想让你电脑上的 AI 助手调用你自己写的 Python 函数？这篇文章带你从零开始，用 FastMCP（一个帮你快速搭建 AI 工具服务器的 Python 库）搭建一个本地服务器，再连上本地 AI 模型，跑通第一个例子。

准备环境

你需要安装以下三样东西：

• Python 3.10+：编程语言环境。如果还没装，去 python.org 下载安装包，安装时记得勾选“Add Python to PATH”。
• Ollama：让你在本地运行 AI 模型的工具。去 ollama.com 下载安装，装好后打开终端，运行 ollama run qwen2.5:0.5b 下载一个小模型（0.5b 参数，内存占用低）。
• VS Code 或其他代码编辑器：写代码用的，推荐 VS Code。

安装步骤

1. 创建项目文件夹：在电脑上新建一个文件夹，比如 mcp-demo，然后用 VS Code 打开它。
2. 安装 Python 库：在终端（VS Code 里按 Ctrl+` 打开）运行以下命令：
   pip install fastmcp langchain-mcp-adapters langchain-ollama
   这些库会帮我们搭建 MCP 服务器、连接 LangChain 和 Ollama。
3. 编写本地 MCP 服务器：在文件夹里新建文件 local_server.py，粘贴以下代码：
   

   from fastmcp import FastMCP
   import datetime
   
   mcp = FastMCP("local-tools")
   
   @mcp.tool
   def current_time() -> str:
       """返回当前时间"""
       return datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
   
   if __name__ == "__main__":
       mcp.run(transport="stdio")

4. 运行服务器：在终端执行 python local_server.py，如果没报错，说明服务器已经启动（但看起来没输出，因为它在等待 AI 连接）。

验证是否成功

为了测试服务器是否正常工作，我们可以写一个简单的客户端脚本。新建文件 test_client.py，粘贴以下代码：

from langchain_mcp_adapters.client import MultiServerMCPClient
from langchain_ollama import ChatOllama

llm = ChatOllama(model="qwen2.5:0.5b")

with MultiServerMCPClient() as client:
    client.add_stdio_server("local", command="python", args=["local_server.py"])
    tools = client.get_tools()
    print("工具列表：", [t.name for t in tools])

运行 python test_client.py，如果看到输出 工具列表：['current_time']，说明你的 MCP 服务器已经成功被 AI 发现，可以调用了！

下一步可以做什么

现在你已经学会了搭建本地 MCP 服务器。你可以：

• 在 local_server.py 里添加更多工具函数，比如计算字数、查询天气（需要联网 API）。
• 尝试连接别人公开的 MCP 服务器，例如 DeepWiki 的 GitHub 仓库查询服务。
• 把 AI 模型换成更大的（如 qwen2.5:7b），但注意内存要求更高。

记住：MCP 就像一个通用插头，你写好一次工具，任何兼容的 AI 都能直接使用。