1. 先搞清楚 MCP 到底解决什么问题如果你最近在折腾 LLM 应用大概率会反复看到 MCP 这个词。它的全称是 Model Context Protocol翻译过来叫「模型上下文协议」。你可以把它理解成 LLM 世界里的 USB-C 接口以前每接一个数据源数据库、文件系统、内部 API你都要为这个模型单独写一套适配代码现在只要数据源这边实现一个标准的 MCP Server任何支持 MCP 的客户端都能直接调用它。它到底能做什么简单说MCP 让「模型」和「外部工具/数据」之间的连接标准化了。模型不再需要你手动把 SQL 查询结果贴进对话里而是自己决定「我需要查一下 products 表」然后通过 MCP 协议发起工具调用拿到结果后再组织成自然语言回答你。适合谁我觉得三类人最该关注一是刚接触 LLM 工具调用的 Python 开发者想弄明白 function calling 背后到底怎么串起来的二是手里有一堆本地 SQLite、CSV、日志文件想让 AI 直接查的人三是想给自己 IDE 或 Agent 加自定义工具的工程师。这篇就聚焦一个最小可跑的场景用 Python 手搓一个只做 SQLite 查询的 MCP Server然后通过 TaoToken 的统一 API 通道在 Cline 里发起一次真实的工具调用把「模型决定调工具 → 工具执行 → 结果回传 → 模型总结」这条链路完整走一遍。全程本地代码可复制。2. 前置准备TaoToken 统一 Key 与 API 通道在写 Server 之前先把「模型侧」的通道准备好。因为后面 Cline 要调用 LLM 来决定是否触发工具这个 LLM 请求我们统一走 TaoToken 的 API好处是一个 Key 能覆盖多种模型配置片段也统一不用每个客户端改一遍。你需要先去控制台创建一个 API Key。打开 https://taotoken.net/console 登录后在 API Keys 页面新建一个复制出来形如sk-xxxx的字符串先存到环境变量里别硬编码进代码。# Linux / macOS export TAOTOKEN_API_KEYsk-你的key # Windows PowerShell $env:TAOTOKEN_API_KEYsk-你的keyTaoToken 的 API 基地址是https://taotoken.net/api兼容 OpenAI 风格的/v1/chat/completions和 Anthropic 风格的/v1/messages。Cline 这类客户端通常让你填 Base URL 和 API KeyBase URL 就填https://taotoken.net/apiKey 填上面那个。注意API 地址不要加任何多余路径后缀客户端一般会自己拼/v1/...。如果你填成https://taotoken.net/api/v1有些客户端会拼成/api/v1/v1/...导致 404。想先确认 Key 能用可以跑一条最小请求curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: gpt-4o-mini, messages: [{role: user, content: ping}] }返回里有choices[0].message.content就说明通道没问题。这一步别跳过后面 Cline 报错时你能快速判断是 Key 问题还是 MCP 问题。3. 手搓最小 SQLite MCP Server3.1 环境与依赖Python 需要 3.10 以上因为 MCP 官方 SDK 用到了较新的类型语法。装依赖python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install mcp[cli] httpxmcp[cli]会带上官方 SDK 和调试用的 CLI 工具。装完可以python -c import mcp; print(mcp.__version__)确认。3.2 准备一个测试数据库先造点数据不然查了个寂寞# init_db.py import sqlite3 conn sqlite3.connect(shop.db) cur conn.cursor() cur.execute( CREATE TABLE IF NOT EXISTS products ( id INTEGER PRIMARY KEY, name TEXT NOT NULL, price REAL NOT NULL, stock INTEGER NOT NULL ) ) cur.executemany( INSERT OR REPLACE INTO products (id, name, price, stock) VALUES (?, ?, ?, ?), [ (1, 机械键盘, 399.0, 12), (2, 无线鼠标, 129.0, 30), (3, 显示器支架, 259.0, 8), (4, USB Hub, 89.0, 50), (5, 降噪耳机, 899.0, 5), ], ) conn.commit() conn.close() print(shop.db ready)跑一下python init_db.py当前目录会出现shop.db。3.3 Server 骨架代码新建sqlite_server.py。核心就三块声明工具、实现工具、启动 stdio 服务。# sqlite_server.py import sqlite3 import json from mcp.server import Server from mcp.server.stdio import stdio_server from mcp.types import Tool, TextContent DB_PATH shop.db app Server(sqlite-shop-server) def run_query(sql: str) - list[dict]: conn sqlite3.connect(DB_PATH) conn.row_factory sqlite3.Row try: cur conn.execute(sql) rows [dict(r) for r in cur.fetchall()] return rows finally: conn.close() app.list_tools() async def list_tools() - list[Tool]: return [ Tool( namequery_products, description查询商品表支持按价格上限和库存下限过滤, inputSchema{ type: object, properties: { max_price: {type: number, description: 价格上限}, min_stock: {type: integer, description: 库存下限}, }, required: [], }, ) ] app.call_tool() async def call_tool(name: str, arguments: dict) - list[TextContent]: if name ! query_products: raise ValueError(fUnknown tool: {name}) max_price arguments.get(max_price, 999999) min_stock arguments.get(min_stock, 0) sql SELECT id, name, price, stock FROM products WHERE price ? AND stock ? ORDER BY price rows run_query(sql) if False else None # 占位见下方参数化版本 conn sqlite3.connect(DB_PATH) conn.row_factory sqlite3.Row cur conn.execute(sql, (max_price, min_stock)) rows [dict(r) for r in cur.fetchall()] conn.close() return [TextContent(typetext, textjson.dumps(rows, ensure_asciiFalse, indent2))] async def main(): async with stdio_server() as (read_stream, write_stream): await app.run(read_stream, write_stream, app.create_initialization_options()) if __name__ __main__: import asyncio asyncio.run(main())上面那段run_query(sql) if False else None是我故意留的坑位说明不要用字符串拼接 SQL一定要参数化。真实代码里直接用下面那段conn.execute(sql, (max_price, min_stock))就行把占位那行删掉。3.4 用 MCP CLI 本地自测在接客户端之前先用官方 CLI 验证 Server 能不能正常列出工具mcp dev sqlite_server.py它会启动一个调试界面能看到query_products工具和它的 inputSchema。如果这里就报错说明 Server 本身有问题先别急着接 Cline。4. 接入 Cline 并发起一次真实工具调用4.1 配置 Cline 的模型通道打开 VS Code 里的 Cline 设置API Provider 选 OpenAI CompatibleBase URL 填https://taotoken.net/apiAPI Key 填你的 TaoToken Key模型名填一个支持 function calling 的比如gpt-4o-mini或claude-3-5-sonnet。保存后 Cline 会做一次连通性检查。4.2 注册 MCP ServerCline 的 MCP 配置一般在cline_mcp_settings.json路径类似macOS:~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.jsonWindows:%APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json写入{ mcpServers: { sqlite-shop: { command: python, args: [/绝对路径/sqlite_server.py], env: {} } } }注意args里必须是绝对路径相对路径在客户端启动子进程时工作目录不确定很容易找不到文件。Windows 下路径用双反斜杠或正斜杠。保存后重启 Cline在 MCP 面板里应该能看到sqlite-shop处于 connected 状态展开能看到query_products。4.3 发起调用并验证在 Cline 对话框里输入帮我查一下 shop.db 里价格不超过 300 且库存大于等于 10 的商品按价格从低到高列出来。正常流程是Cline 把工具描述和你的问题一起发给 TaoToken 通道上的模型 → 模型返回一个 tool_call参数是{max_price: 300, min_stock: 10}→ Cline 通过 MCP 调用你的 Server → Server 查 SQLite 返回 JSON → Cline 把结果回传模型 → 模型组织成自然语言。预期返回类似[ {id: 4, name: USB Hub, price: 89.0, stock: 50}, {id: 2, name: 无线鼠标, price: 129.0, stock: 30}, {id: 3, name: 显示器支架, price: 259.0, stock: 8} ]等等显示器支架库存是 8不满足min_stock 10所以正确结果应该只有 USB Hub 和无线鼠标。如果你看到三条说明参数没传对回去检查call_tool里min_stock的取值逻辑。这个细节正好用来验证工具调用是真的在执行而不是模型瞎编。5. 本篇常见错误排查报错ModuleNotFoundError: No module named mcpCline 启动子进程用的 Python 不是你 venv 里的那个。把command改成 venv 里 Python 的绝对路径比如/Users/you/project/venv/bin/python。工具列表为空app.list_tools()装饰器必须挂在Server实例上且函数是async。另外确认mcp dev能正常列出排除 Server 本身问题。模型不调用工具直接编答案换一个 function calling 支持更好的模型或者在 Cline 里把「Auto-approve」关掉强制它走工具确认流程。有些小模型对 inputSchema 理解差会忽略工具。SQL 报no such table: productsDB_PATH用了相对路径而子进程工作目录不是项目目录。改成绝对路径或者用os.path.join(os.path.dirname(__file__), shop.db)。TaoToken 返回 401Key 没读到或复制时带了空格。用echo $TAOTOKEN_API_KEY确认重新在控制台生成一个也行。调用超时SQLite 查询本身很快超时多半是模型侧网络。检查 Base URL 是否误写成https://taotoken.net/api/v1正确应为https://taotoken.net/api。6. 继续往下走到这里你已经跑通了最小闭环一个只做 SQLite 查询的 MCP Server通过 TaoToken 统一通道让 Cline 里的模型自主决定调用它。接下来可以做的扩展方向把query_products换成更通用的run_sql记得加只读白名单或者加一个list_tables工具让模型先探结构再查。如果你想把这条链路用到长期编码或 Agent 场景建议直接上 Coding Plan额度更划算配置方式跟上面完全一致只是把模型换成更适合代码的。想先多试几个模型对比工具调用效果可以去模型对话页面直接测。Key 管理和新建都在 API Keys 页面接入细节看文档。