最近一段时间，相信大家对于MCP的大名如雷贯耳，说的直白些，就是一个AI Agent工具服务器，本文就带您搭建简化版Manus走进AI Agent的大门。

笔者用过Claude等工具，为了方便大家快速入门，本文以VS Code来和大家分享MCP的搭建和使用。

一、 下载工具

请先下载VS Code工具，下载链接:
https://code.visualstudio.com/download

如果是Windows系统，则下载Windows版本:

还需要下载Python环境，大家可以下载Anaconda工具来安装Python，下载链接：

https://www.anaconda.com/download

完成了VS Code和Anaconda Python环境的安装，就可以开始进入正轨了。

二、 VSCode安装cline

打开VSCode工具：

选择左侧的扩展图标:

如果发现电脑操作系统版本不支持VSCode，还需要安装相关插件，可以按照提示安装相关VC++环境依赖。

在Extensions输入cline搜索：

安装即可。

三、 VSCode配置cline

安装完成在左侧菜单会出现cline的图标。

我已经安装过，正常出现点击Get Started for Free进行登录授权。

要求使用账号登录:

建议使用GitHub，打开后会提示输入GitHub邮箱账号密码，没有可以就地注册GitHub。

输入GitHub账号后，会给你发一封邮件，找到校验码：

填入验证校验码，完成GitHub账号认证，并进行授权：

授权后可以看到Cline中支持MCP Servers的配置。

接着点击右上侧设置按钮：

在API Provider选择模型，选择DeepSeek：

APIKEY需要去DeepSeek开放平台申请：

打开DeepSeek开放平台:

https://platform.deepseek.com/usage

创建APIKEY并复制

将APIKEY复制的值填入

具体模型建议选择deepseek-ressoner，推理能力更强：

注意：开通DeepSeek KEY需要先充值，必须充值后才可用：

填写好你的指令角色，作为使用的角色：

然后保存:

四、 搭建MCP服务端

打开电脑CMD窗口：

输入命令：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

开始安装uv:

安装完成后重启一下VS Code，保证uv环境生效。

用VS Code打开一个空白文件夹：

在空白文件夹下打开Terminal终端：

使用uv init weather来初始化一个名为 weather 的项目。

在终端进入weather项目：

cd weather

创建虚拟环境:

uv venv

使用uv add "mcp[cli]" httpx安装MCP依赖:

uv add "mcp[cli]" httpx

五、 启动MCP服务

首先使用Python安装MCP依赖：

pip install fastmcp

在CMD终端安装依赖：

打开VS Code，在weather项目下新建selectInfo.py文件：

将以下代码拷入selectInfo.py文件：

from typing import Any
import httpx
from mcp.server.fastmcp import FastMCP
 
# Initialize FastMCP server
mcp = FastMCP("weather")
 
# Constants
NWS_API_BASE = "https://api.weather.gov"
USER_AGENT = "weather-app/1.0"
 
async def make_nws_request(url: str) -> dict[str, Any] | None:
    """Make a request to the NWS API with proper error handling."""
    headers = {
        "User-Agent": USER_AGENT,
        "Accept": "application/geo+json"
    }
    async with httpx.AsyncClient() as client:
        try:
            response = await client.get(url, headers=headers, timeout=30.0)
            response.raise_for_status()
            return response.json()
        except Exception:
            return None
 
def format_alert(feature: dict) -> str:
    """Format an alert feature into a readable string."""
    props = feature["properties"]
    return f"""
Event: {props.get('event', 'Unknown')}
Area: {props.get('areaDesc', 'Unknown')}
Severity: {props.get('severity', 'Unknown')}
Description: {props.get('description', 'No description available')}
Instructions: {props.get('instruction', 'No specific instructions provided')}
"""
 
@mcp.tool()
async def get_alerts(state: str) -> str:
    """Get weather alerts for a US state.
 
    Args:
        state: Two-letter US state code (e.g. CA, NY)
    """
    url = f"{NWS_API_BASE}/alerts/active/area/{state}"
    data = await make_nws_request(url)
 
    if not data or "features" not in data:
        return "Unable to fetch alerts or no alerts found."
 
    if not data["features"]:
        return "No active alerts for this state."
 
    alerts = [format_alert(feature) for feature in data["features"]]
    return "\n---\n".join(alerts)
 
@mcp.tool()
async def get_forecast(latitude: float, longitude: float) -> str:
    """Get weather forecast for a location.
 
    Args:
        latitude: Latitude of the location
        longitude: Longitude of the location
    """
    # First get the forecast grid endpoint
    points_url = f"{NWS_API_BASE}/points/{latitude},{longitude}"
    points_data = await make_nws_request(points_url)
 
    if not points_data:
        return "Unable to fetch forecast data for this location."
 
    # Get the forecast URL from the points response
    forecast_url = points_data["properties"]["forecast"]
    forecast_data = await make_nws_request(forecast_url)
 
    if not forecast_data:
        return "Unable to fetch detailed forecast."
 
    # Format the periods into a readable forecast
    periods = forecast_data["properties"]["periods"]
    forecasts = []
    for period in periods[:5]:  # Only show next 5 periods
        forecast = f"""
{period['name']}:
Temperature: {period['temperature']}°{period['temperatureUnit']}
Wind: {period['windSpeed']} {period['windDirection']}
Forecast: {period['detailedForecast']}
"""
        forecasts.append(forecast)
 
    return "\n---\n".join(forecasts)
 
if __name__ == "__main__":
    # Initialize and run the server
    mcp.run(transport='stdio')

其中运行MCP服务器的命令：mcp.run(transport='stdio')

打开VS Code终端，在weather项目下执行：

uv run selectInfo.py

六、 在cline中配置MCP Server

在VSCode左侧打开Cline，点击MCP Server进行配置。

点击配置MCP Servers:

在右侧的路径中根据你的真实目录改一下，我的是：

{
  "mcpServers": {
    "weather": {
      "command": "uv",
      "args": [
          "--directory",
          "E:\\代码前端分支Git\\consult\\weather",
          "run",
          "selectInfo.py"
      ]
    }
  }
}

连接成功后绿色表示成功：

七、 使用MCP

前面配置好了MCP Server，并提供了查询天气的服务，现在可以尝试使用了。

在VS Code左侧打开Cline:

可以开始你的任务：

在思考：

因为当前采用的是国际天气函数，我们试试换一个任务：

选择任务后，提示我们修改代码：

Save，修改后再度查询：

提示申请新APIKEY指南，按照步骤查看申请指南：

一步步得按照我们的操作进行：

提示信息：

具体信息都给出了：

按照步骤AI Agent就能一步步去完成，具体信息大家可以自己去操作，本文只完成分享，帮你构建一个自己的Manus。