零基础 MCP 初体验说明书：用 Python+FastAPI 搭一个能被 Cline 调用的本地工具服务，并配 TaoToken 统一 Key

1. 零基础也能跑通的 MCP 本地工具服务

MCP（Model Context Protocol）说白了就是给大模型装一个「标准插座」：模型不用关心你的工具是 Python 写的还是 Go 写的，只要按协议暴露能力，它就能调用。这篇要带你从零搭一个能被 Cline 调用的本地工具服务，技术栈是 Python + FastAPI + uvicorn + pydantic，最后在 Cline 的 settings.json 里接入 TaoToken 统一 Key，让整条调用链真正跑起来。

适合谁看：写过一点 Python、听说过 MCP 但没动手、想让 AI 编辑器调用自己本地接口的人。全程不需要你懂协议细节，我会把可复制的骨架、配置片段、验证动作一条条列出来，你照着敲就能看到结果。

整条链路是这样的：Cline 作为 MCP 客户端，读取 settings.json 里的服务配置，启动你本地的 FastAPI 服务，通过 stdio 或 HTTP 把工具列表告诉模型；模型决定调用哪个工具后，请求打到你的 FastAPI 接口，接口返回 JSON，模型再组织成人话回复你。理解这条链路，后面每一步就都有位置感了。

2. 前置准备：TaoToken 统一 Key 与 API 通道

在写代码之前，先把「模型侧」的通道准备好。Cline 本身只是个客户端，它需要一个大模型来驱动，这里用 TaoToken 的统一 Key 来打通，好处是一个 Key 走通对话、编码、Agent 多种场景，不用在多个平台之间来回切。

你需要做两件事：注册并拿到 API Key，然后记住两个地址。官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 基地址是 https://taotoken.net/api （这个不加 UTM）。拿到 Key 后先别急着填，后面配置 Cline 时会用到。

提示：Key 属于敏感信息，建议放在环境变量或本地配置文件里，不要直接提交到 Git 仓库。Cline 的 settings.json 如果放在项目目录，记得加进 .gitignore。

如果你还没创建 Key，可以进控制台 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite 生成；想先看看模型对话效果，也可以直接在 https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 里试几句，确认通道是通的，再回来搭本地服务。

3. 可复制配置：FastAPI 工具服务骨架

3.1 环境与依赖

先建目录、建虚拟环境，把依赖钉在 requirements.txt 里。版本不用完全一致，但建议 Python 3.10 以上。

mkdir mcp-local-tool && cd mcp-local-tool python -m venv .venv # Windows .venv\Scripts\activate # Mac/Linux source .venv/bin/activate

fastapi==0.110.0 uvicorn==0.29.0 pydantic==2.6.4 httpx==0.27.0

pip install -r requirements.txt

3.2 FastAPI 服务骨架

下面这个 server.py 是一个最小可用工具服务，暴露两个接口：一个查当前时间，一个做加法。别小看这两个，它们足够验证「模型 → MCP → 本地接口」整条链路。

from fastapi import FastAPI from pydantic import BaseModel from datetime import datetime app = FastAPI(title="MCP Local Tool Server") class AddRequest(BaseModel): a: float b: float class AddResponse(BaseModel): result: float @app.get("/tools") def list_tools(): return { "tools": [ {"name": "get_current_time", "description": "获取当前本地时间"}, {"name": "add_numbers", "description": "计算两个数字之和"}, ] } @app.get("/tools/get_current_time") def get_current_time(): return {"time": datetime.now().isoformat()} @app.post("/tools/add_numbers", response_model=AddResponse) def add_numbers(req: AddRequest): return AddResponse(result=req.a + req.b)

启动命令：

uvicorn server:app --host 127.0.0.1 --port 8000 --reload

看到Uvicorn running on http://127.0.0.1:8000就说明服务起来了。这里用 pydantic 做请求体校验，参数类型不对会直接返回 422，省得你在接口里手写一堆 if。

3.3 Cline settings.json 配置片段

Cline 的 MCP 配置在 settings.json 里，找到mcpServers字段，加入你的本地服务。下面这段是 HTTP 方式的写法，把 URL 指向你刚启动的 FastAPI：

{ "mcpServers": { "local-tool": { "url": "http://127.0.0.1:8000", "disabled": false, "autoApprove": ["get_current_time", "add_numbers"] } } }

同时在 Cline 的模型配置里填入 TaoToken 的通道信息，API Base 用 https://taotoken.net/api ，Key 填你控制台生成的那串。这样模型请求走 TaoToken，工具请求走本地 FastAPI，两条线互不干扰。

注意：如果你的 Cline 版本要求 stdio 方式，需要额外写一个 stdio 适配脚本，把 HTTP 接口包一层。新手先用 HTTP 方式验证，跑通后再考虑 stdio。

4. 验证请求：逐条确认调用链

服务起来、配置填好后，按下面顺序逐条验证，每一步都有明确的预期结果，哪一步不对就停在那排查。

第一步，直接 curl 工具列表，确认服务本身没问题：

curl http://127.0.0.1:8000/tools

预期返回包含get_current_time和add_numbers的 JSON。如果这里就失败，说明 FastAPI 没起来或端口被占。

第二步，测加法接口，确认 pydantic 校验和返回结构：

curl -X POST http://127.0.0.1:8000/tools/add_numbers \ -H "Content-Type: application/json" \ -d '{"a": 3, "b": 4}'

预期返回{"result":7.0}。如果返回 422，检查字段名和类型是否对得上。

第三步，回到 Cline，在对话里问一句「现在几点了」，观察它是否触发get_current_time工具调用。正常情况你会看到 Cline 显示工具调用过程，然后返回一个时间。这一步成功，说明整条链路通了。

第四步，问「帮我算一下 12.5 加 7.3」，确认模型能选中add_numbers并传对参数。到这里，一个能被 Cline 调用的本地工具服务就完整跑通了。

5. 本篇常见错排查

服务启动报端口占用：8000 被别的进程占了，换--port 8001，同时把 settings.json 里的 URL 一起改掉，两边必须一致。

Cline 里看不到工具：先确认 settings.json 的 JSON 格式没写错，多一个逗号都会导致整个配置失效。再看disabled是不是 true，以及 Cline 是否需要重启才加载新配置。

调用返回 422：pydantic 校验没过。检查请求体字段名、类型，数字别传成字符串。用 curl 单独测接口能快速定位是服务问题还是模型传参问题。

模型不调用工具：确认模型通道是通的，可以在模型对话里先聊两句验证 Key 有效。另外工具描述写清楚一点，模型更容易判断什么时候该调用。

改了代码没生效：uvicorn 加了--reload会自动重载，但如果是改 settings.json，需要重启 Cline 或重新加载 MCP 配置。

6. 把 Key 和工具链固定下来

跑通一次之后，建议把常用配置固化：TaoToken 的 Key 放进环境变量，FastAPI 服务写个启动脚本，settings.json 纳入版本管理但排除敏感字段。这样下次开新项目，复制粘贴就能复用。

如果你后面要做长期编码或 Agent 类任务，可以了解下 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，配合本地 MCP 工具服务，模型能调用的能力会越来越顺手。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，Key 管理在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite ，需要的时候直接去对应页面操作就行。

真正踩过的坑是：一开始我把工具描述写得太笼统，模型经常选错工具，后来把 description 改成「获取当前本地时间，返回 ISO 格式字符串」这种具体描述，命中率立刻上来了。工具描述不是写给人看的注释，是写给模型看的说明书，值得多花两分钟。