基於 mcphost 的智能體開發實戰指南
在 MCP Server 開發調試過程中，除了圖形化工具 MCP Host，我更推薦使用輕量化 CLI 工具 mcphost（項目地址：mark3labs/mcphost）。
這款僅 5MB 的零依賴工具支持 Anthropic、Ollama、OpenAI 三大模型平臺，爲開發者提供靈活的選擇。
配置和基本使用
例如我這裏使用阿里的千問大模型，其命令大致爲
export OPENAI_API_KEY=xxxxx. # 設置千問 API key
export OPENAI_URL='https://dashscope.aliyuncs.com/compatible-mode/v1'
mcphost \
--openai-url $OPENAI_URL \
--model openai:qwen-max \
--config ./mcp.json當程序啓動後，可以看到類似輸出
實戰案例解析
通過 mark3labs/mcp-go SDK 構建的 MCP Server 實現特定網址抓取和內容解析，最後格式化輸出，具體步驟如下：
- 工具定義：創建 Python 執行工具描述，描述主要內容爲：
在隔離環境中執行 Python 代碼。可以使用 Playwright 和無頭瀏覽器進行網頁抓取。當你需要實時信息、內部沒有這些信息且沒有其他工具能夠提供這些信息時，可使用此工具。由於所有輸出僅通過標準輸出（stdout）或標準錯誤輸出（stderr）返回，因此務必使用打印語句！請注意，所有代碼都在臨時容器中運行，因此模塊和代碼不會保留！
- 執行流程：
-
接收大模型生成的 Python 代碼及依賴清單
-
在獨立 Docker 環境執行代碼
-
捕獲 stdout/stderr 返回結果
- 運行效果
- 提問 1： 獲取 star 數 > 50 的最新 10 個 Go 開源項目
- 追加提問 2： 詳細說明首個項目內容
可以看到以上兩個任務，系統自動觸發 python-executor 工具，並依次完成對應網址抓取和內容輸出。
好了我們的示例程序已經完成，可以看到使用 mcphost 能夠快速集成現有的 mcp server，這大大降低了智能 cli 程序的開發難度。
項目參考
-
https://github.com/what-the-func/mcp-python
-
https://github.com/mark3labs/mcphost
本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/NHMtbN9cKlr4ElQCvWxW4Q