1. 前言
MCP Server(模型上下文协议服务器)是一种基于模型上下文协议(Model Context Protocol,简称 MCP)构建的轻量级服务程序,旨在实现大型语言模型(LLM)与外部资源之间的高效、安全连接。MCP 协议由 Anthropic 公司开源,其核心目标是解决 AI 应用中数据分散、接口不统一等问题,为开发者提供标准化的接口,使 AI 模型能够灵活访问本地资源和远程服务,从而提升 AI 助手的响应质量和工作效率。
MCP Server 的架构与工作原理
MCP Server 采用客户端 - 服务器(Client-Server)架构,其中客户端(MCP Client)负责与服务器建立连接,发起请求,而服务器端则处理请求并返回响应。这种架构确保了数据交互的高效性与安全性。例如,客户端可以向服务器发送请求,如'查询数据库中的某个记录'或'调用某个 API',而服务器则根据请求类型,调用相应的资源或工具,完成任务并返回结果。
MCP Server 支持动态发现和实时更新机制。例如,当新的资源或工具被添加到服务器时,客户端可以自动感知并使用这些新功能,从而提高系统的灵活性和扩展性。
MCP Server 的主要功能
- 资源暴露与工具提供: MCP Server 可以将本地文件、数据库、API 等资源作为数据实体暴露给 AI 模型,同时提供工具功能,帮助 AI 完成复杂任务,如数据检索、内容生成、实时更新等。例如,它支持对 MySQL、PostgreSQL 等数据库的查询和操作,也支持对本地文件系统的读写和目录管理。
- 会话管理与动态通知: MCP Server 能够管理客户端与服务器的连接,确保会话的时效性和稳定性,同时通过实时推送机制,将最新的资源信息及时传递给 AI 模型,以保证数据的准确性和实时性。
- 安全性与隐私保护: MCP Server 采用加密认证和访问控制机制,确保数据传输的安全性,避免敏感信息泄露。例如,它支持本地运行,避免将敏感数据上传至第三方平台,从而保护用户隐私。
- 标准化与模块化: MCP Server 提供了标准化的通信协议,支持两种传输协议(STDIO 和 SSE),并允许开发者通过插件扩展功能,使其具备灵活性和扩展性。例如,它支持通过 HTTP 标准 POST 请求与客户端进行交互,同时支持 WebSocket 实现实时数据推送。
- 多场景应用:
MCP Server 可以应用于多种场景,包括但不限于:
- 本地资源集成:如文件操作、数据库管理、API 调用等。
- 云服务交互:如与 GitHub、Slack、Google Drive 等云服务的集成。
- AI 助手扩展:如为 ChatGPT 等 AI 助手提供上下文支持和工具调用能力
目前 MCP Server 发展速度非常快。市场上已经发展超过 10000 多个 MCP Server。
今天带大家一起使用 Cherry Studio 和 Trae 实现 Excel 表格一键生成可视化图表 HTML 报告的 MCP 案例,下面先给大家看一下效果。
测试的 Excel 表格数据 [图片:测试用的 Excel 表格]
Cherry Studio
[图片:Cherry Studio 界面]
F:\tmp\mcpfiles 有我们的分享报告,我们看一下 [图片:生成的 HTML 报告预览]
看起来生成的 HTML 报告还不错,通过简单的 Excel 表格通过几个 MCP 实现了一个分析报告。
Trae
[图片:Trae 界面]
同样它在我电脑的 F:\tmp\mcpfiles 目录下生成一个 zz_report.html 报告 [图片:Trae 生成的报告文件]
我们通过 2 个 MCP Client 实现了 Excel 表格一键生成可视化图表 HTML 报告。那么这个 MCP Server 用到了哪些工具,如何实现的呢?话不多说下面带大家一起来实现。
2. MCP Server 配置
上面的 MCP Server 其实用到了 4 个 MCP Server,分别是
sequential-thinking server-filesystem excel-mcp-server quickchart-server
Trae 配置 MCP Server
他们的配置在 Trae 非常简单,下面是他们的配置文件
quickchart-server


