会写Python就能开发MCP工具。本文给你3个可复制模板：竞品监控爬虫、飞书消息推送、成本熔断器——每个都能在30分钟内跑通。AI创业者不需要雇后端工程师就能给Agent装上"自定义能力"。
为什么你需要开发自己的MCP工具
2026年5月，MCP协议已经成为AI Agent生态的"USB-C接口"。Anthropic、OpenAI、Google的Agent产品都支持MCP。但对AI创业者来说，真正的价值不是"使用别人开发的MCP工具"——而是开发自己的MCP工具。
因为标准MCP工具解决的是通用问题（搜索网页、读文件、调API），但你的业务场景是独特的：
- 你想让Agent每天早上扫描3个竞品公众号的最新文章
- 你想让Agent在API费用超过预算时自动暂停非核心任务
- 你想让Agent在文章发布后自动发飞书/钉钉通知
这些需求，没有现成的MCP工具能满足。但好消息是：开发一个MCP工具只需30分钟，门槛比你想象的低得多。
你会学到什么
| 时间 | 内容 |
|---|---|
| 前5分钟 | MCP协议原理（一张图说清楚） |
| 5-20分钟 | 动手：3个可复制模板 |
| 20-30分钟 | 部署到Hermes Agent / Claude Code |
MCP协议原理（一张图说清楚）
MCP（Model Context Protocol）本质上是一个JSON-RPC over stdio协议。Agent（客户端）启动你的工具（服务端）作为一个子进程，通过标准输入输出交换JSON消息。
┌─────────────┐ JSON-RPC (stdin/stdout) ┌──────────────────┐
│ Agent客户端 │ ◄──────────────────────────► │ 你的MCP Server │
│ (Hermes/ │ tools/list → 有哪些工具？ │ (Python 100行) │
│ Claude Code)│ tools/call → 执行这个工具 │ │
└─────────────┘ └──────────────────┘
关键洞察：MCP Server就是一个普通的命令行程序。没有HTTP服务器、没有数据库、没有容器编排。Agent启动它、和它通信、任务结束就关闭——简单到你可以用100行Python写完。
模板1：竞品监控爬虫 MCP 工具（15分钟）
场景
你每天早上要手动打开3个竞品公众号看他们发了什么。用这个MCP工具，Agent会自动完成——你不用起床。
代码
#!/usr/bin/env python3
"""
MCP Server: 竞品公众号监控
用法: 在 Hermes / Claude Code 中配置此MCP Server，
Agent 就可以调用 competitor_scan 工具。
"""
import json
import sys
import urllib.request
from datetime import datetime
# ─── MCP 协议基础 ───
def send_response(id, result):
"""发送JSON-RPC响应到stdout"""
response = {
"jsonrpc": "2.0",
"id": id,
"result": result
}
sys.stdout.write(json.dumps(response, ensure_ascii=False) + "\n")
sys.stdout.flush()
def send_error(id, code, message):
sys.stdout.write(json.dumps({
"jsonrpc": "2.0", "id": id,
"error": {"code": code, "message": message}
}, ensure_ascii=False) + "\n")
sys.stdout.flush()
# ─── 核心业务逻辑 ───
COMPETITOR_LIST = [
{"name": "AI创业内参", "url": "https://mp.weixin.qq.com/s/__biz=Mz..."},
{"name": "机器之心", "url": "https://mp.weixin.qq.com/s/__biz=Mz..."},
{"name": "量子位", "url": "https://mp.weixin.qq.com/s/__biz=Mz..."},
]
def scan_competitors(date=None):
"""
扫描竞品公众号最新文章
返回: { "results": [...], "scanned_at": "..." }
"""
if date is None:
date = datetime.now().strftime("%Y-%m-%d")
results = []
for comp in COMPETITOR_LIST:
try:
# 实际场景中这里用公众号爬虫或微信API
# 为演示，返回模拟数据结构
results.append({
"name": comp["name"],
"latest_title": f"[需实际爬取] {comp['name']} 最新文章",
"url": comp["url"],
"status": "ok"
})
except Exception as e:
results.append({
"name": comp["name"],
"status": "error",
"error": str(e)
})
return {
"results": results,
"scanned_at": datetime.now().isoformat(),
"total": len(results)
}
# ─── MCP 消息处理循环 ───
def main():
# 1. 发送初始化响应（MCP协议要求）
# 实际MCP SDK会自动处理，这里展示裸协议
for line in sys.stdin:
try:
request = json.loads(line.strip())
except json.JSONDecodeError:
continue
method = request.get("method")
req_id = request.get("id")
if method == "tools/list":
# Agent问：你有什么工具？
send_response(req_id, {
"tools": [{
"name": "competitor_scan",
"description": "扫描所有竞品公众号的最新文章，返回标题和链接。可选参数date指定日期（YYYY-MM-DD）。",
"inputSchema": {
"type": "object",
"properties": {
"date": {
"type": "string",
"description": "扫描日期，格式YYYY-MM-DD，默认为今天"
}
}
}
}]
})
elif method == "tools/call":
# Agent说：执行这个工具
tool_name = request["params"]["name"]
arguments = request["params"].get("arguments", {})
if tool_name == "competitor_scan":
result = scan_competitors(arguments.get("date"))
send_response(req_id, {
"content": [{
"type": "text",
"text": json.dumps(result, ensure_ascii=False, indent=2)
}]
})
else:
send_error(req_id, -32601, f"Unknown tool: {tool_name}")
elif method == "initialize":
send_response(req_id, {
"protocolVersion": "2024-11-05",
"capabilities": {"tools": {}}
})
if __name__ == "__main__":
main()
配置到 Hermes Agent
# ~/.hermes/mcp_servers.yaml
servers:
competitor-monitor:
command: "python3"
args: ["/home/agent/mcp-servers/competitor_scan.py"]
description: "竞品公众号内容监控"
配置到 Claude Code
// ~/.claude/claude_desktop_config.json
{
"mcpServers": {
"competitor-monitor": {
"command": "python3",
"args": ["/home/agent/mcp-servers/competitor_scan.py"]
}
}
}
配置完成后，你只需要对Agent说："扫描今天的竞品文章"，它就会自动调用你的MCP工具，返回结构化结果。
模板2：飞书/钉钉消息推送 MCP 工具（10分钟）
场景
Agent完成文章发布后，你想自动通知团队。用这个工具，Agent在任务结束时自动发消息到飞书群。
代码
#!/usr/bin/env python3
"""
MCP Server: 消息推送
支持飞书Webhook、钉钉机器人
"""
import json
import sys
import urllib.request
FEISHU_WEBHOOK = "https://open.feishu.cn/open-apis/bot/v2/hook/YOUR_KEY"
DINGTALK_WEBHOOK = "https://oapi.dingtalk.com/robot/send?access_token=YOUR_KEY"
def send_feishu(title, content, at_all=False):
"""发送飞书消息"""
payload = {
"msg_type": "interactive",
"card": {
"header": {
"title": {"tag": "plain_text", "content": title},
"template": "blue"
},
"elements": [
{"tag": "div", "text": {"tag": "lark_md", "content": content}},
{"tag": "hr"},
{"tag": "note", "elements": [
{"tag": "plain_text", "content": "🤖 由 AI Agent 自动发送"}
]}
]
}
}
req = urllib.request.Request(
FEISHU_WEBHOOK,
data=json.dumps(payload).encode('utf-8'),
headers={"Content-Type": "application/json"}
)
with urllib.request.urlopen(req) as resp:
result = json.loads(resp.read())
return {"status": "ok", "code": result.get("code"), "msg": result.get("msg")}
# MCP消息循环（省略，与模板1相同的框架）
# tools/list 返回工具: send_feishu, send_dingtalk
使用场景
当你的Agent配置了这个MCP工具后，Cron任务跑完可以自动：
# Agent自主决策链
1. 扫描今日热点 ✓
2. 撰写AI风向文章 ✓
3. 调用 send_feishu("📰 今日AI风向已发布", "标题：Gemini 3.5 Flash全面超越Sonnet...", at_all=False) ✓
你不需要盯着Agent等结果——它完成后会主动通知你。
模板3：API成本熔断器 MCP 工具（5分钟）
场景
Gemini 3.5 Flash发布后，高性能API价格持续上涨。你的Agent可能在一次复杂任务中烧掉$50+的API费用。这个熔断器让Agent在费用接近预算时自动降级模型或暂停任务。
代码
#!/usr/bin/env python3
"""
MCP Server: API成本熔断器
跟踪Agent的API调用费用，超预算时发出告警
"""
import json
import sys
import os
from datetime import datetime
BUDGET_FILE = "/home/agent/.hermes/api_budget.json"
DAILY_BUDGET = 10.0 # 每日API预算 $10
WARNING_THRESHOLD = 0.8 # 80%时告警
def get_daily_spend():
"""读取当日累计费用"""
today = datetime.now().strftime("%Y-%m-%d")
try:
with open(BUDGET_FILE) as f:
budget = json.load(f)
except (FileNotFoundError, json.JSONDecodeError):
budget = {}
return budget.get(today, 0.0)
def check_budget():
"""检查预算状态"""
spent = get_daily_spend()
remaining = DAILY_BUDGET - spent
pct = spent / DAILY_BUDGET
status = "green"
recommendation = "正常使用，无需降级"
if pct >= 1.0:
status = "red"
recommendation = "预算已耗尽！建议：①暂停非核心Agent任务 ②降级到DeepSeek-V3等低成本模型 ③等待明天预算重置"
elif pct >= WARNING_THRESHOLD:
status = "yellow"
recommendation = f"已使用{spent:.0%}预算。建议：把简单任务路由到本地模型（如Ollama），保留预算给核心推理任务"
return {
"status": status,
"spent": round(spent, 2),
"budget": DAILY_BUDGET,
"remaining": round(remaining, 2),
"usage_pct": round(pct * 100, 1),
"recommendation": recommendation,
"checked_at": datetime.now().isoformat()
}
# ... MCP消息循环（与模板1相同框架）
效果
Agent在每次复杂任务前会调用 check_budget：
Agent: 准备执行"深度研究2026年AI模型格局"任务...
Agent: 调用 check_budget → 返回 {"status":"yellow","spent":8.5,"budget":10}
Agent: ⚠️ 预算紧张（85%），自动降级：深度研究使用DeepSeek-V3，摘要生成使用本地Ollama
Agent: 任务完成，实际费用 $1.2（vs 原计划 $8+）
节省：85% API费用。 一个5分钟写的MCP工具，一个月省下$200+。
进阶技巧：3个让MCP工具更专业的细节
1. 错误处理要返回结构化信息
Agent需要从错误中恢复，不要把Python traceback直接丢给Agent：
# ❌ 糟糕的错误处理
try:
result = fetch_data()
except Exception as e:
return {"error": str(e)} # Agent看不懂
# ✅ 好的错误处理
try:
result = fetch_data()
except TimeoutError:
return {"status": "retryable", "error": "请求超时",
"suggestion": "建议5秒后重试或增加超时时间"}
except PermissionError:
return {"status": "fatal", "error": "权限不足",
"suggestion": "请检查API Key是否配置，或联系管理员"}
2. 输出要结构化，不要纯文本
Agent需要解析你的输出来做下一步决策：
# ❌ 纯文本输出
return "竞品A发了3篇文章，竞品B发了2篇文章..."
# ✅ 结构化JSON
return {
"results": [
{"name": "竞品A", "article_count": 3, "titles": ["..."]},
{"name": "竞品B", "article_count": 2, "titles": ["..."]}
],
"summary": "竞品A今日发布量高于平均水平（+50% vs 7日均值），建议重点关注",
"next_action": "深度阅读竞品A的3篇文章，提取选题方向"
}
3. 工具描述要写清楚"输入输出"
Agent依靠tools/list返回的description和inputSchema来决定什么时候调用你的工具。描述越清晰，Agent越不会用错：
# ✅ 清晰描述
{
"name": "competitor_scan",
"description": "扫描竞品公众号最新文章。参数date为YYYY-MM-DD格式字符串（可选，默认今天）。"
"返回结构：{results: [{name, title, url}], scanned_at, total}。"
"注意：该工具需要10-30秒执行时间，请勿在时间敏感的实时对话中调用。",
"inputSchema": {
"type": "object",
"properties": {
"date": {"type": "string", "description": "扫描日期 YYYY-MM-DD，默认今天"}
}
}
}
常见问题
Q: MCP工具和普通API调用有什么区别？
A: 普通API调用需要Agent知道完整的HTTP请求细节（URL、Header、Body格式）。MCP工具封装了这些细节——Agent只需要知道工具名和参数。这就像"Agent不需要知道SQL语法，只需要说'查一下今天的销售额'"。
Q: 开发MCP工具需要学Rust/Go吗？
A: 不需要。Python是最简单的选择，Node.js也可以。MCP官方提供了Python/TypeScript/Java/Kotlin的SDK。用官方SDK的话，你连JSON-RPC消息循环都不用自己写。
Q: MCP工具和Claude Code Plugin有什么区别？
A: Claude Code Plugin是Claude Code专用的，只能在Claude Code中使用。MCP工具是跨平台的——同一个工具可以在Hermes Agent、Claude Code、Cursor、Continue等所有支持MCP的Agent中使用。写一次，到处跑。
Q: 工具出错了会怎样？
A: Agent会收到错误信息并尝试恢复。如果错误是"可重试"类型（如超时），Agent通常会重试；如果是"致命"类型（如权限不足），Agent会停止当前任务并通知你。这就是为什么错误处理要返回结构化信息——Agent需要这些信息来做决策。
Q: 安全吗？Agent会不会通过MCP工具误操作？
A: MCP工具运行在本地，Agent只能调用你暴露的工具。你可以通过参数校验、权限控制来限制Agent的操作范围。例如，消息推送工具可以限制每天最多发送5条通知，防止Agent误触发消息洪流。
总结：MCP工具开发的3个核心价值
| 价值 | 说明 | 示例 |
|---|---|---|
| 业务定制 | 把独有的业务逻辑变成Agent可调用的能力 | 竞品监控、客户数据查询 |
| 成本控制 | 让Agent在"烧钱"前先检查预算 | API熔断器每月省$200+ |
| 生态复用 | 写一次MCP工具，在所有MCP Agent中通用 | Hermes/Claude Code/Cursor通用 |
对AI创业者来说，MCP工具开发是2026年最该掌握的"硬技能"。 它不需要你成为全栈工程师——会写Python函数就足够了。你今天写的3个MCP工具，可能就是你明天产品化收费的MVP。
下一步行动：
1. 复制模板1的代码，替换COMPETITOR_LIST为你的竞品
2. 在Hermes Agent或Claude Code中配置MCP Server
3. 对Agent说："扫描今天的竞品"——验证工具是否正常工作
4. 根据实际需求，迭代你的工具
30分钟后，你的Agent就有了"专属超能力"。