际应用中，MCP Server 通常与 MCP Client（如 Cursor IDE）配合，完成代码生成、构建、部署等一系列自动化操作。本文以"引导 MCP Client 生成网页应用代码工程，并自动构建、部署到函数计算"为例，详细剖析 FC MCP Server 的设计与实现。
subgraph "本地主机"
Host["装有MCP Client的主机\n(Claude, IDEs, Tools)"]
S1["MCP Server A"]
S2["FC MCP Server"]
Host <-->|"MCP Protocol"| S1
Host <-->|"MCP Protocol"| S2
S1 <--> |"文件系统API"| D1[("本地\n文件系统 A")]
S2 <--> |"文件系统API"| D1
end
subgraph "互联网"
subgraph "函数实例"
S3["MCP Server C"]
end
Host <-->|"MCP Protocal with Authentication"| S3
S2 <-->|"OpenAPI + Devs"| D2[("函数计算API服务 B")]
S3 <-->|"Web APIs"| D3[("远程\服务 C")]
end
MCP Server 的核心能力
MCP Server 主要提供三大核心能力：
- 资源：以 URI 形式暴露给 MCP Client 文件或数据，支持资源读写和批量查找。资源是文本或二进制类型的数据，需要支持读写以及批量查找的方法。通过资源访问协议访问，并返回资源的类型以及内容。
- 工具：封装对外部系统的操作，供 LLM 调用（需用户批准），返回操作结果。MCP Client通过工具调用协议访问，并返回调用的结果。
- 提示词：面对不同的参数化的业务场景，引导MCP Client完成具体任务的提示词。通过提示词获取协议访问，并返回目标业务场景对应的提示词。
MCP Server 的"资源"和"提示词"能力目前并非所有 MCP Client 都支持，实际开发时应以"工具"为核心。
从MCP协议来看，工具侧设计需要如下能力：
- 工具发现：提供
tools/list方法，返回可用工具列表以及调用方式。 - 工具调用：提供
tools/call能力，返回工具执行的结果。
借助 MCP SDK，开发者只需关注工具参数设计和实现逻辑，协议适配由 SDK 自动完成。
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
const server = new McpServer({
name: "alibabacloud-fc-mcp-server",
version: "0.0.1",
});
// 此处添加工具实现
server.tool(
"toolName",
"toolDescription",
{
arg1: z.string().describe("参数说明，例如：这是一个参数")
},
async (args) => {
const { arg1 } = args;
return {
isError: false,
content: [
{
type: "text",
text: `成功，得到参数：${arg1}`
}
]
}
}
)
async function main() {
const transport = new StdioServerTransport();
await server.connect(transport);
}
main().catch((error) => {
process.stderr.write(JSON.stringify(error));
process.exit(1);
});
FC MCP Server工具的设计与最佳实践
参考官方文档，工具设计应遵循以下原则：
- 名称与描述清晰：工具名称和描述应准确反映其功能和使用场景，便于 LLM 理解。
- 参数定义规范：使用详细的 JSON Schema 定义参数，包括类型、描述、默认值、枚举等。
- 包含使用示例：在描述中给出调用示例，帮助 LLM 正确使用工具。
- 完善错误处理：实现合理的错误校验和提示，提升健壮性。
- 操作专注原子：每个工具只做一件事，保持原子性，避免副作用。
为满足将MCP Client生成的网页类型代码工程部署到函数计算，我们至少需要设计一个工具，实现将代码工程以Custom Runtime的形式，部署到函数计算。
下面是工具的示例代码，完整的源代码可以参考这里。
server.tool(
// 提供与工具实际作用相符的名称与描述信息，说明工具的具体使用场景以及需要注意的事项，便于MCP Client理解
"put-custom-runtime-function",
"将构建完成的匹配阿里云自定义运行时的工程，部署到函数计算。代码工程不需要手动打包，会自动处理。如果函数已存在，则尝试覆盖并更新目标函数。",
{
// 提供完整的参数定义，包括参数的类型、描述、默认值、枚举值等，便于MCP Client理解
location: locationSchema,
functionName: functionNameSchema,
region: regionSchema,
// ...其他部署参数，根据实际需求添加
// TODO
},
async (args) => {
// args的数据结构与上述schema定义一致
const { location } = args;
if (!fs.existsSync(location)) {
return { isError: true, content: [{ type: "text", text: `执行失败，需要指定本地代码工程根路径` }] };
}
return await createCustomRuntimeFunction(args);
}
);
FC MCP Server 的测试最佳实践
开发测试
- 使用 MCP Inspector 工具查看 MCP Server 的工具列表及调用方式，详见官方文档。
- 推荐日志输出到文件或 stderr，便于问题定位和追踪。
# 对代码工程进行构建
npm install && npm run build
# 使用MCP Inspector工具，启动MCP Server
npx @modelcontextprotocol/inspector -e ALIBABA_CLOUD_ACCESS_KEY_ID=${ALIBABA_CLOUD_ACCESS_KEY_ID} -e ALIBABA_CLOUD_ACCESS_KEY_SECRET=${ALIBABA_CLOUD_ACCESS_KEY_SECRET} node build/index.js
# 根据输出的地址，打开调试页面
# MCP Inspector is up and running at http://127.0.0.1:6274 🚀
日志示例：
console.error("这是一行需要记录的日志")
集成测试
- 工具测试需关注返回结构的语义正确性，而非仅仅是数据结构本身。
- 工具名称、Schema 描述等会直接影响业务效果。
- 工具与提示词需同步维护，确保整体体验一致。
集成到 Cursor IDE
配置示例：
{
"mcpServers": {
"alibabacloud-fc-mcp-server": {
"command": "node",
"args": ["${absolute-path-to-your-project}/build/index.js"],
"env": {
"ALIBABA_CLOUD_ACCESS_KEY_ID": "${your-access-key-id}",
"ALIBABA_CLOUD_ACCESS_KEY_SECRET": "${your-access-key-secret}"
}
}
}
}
配置方式如下所示：
完成配置后，检查工具列表是否符合预期。
使用提示词，测试代码生成、构建并部署的能力
在 Cursor IDE 新建空项目，打开Agent 模式。输入下方 Prompts ，然后要求智能IDE生成一个网页小游戏2048，并部署到函数计算。
# 角色
你是一位专业的阿里云函数计算（FC） Copilot，专注于为客户提供关于构建、部署代码到函数计算的建议。
## 函数计算构建约束
- 工程必须构建以后，才能部署在函数计算。对于Python等语言，需要将依赖安装到代码工程根路径下的./python中;Node等语言，需要将依赖安装到相对根路径下的./node_modules中，Java等语言，需要使用maven或gradle等工具，将工程打包为带有依赖的Jar。这样运行时依赖才能被读取到。
- 工程构建必须满足函数计算运行时约束。
- 不需要将工程打包，构建完成后可以直接调用MCP Server的工具进行部署。
## 函数计算运行时约束
- 用户必须在运行时暴露一个端口提供http服务。
- 运行环境是debian10，并预先安装了Python3.10版本、Node20版本、OpenJDK JRE21版本。
- 函数计算运行时中，提供了Python、Node、Java、Golang四种语言的某个具体版本的运行环境。 Python3.10的安装路径是/opt/python3.10，已默认将/opt/python3.10/bin以及代码包中的/code/python添加到PATH环境变量中。Node20的安装路径是/opt/nodejs20，已默认将/opt/nodejs20/bin以及代码包中的/code/node_modules添加到PATH环境变量中。OpenJDK21的安装路径是/opt/java21，已默认/opt/java21/bin添加到PATH环境变量中，且已经添加环境变量JAVA_HOME=/opt/java21。如果要修改环境变量中的PATH，应该将上述的PATH内容包含。Golang语言不需要运行环境支持。
## 技能
### 技能一：问题拆解与分析
- 能够对用户提出的问题进行深入拆解，明确问题的核心需求及可能涉及的步骤或指令。
- 提供清晰的任务分解步骤，确保每一步都能指向最终解决方案。
- 回答结果中尽量以表格的形式进行整理。
### 技能二：alibabacloud-fc-mcp-server MCP工具调用
- 熟练调用alibabacloud-fc-mcp-server MCP工具获取函数相关信息或执行相关操作。
- 工具调用前必须先完成任务拆解，并确保调用逻辑清晰且符合客户需求。
- 根据用户的具体问题，选择合适的MCP功能模块进行操作，如创建自定义运行时函数、更新自定义运行时函数等。
## 限制条件
- **任务拆解优先**：必须先给出详细的任务拆解步骤。
- **工具依赖明确**：所有需要调用MCP工具的操作，都应基于清晰的任务需求和逻辑推理。
- **代码生成与构建**：代码必须在本地完成构建，然后部署运行在函数计算上。代码的生成与构建必须满足函数计算构建与运行时约束。
等待 agent 生成项目并部署到阿里云函数计算。
访问测试地址，获取2048小游戏页面，确认符合预期。
FC MCP Server的云上部署改造
云上部署 MCP Server 时需注意：
- 协议适配：云端无法通过
stdio协议通信，需切换为sse协议。 - 代码包传递：云端无法直接访问本地路径。代码包需要通过其他方式传递给FC MCP Server。
如下图所示：
对于第一个问题，参考前文，Function AI通过MCP Proxy组件，已经解决了协议转换的问题。推荐通过 Function AI 的 MCP部署，实现协议转换，无需手动适配。
对于第二个问题，我们可以考虑如下方案。将代码工程构建后，通过OSS MCP Server（待开发）上传到云端，获取下载地址codeuri，然后将codeuri作为工具调用参数传递至FC MCP Server。FC MCP Server可以通过OSS的OpenAPI，将代码包下载到本地后，完成后续的部署操作。
对应的改造代码如下所示：
// 通过环境变量，区分本地模式与远程模式
const remoteMode = process.env.REMOTE_MODE === 'true';
//...省略其他代码
if (remoteMode) {
server.tool(
"put-custom-runtime-function",
"提供构建完成的匹配阿里云自定义运行时的zip格式的代码包的可下载链接以及其他函数部署配置，创建函数并部署代码到该函数。如果函数已存在，则尝试覆盖并更新目标函数。建议使用该方法前先确认函数是否存在，如果存在需要确认更新目标函数",
{
codeUri: codeUriSchema,
functionName: functionNameSchema,
region: regionSchema,
//...省略其他代码
},
async (args) => {
// 添加适配代码，将codeuri下载到本地location
const { codeUri } = args;
if (!codeUri) {
return { isError: true, content: [{ type: "text", text: `执行失败，需要指定codeUri参数` }] };
}
const location = path.join(os.tmpdir(), `code-${Date.now()}.zip`);
// 下载代码到本地location位置
await downloadFile(codeUri, location);
if (!fs.existsSync(location)) {
return { isError: true, content: [{ type: "text", text: `执行失败，需要指定本地代码工程根路径` }] };
}
const nextArgs = {
...args,
location,
}
return await createCustomRuntimeFunction(nextArgs);
}
);
} else {
server.tool(
"put-custom-runtime-function",
"将构建完成的匹配阿里云自定义运行时的工程，部署到函数计算。代码工程不需要手动打包，会自动处理。如果函数已存在，则尝试覆盖并更新目标函数。建议使用该方法前先确认函数是否存在",
{
location: locationSchema,
functionName: functionNameSchema,
region: regionSchema,
//...省略其他代码
},
async (args) => {
const { location } = args;
if (!fs.existsSync(location)) {
return { isError: true, content: [{ type: "text", text: `执行失败，需要指定本地代码工程根路径` }] };
}
return await createCustomRuntimeFunction(args);
}
);
}
完整的改造代码可以参考这里。改造完毕后的FC MCP Server可以通过Function AI一键部署到函数计算上。
部署到函数计算后，可以通过如下配置集成，有效解决配置需要AK/SK带来的安全风险：
{
"mcpServers": {
"aliyun-fc-mcp-server": {
"url": "https://xxx.cn-hangzhou.fcapp.run/sse",
"headers": {
"Authorization": "Bearer Token"
}
}
}
}
总结
本文通过演示FC MCP Server的设计、研发、测试、上云的实战过程，为MCP Server应用开发者展示了研发MCP Server，并部署到函数计算的便捷性。
将MCP Server部署到函数计算，可以有效解决本地部署MCP Server带来的安全问题，避免敏感信息（例如AK/SK）的外泄，此外还能充分利用函数计算的弹性和按需计费优势，极大降低运维和部署成本。
更多内容关注 Serverless 微信公众号（ID：serverlessdevs），汇集 Serverless 技术最全内容，定期举办 Serverless 活动、直播，用户最佳实践。
