一句话生成AI万用插头MCP应用，小白也能手搓Manus，这就是功能性Agent的未来

上期做了一个一键安装 MCP 项目的平价方案，

这期就来把饼圆上，

如何将自己的 API 们用一句话封装成 MCP 应用？

所有为什么要把 API 打包起来呢？

一是灵活，API 可以按需使用，不需要打开各种各样的软件跳来跳去；

二是 API 相互之间可以发挥 1+1>2 的作用。比如说，脚本、图片、视频生成一道完成，效率再翻倍。

那将 API 打包起来就可以把 Claude 当多功能工具箱用，理论上任意一个有 API 的服务，你都可以用 MCP 完成调用，无需知道工作原理。夸张点说你只要知道这车能走，就可以用claude直接让它开，不需要学会怎么开车。

我把这个问题拆分成两大 part：

1. 用提示语实现 API 的一键封装。

2. 现有案例原理拆解

如果之前没有配置过 MCP 的话，强烈建议按照上期教程，在Cursor+Cline的辅助下完成第一个 MCP 应用的安装，能自动把应有的环境都配上，也是不需要编程知识。

3分钟上手AI万用插头MCP，一键安装的平价方案，Manus们的工具能力不再受限

Here we go！

一键打包 MCP 应用

先打开 github.Com/LearnPrompt/mcp-blank

第一步，是找到下载好的mcp-blank-main.zip文件，双击解压，然后鼠标右键获取这个文件夹的路径。

第二步，这里我用 DeepSeek R1 作为样本，因为 R1 也支持 API，所以找到它对应的API网页文档https://api-docs.deepseek.com/zh-cn/来，放到下面的提示语中，丢到 Claude 里生成就行。

请根据提供的 API 文档和示例 Python 文件实现一个 FastMCP 工具模块，要求如下：

## Python文件样例

from typing import Any, Optional, List, Dict, Union

import requests

import json

from mcp.server.fastmcp import FastMCP

# 1. 初始化服务器（名称根据API功能自定义）

mcp = FastMCP("<service_name>") # 示例："search"

# 2. API配置（必须修改部分）

API_URL = "替换为API端点URL"

API_KEY = "替换为认证密钥"

# 3. 工具函数实现

@mcp.tool()

asyncdef api_function(

# 参数列表（根据API文档映射）

param1: type = default, # API文档参数说明

param2: type = default, # 需要处理嵌套参数时添加dict支持

...

) -> str:

"""

函数说明（根据API文档编写）

Args参数需包含：

- 所有必选API参数

- 常用可选参数及其默认值

- 处理复合参数（如query支持str/dict）

"""

# 请求构建部分需要：

# - 处理认证信息（headers/payload）

# - 组装符合API要求的请求体

# - 添加调试日志（print请求关键信息）

# 错误处理必须包含：

# - HTTP状态码非200处理

# - requests异常捕获

# - JSON解析错误处理

# - 通用异常兜底处理

# 响应格式化要求：

# - 提取核心信息

# - 结构化呈现结果

# - 包含API返回的关键元数据

return formatted_response

# 4. 响应格式化函数（根据API响应结构定制）

def format_response(response: dict) -> str:

"""将原始JSON响应转换为易读格式"""

# 按API文档字段提取内容

# 示例：response.get('results', [])

/```

## 实现要求

1. 参数设计：精确映射API文档参数，处理类型转换和默认值

2. 认证方式：根据文档要求实现（Bearer Token/API Key/等）

3. 错误处理：包含HTTP错误、网络异常、JSON解析错误三类处理

4. 响应格式化：提取以下内容：

- 核心数据字段

- 分项结果列表

- 请求元数据（如响应时间）

5. 代码风格：保持与现有mcp_tavily.py一致的异常处理结构和日志输出

## 特别注意事项

- 处理API的特殊参数要求（如日期格式/枚举值）

- 注意嵌套参数的提取逻辑

- 对可选参数进行None值处理

- 结果包含API返回的原始链接/参考信息

- 格式化输出保留机器可读性

请基于以下API文档实现：

https://api-docs.deepseek.com/zh-cn/

实现完Python文件的代码内容后，主动回复“请输入本地mcp-blank-main的文件地址“，等用户输入后，生成一个配置文件的完整代码

{

"mcpServers": {

"deepseek": {

"command": "uv",

"args": [

"--directory",

"[本地mcp-blank-main的文件地址]",

"run",

"mcp_api.py"

]

}

}

}

接下来第三、四步的整个对话过程我都录制下来了，很丝滑，现在你会收获了完整的代码和配置文件。

第三步，Claude生成的途中会在对话框右侧输出名为mcp_deepseek.py的代码，全选并复制下来，打开mcp-blank-main新建一个同名文件并将复制好的内容放进去并保存。

第四步，Claude 这时候还会提醒你：“请输入本地mcp-blank-main的文件地址，我将为您生成配置文件的完整代码。” ，这时候把第一步得到的文件夹路径发送过去，就可以得到Claude的配置文件mcps.json 配置文件

然后就是将这个 MCP 应用加载到 Claude DeskTop 了。因为上期已经出了视频版的配置教程，这里我就用截图说明。

🔗 安装 claude.ai/download

在 Claude Desktop 选择 settings -> developer > Edit Config，将复制下来的mcps.json 配置文件文件完整贴到 claude_desktop_config.json。

来看看在 Claude 里调用R1的效果吧！

原理拆解

相信到这一步大家已经有了自己的第一个 MCP 应用！

那我是如何倒推出刚刚教大家的这个提示语的呢？

是从一个极简的tavily-mcp项目来的。Claude 不是才上了联网能力，但其实我已经悄咪咪用上联网版 Claude 小一个月了，

原因就是我利用 tavily-mcp 的搜索 API，装了一个 MCP ，这样Claude 每个月可以免费搜索1000次，一天33次，日常使用绰绰有余。

我们还是在mcp-blank-main文件夹，打开mcp_tavily.py，这里面就是整个API MCP应用的核心代码：

快速讲解一下这个代码的原理，

1. 首先是初始化服务器 mcp = FastMCP("search")，
2. 接着是配置 URL 和 Key
3. 剩下就是两大部分，一个是调用 API Key，另一个就是将上一步获取的内容格式化。

这个代码结构对 Claude 3.7 来说一点都不复杂，只需要单个文件就可以了，反推出一个完整提示语简简单单。

我全程只是把mcp_tavily.py和 tavily 的API文档发给 o1 ，让它给我一个适合发给 Claude 3.7 的提示语就好了。

所以我到底是怎么发现的？纯粹就是我手贱把里面的 API 换了，看看到底能不能跑得通，结果发现，诶？还真行？

那就有了现在我哔哩吧啦写下来的这篇文章。

最后，来看看 tavily + claude 的联网搜索结果吧：

写在最后

可能现在 MCP 的使用过程还不够优雅，

Claude后续大概率会做成可以支持云端接入的形式。

见证了AI发展至今的进步之快，

所以，其实可以不那么在意这个技术短时间内的缺陷，

而是跟着它的发展窥见了 MCP 的更大可能。

我敢笃定，未来MCP一定会做到一键生成，

做到大家一看就会做的程度，

就像现在和模型对话一样简单。

这也就是，这两篇文章诞生的原因，

我想和大家一起见证发展中的每一步，

一起期待未来到底在哪里。

文章来自于“卡尔的AI沃茨”，作者“卡尔 & 阿汤”。