本地赋能AI助手:手把手教你搭建私有MCP服务接入WorkBuddy

在AI智能体日益普及的今天，你是否希望让Claude、GPT等助手能直接操作你的本地数据库、查询内部系统状态，或执行定制化的业务逻辑？借助模型上下文协议（Model Context Protocol, MCP），这一切都可以在本地轻松实现，无需公网服务器，完全在本地进程间完成。

本文将带你从零开始，创建一个专属于你的本地MCP服务，并将其无缝接入WorkBuddy客户端，实现AI助手能力的私人订制。

一、核心概念：什么是MCP？

MCP是一个新兴的开放协议，它允许开发者为大语言模型（如Claude、GPTs）定义和提供一套安全的、结构化的“工具”。简单来说，你可以通过MCP告诉你的AI助手：“现在我给你提供了几个新功能（工具），你可以按规则调用它们来获取信息或执行操作。”

WorkBuddy等支持MCP的客户端，则可以加载并运行这些MCP Server，让AI助手的能力边界从通用知识延伸到你的私有环境和业务中。

AI圈的Agent Skills 和 MCP (Model Context Protocol) ，你到底知道多少？

二、搭建你的第一个MCP服务：一个加法计算器

我们从最简单的例子开始，创建一个能进行加法运算的MCP服务。

1. 环境准备

确保你的电脑已安装Python 3.10或更高版本。打开终端（Windows CMD/PowerShell， macOS/Linux Terminal）检查：

python --version

2. 安装MCP Python SDK

在终端中执行以下命令，安装必要的库：

pip install mcp

3. 编写MCP服务器脚本

创建一个名为 demo_mcp.py的新文件，写入以下代码：

# demo_mcp.pyfrom mcp.server.fastmcp import FastMCP# 1. 创建MCP服务实例，为其命名mcp = FastMCP("DemoCalculator")# 2. 使用装饰器定义工具@mcp.tool()def add(a: int, b: int) -> int:    """计算两个整数的和。    Args:        a: 第一个整数        b: 第二个整数    """    return a + b# 3. 启动服务（必须指定stdio传输方式，这是与客户端通信的桥梁）if __name__ == "__main__":    mcp.run(transport="stdio")

4. （可选）本地测试脚本

安装MCP CLI工具进行快速验证：

pip install "mcp[cli]"mcp dev demo_mcp.py

如果看到“Starting MCP server…”且无报错，说明脚本逻辑正确，可以进入下一步。

三、在WorkBuddy中配置你的本地服务

WorkBuddy提供了图形化界面来添加本地MCP服务，操作非常简便。

打开配置面板：

验证结果：

保存后，WorkBuddy会在后台启动这个Python进程。现在，你可以直接在对话窗口尝试：“使用add工具计算一下125加378等于多少？”

如果配置成功，WorkBuddy会识别到add工具，并返回计算结果503。

恭喜！你的第一个本地MCP服务已成功运行。AI助手现在“学会”了你教给它的新技能。

四、进阶实践：接入真实业务（查询本地数据库）

将示例中的工具替换为真实业务逻辑，就能解锁强大功能。下面创建一个查询本地MySQL数据库的MCP服务。

安装数据库驱动：

pip install pymysql

编写业务脚本db_mcp.py：

import pymysqlimport osfrom mcp.server.fastmcp import FastMCPmcp = FastMCP("LocalDBAssistant")@mcp.tool()def query_users(limit: int = 10) -> str:    """查询用户列表，返回指定数量的用户记录。    Args:        limit: 需要返回的记录条数，默认为10条。    """    # 从环境变量读取敏感信息，更安全    db_password = os.getenv("DB_PASSWORD", "default_password") # 优先从环境变量获取    conn = pymysql.connect(        host='localhost',        user='root',        password=db_password, # 使用环境变量        database='test_db'    )    cursor = conn.cursor()    cursor.execute(f"SELECT id, name, email FROM users LIMIT {limit}")    results = cursor.fetchall()    conn.close()    # 将结果格式化为清晰的文本，WorkBuddy会很好地呈现它    if not results:        return "未找到用户记录。"    output_lines = ["查询结果：", "ID | 姓名 | 邮箱", "-"*30]    for row in results:        output_lines.append(f"{row[0]} | {row[1]} | {row[2]}")    return "\n".join(output_lines)if __name__ == "__main__":    mcp.run(transport="stdio")

在WorkBuddy中配置并传入密钥：

在添加MCP服务器的配置页面，不仅填写python命令和脚本路径，还需要在Env字段中填入你的数据库密码：

{"DB_PASSWORD": "your_real_database_password_here"}

切勿将密码直接硬编码在脚本中！通过环境变量传入是安全的做法。

配置完成后，你就可以直接对AI助手说：“帮我从本地数据库查询前5个用户的信息。” 它将自动调用query_users工具并返回格式化结果。

五、发挥想象，无限可能

你可以基于此框架创建各种工具：

文件操作：让AI帮你总结指定目录下的文档内容。

调用内部API：查询公司内部系统的项目状态或数据看板。

系统管理：安全地获取服务器状态（如磁盘空间、进程列表）。

工作流自动化：根据自然语言指令，运行本地自动化脚本。

通过MCP协议，我们可以在本地轻松搭建一座连接AI大脑与私有环境、内部数据的桥梁。整个过程无需复杂的网络部署，利用本地进程间通信（stdio）即可完成，安全且高效。

从今天这个加法计算器开始，尝试将你的日常工作流封装成MCP工具。你会发现，AI助手正从一个博学的“顾问”，逐渐成长为能直接为你动手操作的“得力副手”。