企业官网建设流程全解析

1. 为什么我建议你先跑通一条最小 MCP 链路

MCP 全称 Model Context Protocol，是一套让大模型调用外部工具的标准化协议。你可以把它理解成「AI 世界的 USB-C 接口」：以前每接一个数据库、每调一个内部 API，都要给模型单独写一套适配代码；现在只要服务端按 MCP 规范暴露工具，客户端按 MCP 规范连接，双方就能即插即用。它适合谁？适合正在做 AI Agent、想把公司内部系统接进大模型、或者单纯想让 Claude Code、Cline 这类工具多几个「手脚」的开发者。

但很多人第一次接触 MCP 会卡在同一个地方：客户端和服务端到底谁连谁、配置写在哪、报错了怎么查。我见过太多人复制了一段 JSON 配置，结果客户端一直转圈，日志里只有一句local proxy failed，然后就不知道从哪下手了。

这篇教程就干一件事：带你从零搭一个本地 MCP 服务端，注册一个能跑的工具，再用客户端连上它，最后把整条链路统一收敛到 TaoToken 的接入方式上。全程给你可复制的配置片段、验证命令和排错清单。读完你应该能做到：服务端能单独启动、客户端能列出工具、发一条自然语言指令能拿到真实返回。

先说清楚整体架构，不然后面配置容易懵。MCP 是客户端-服务端模型：服务端负责「提供能力」，比如查数据库、读文件、调搜索 API；客户端负责「消费能力」，比如 IDE 插件、聊天工具、命令行 Agent。两者之间有两种主流传输方式：一种是 stdio，服务端作为本地子进程，通过标准输入输出通信，不需要网络；另一种是 SSE / Streamable HTTP，服务端跑在远端，客户端通过 HTTP 端点连接。本地开发优先用 stdio，简单、无鉴权、好调试；要多人共用或者接云端能力时再上 HTTP 模式。

下面按「先服务端、再客户端、再验证、再排错」的顺序走。每一步我都给完整命令，你照着敲就行。

2. 服务端从零搭建：用 FastMCP 注册第一个工具并本地启动

服务端的核心任务是「把函数暴露成工具」。Python 生态里最省事的是官方mcp包里的FastMCP，几行代码就能起一个 stdio 服务。先建目录、装依赖：

mkdir mcp-demo && cd mcp-demo python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate pip install "mcp[cli]"

然后写服务端文件server.py。这里我注册两个工具：一个做加法，一个返回当前时间，方便你验证「工具是否真的被调用」：

from mcp.server import FastMCP from datetime import datetime app = FastMCP("demo-server") @app.tool() def add(a: int, b: int) -> int: """计算两个整数之和。""" return a + b @app.tool() def now() -> str: """返回当前服务器时间，ISO 格式。""" return datetime.now().isoformat() if __name__ == "__main__": app.run(transport="stdio")

注意@app.tool()装饰器下面的 docstring 很重要，它不是写给人看的注释，而是给模型看的工具描述。模型就是靠这段文字判断「什么时候该调这个工具」。所以描述要写清楚用途和参数含义，别偷懒写「TODO」。

启动服务端做自检：

python server.py

stdio 模式下它不会打印端口，而是安静地等待标准输入。这属于正常现象，别以为它挂了。想确认工具注册成功，用官方提供的调试器最直观：

mcp dev server.py

它会启动一个本地 Inspector 网页，你能在界面上看到add和now两个工具，还能手动填参数点调用。这一步能跑通，说明服务端本身没问题，后面客户端连不上就一定是配置问题，排查范围立刻缩小一半。

如果你要的是远程共享模式，把最后一行改成：

app.run(transport="sse", host="0.0.0.0", port=8000)

这样服务端会暴露一个 SSE 端点，形如http://你的地址:8000/sse。生产环境记得加鉴权和 HTTPS，别裸奔。本地调试阶段，我强烈建议先用 stdio 把逻辑跑顺，再切 HTTP，否则网络问题会和业务问题混在一起，很难定位。

服务端还有一个容易忽略的点：工具数量。单个 MCP Server 暴露的 API 建议控制在 30 个以内。工具太多，模型在选择时准确率会下降，因为它要在几十个描述里挑一个。宁可拆成多个职责单一的服务端，也不要堆成一个大杂烩。

3. 客户端接入配置：可复制的 JSON 与 TaoToken 统一接入

客户端这边，不同工具的配置文件位置和字段名略有差异，但核心三件套永远一样：Base URL、API Key、Model ID。只要这三样对齐，剩下的就是格式问题。下面给你一份通用的 stdio 客户端配置，以 Cline / Claude Code 这类常见客户端为例，配置文件通常叫mcp_settings.json或写在settings.json的mcpServers字段里：

{ "mcpServers": { "demo-local": { "command": "python", "args": ["/绝对路径/mcp-demo/server.py"], "env": { "PYTHONUNBUFFERED": "1" } } } }

几个坑先提醒你：command必须写绝对路径或者确保在 PATH 里；args里的脚本路径也建议用绝对路径，因为客户端启动子进程时的工作目录不一定是你以为的那个；Windows 上command可能要写python.exe的完整路径。保存后重启客户端，正常情况下工具列表里会出现add和now。

接下来是统一接入。当你要把模型请求也收敛到一处管理时，用 TaoToken 作为统一入口会省很多事。它的 API 地址是https://taotoken.net/api，你需要在控制台生成一个 Key，然后在客户端里把模型服务指向它。以 OpenAI 兼容格式为例，配置片段长这样：

{ "models": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的Key", "modelId": "claude-sonnet-4-5" } }

这里的三件套对应关系是：Base URL 填https://taotoken.net/api，API Key 填你在控制台创建的密钥，Model ID 填你要用的具体模型标识。三者缺一不可，少填一个最常见的报错就是 401。如果你用的是 Claude Code 这类走 Anthropic 协议的工具，接入方式略有不同，需要参考对应的接入文档配置环境变量，而不是简单改 baseUrl。

创建 Key 的入口在控制台的 API Keys 页面，模型对话调试可以在模型对话页面直接试，长期跑编码任务或者 Agent 的话建议看下 Coding Plan，额度模型更适合持续调用。这几个入口我都放在文末 CTA 里了，配置卡住的时候直接点进去对照。

配置写完别急着发复杂指令，先用一句「列出你当前可用的工具」测试。如果客户端能正确列出add和now，说明 MCP 链路通了；如果模型能正常回话，说明 TaoToken 这条模型链路也通了。两条链路都通，才算真正跑通。

4. 验证请求与成功结果：从自然语言到工具返回

链路搭好后，验证要分两层：先验证 MCP 工具能被调用，再验证模型能自主决定调用工具。

第一层，直接在客户端对话框输入：

帮我算一下 37 加 58 等于多少

如果一切正常，你会看到客户端先显示「正在调用工具 add」，然后返回95。这个过程里，模型并没有自己算，而是把参数a=37, b=58传给了你的服务端函数，函数算完把结果回传。你可以在server.py的add里加一行print，观察服务端日志是否真的被触发——这是确认「工具真的执行了」而不是模型瞎编的最硬证据。

第二层，验证时间工具：

现在服务器时间是多少

预期返回一个 ISO 格式的时间字符串。如果返回的是模型自己编的时间，说明工具没被调用，回去检查 docstring 描述是否清晰、客户端是否真的加载了这个 server。

再给你一个更接近真实场景的验证：注册一个「查询订单」的假工具，参数带一个订单号，返回固定 JSON。然后输入「帮我查一下订单 A123 的状态」。观察模型是否正确提取了A123作为参数。这一步能验证模型对参数的理解能力，也是实际项目里最容易出问题的地方——参数没传对，工具就返回空或者报错。

成功的结果应该满足三个特征：客户端日志里能看到 tool call 记录；服务端进程有对应执行日志；返回内容和你函数里的逻辑一致。三者对上，链路就是真的通了，不是「看起来通了」。

如果你在这一步发现模型总是绕过工具直接回答，八成是工具描述写得太模糊，或者工具名和用户意图对不上。把 docstring 改得更具体，比如把「查询订单」改成「根据订单号查询订单当前状态，参数 order_id 为字符串」，命中率会明显提升。

5. 常见报错排查清单：401、local proxy failed 与工具不显示

这一节是全文最值钱的部分，因为报错信息往往只有一行，但原因可能有三四种。我按真实遇到过的顺序列。

401 Unauthorized。这个几乎都是 Key 的问题。检查三件事：Key 是否复制完整（前后有没有多余空格）；Base URL 是否写成了https://taotoken.net/api而不是带别的路径；Key 是否已经过期或被删除。如果用的是 Claude Code 这类走 OAuth 的工具，401 还可能是授权流程没走完，重新触发一次授权即可。记住三件套要同时对齐：Base URL、Key、Model ID，改了一个别忘了检查另外两个。

local proxy failed。这个报错通常出现在客户端启动 MCP 子进程失败时。原因一般是command找不到，或者args路径不对。排查方法：把配置里的command和args拼成一条命令，直接在终端里跑一遍。终端能跑通、客户端跑不通，那就是路径或环境变量问题。Windows 用户特别注意反斜杠转义，JSON 里路径要用双反斜杠或者正斜杠。

reading 'choices' 相关报错。这通常意味着模型返回体格式和客户端预期不一致，多半是 Base URL 指向了不兼容的端点，或者 Model ID 填错了。确认你填的模型标识在服务端是真实存在的，别凭记忆瞎写。

工具列表为空 / 不显示。先确认服务端单独启动没问题（用mcp dev验证）；再确认客户端配置的 JSON 语法正确（少个逗号就会整个解析失败）；最后看客户端日志里有没有加载该 server 的记录。有些客户端需要手动点「启用」开关，别漏了。

OAuth 授权卡住。SSE 模式的远程服务常遇到。检查回调地址是否可达、授权页面是否被拦截。本地调试阶段，能用 stdio 就别用 SSE，能省掉一整类鉴权问题。

调用超时。stdio 模式下如果服务端函数执行太久，客户端会等不到返回。给耗时操作加超时控制，或者改成异步任务 + 轮询。别让一个工具调用把整个会话卡死。

排查的通用心法是：先隔离，再定位。服务端能不能单独跑？客户端能不能连别的 server？模型链路能不能单独通？把三层拆开各自验证，问题一定落在某一层，而不是「全都坏了」。

6. 把这条链路用起来：从 demo 到真实工具的下一步

跑通 demo 只是起点。真实项目里，你会把add换成查数据库、调内部 API、读文件系统。这时候有几个经验值得提前知道。

第一，工具描述就是你的「API 文档」，但读者是模型。参数含义、必填项、取值范围都要写清楚。我试过把「查询实例列表」的描述补上「必须传 region_id」，模型传参准确率立刻上来了。第二，非必填参数能删就删，参数越多模型越容易填错，还费 token。第三，权限要收窄，给 MCP 服务端的账号只开它需要的最小权限，别用管理员账号跑，尤其是涉及删除、写库的操作。

如果你要把服务端部署到远端给团队共用，用容器封装是个好习惯，既能隔离环境，也能降低远程代码执行的风险。暴露 HTTP 端点时务必加鉴权和 HTTPS。

最后回到接入层。当你的 MCP 工具越来越多、模型调用越来越频繁，把模型请求统一收敛到 TaoToken 管理会轻松很多：一个 Key 管所有调用，模型对话页面随时验证，长期编码任务用 Coding Plan 更划算。配置入口我整理在下面，按你的场景点对应的就行。

• 需要创建或管理密钥：API Keys → https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite
• 想先验证模型能不能正常回话：模型对话 → https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite
• 长期跑编码或 Agent 任务：Coding Plan → https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite
• 接入细节对照文档：接入文档 → https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

把服务端跑起来、客户端连上、发一句自然语言拿到真实返回——这三步做完，你就已经跨过了 MCP 最难的那道门槛。剩下的，就是把你真正想接的能力，一个个写成工具注册进去。