Python怎么调用MCP接口？发现工具、检查参数并读取结果

Python 程序调用 MCP 接口，不应只硬编码一个工具名然后打印响应。一个能复用的客户端至少要连接服务器、发现工具、检查输入描述、发起调用并区分成功与失败。本文采用官方 Python SDK v2，通过本地库存工具演示这条流程；不依赖大模型账号，也不把接口调用包装成已经完成的智能体系统。

版本、依赖与可复现的服务器

本教程在 Windows、Python 3.11、mcp==2.2.0 与 jsonschema==4.26.0 环境执行。SDK v2 提供 from mcp import Client；旧教程里的 ClientSession 底层流程不作为本文接口。官方 Client 文档说明了工具列表分页、结果内容与异步生命周期。

python -m venv .venv
.\.venv\Scripts\python.exe -m pip install "mcp==2.2.0" "jsonschema==4.26.0"

准备同目录的 inventory_server.py。下面是独立可运行的测试对象，库存内容是演示数据，不是真实商业库存：

from mcp.server import MCPServer
from mcp.server.mcpserver.exceptions import ToolError

mcp = MCPServer("DemoInventory")
STOCK = {"PEN-001": 18, "BOOK-002": 0}

@mcp.tool()
def get_stock(sku: str) -> dict[str, str | int]:
    """Read demo stock for an exact SKU. Does not create orders or change stock."""
    sku = sku.strip().upper()
    if sku not in STOCK:
        raise ToolError(f"Unknown SKU: {sku}")
    return {"sku": sku, "quantity": STOCK[sku]}

if __name__ == "__main__":
    mcp.run(transport="stdio")

如果你已经有 MCP 服务器，可保留客户端框架，把工具名、参数与预期结果换成服务器真实公布的内容；不要仅凭工具名字猜接口。

客户端完整代码：发现后再调用

把下面保存为 client.py：

import asyncio
import sys
from pathlib import Path
from jsonschema import validate
from mcp import Client
from mcp.client.stdio import StdioServerParameters
from mcp.types import TextContent

async def main():
    server = Path(__file__).with_name("inventory_server.py")
    params = StdioServerParameters(command=sys.executable, args=[str(server)])
    async with Client(params, read_timeout_seconds=10) as client:
        tools = []
        cursor = None
        while True:
            page = await client.list_tools(cursor=cursor)
            tools.extend(page.tools)
            if page.next_cursor is None:
                break
            cursor = page.next_cursor
        tool = next((t for t in tools if t.name == "get_stock"), None)
        if tool is None:
            raise RuntimeError("get_stock is not available")
        arguments = {"sku": "PEN-001"}
        validate(arguments, tool.input_schema)
        result = await client.call_tool(tool.name, arguments)
        if result.is_error:
            raise RuntimeError(str(result.content))
        if result.structured_content is not None:
            print(result.structured_content)
        else:
            for block in result.content:
                if isinstance(block, TextContent):
                    print(block.text)

if __name__ == "__main__":
    asyncio.run(main())

.\.venv\Scripts\python.exe .\client.py

这里客户端通过 StdioServerParameters 启动本地服务，sys.executable 确保子进程使用同一个 Python 环境。async with Client(...) 进入时连接并协商，退出时断开；连接对象不应在退出上下文后继续调用。

为什么要保留这几个检查

1. 发现列表处理分页。 list_tools() 一次得到一页，后续请求使用 page.next_cursor。本地只有一个工具时可能看不出差别，但真实服务工具多时，忽略游标可能把后面的工具误判为不存在。
2. 先确认工具确实存在。 如果服务器升级或改名，get_stock 查找会明确失败；不会把空列表当成有效调用环境。
3. 按服务器公布的输入 Schema 校验。 validate(arguments, tool.input_schema) 会发现缺少必填字段或明显类型不符。校验失败应修改请求，不应让模型靠猜测补业务参数。
4. 区分工具错误与成功内容。 result.is_error 为真就停止按成功结果解析；为假时优先读取 structured_content，缺少结构化内容时才遍历文本块。

输入 Schema 校验是客户端的早期反馈，服务端仍必须自己验证参数和权限。JSON Schema 也不能判断一个合法编码是否属于当前用户、库存是否允许出售，业务规则不能交给类型校验代劳。

结果应是什么，怎样复查失败路径

本地实际运行完整客户端，得到 {'sku': 'PEN-001', 'quantity': 18}。这是演示表的确定结果，并不是对模型准确率的测评。

未知商品的工具错误已用同一服务器进行独立协议验证。客户端还设置了 10 秒读取超时；生产环境要按实际工具耗时调整，遇到超时先核对服务端状态，尤其不要自动重试可能产生写入副作用的调用。

如果服务器是 HTTP 地址

远端或已启动的 HTTP 服务，不需要 StdioServerParameters。把连接对象改成实际 MCP URL，例如 Client("https://你的服务域名/mcp", read_timeout_seconds=10)，其余发现与结果处理逻辑仍可使用。这里的域名是说明写法，不能直接执行；你需要已经部署、可访问且认证配置正确的真实地址。

本文没有验证远端认证、多页真实工具列表或生产故障恢复。客户端分页逻辑依据官方 API 编写，本地实验只有单页；如果你的服务采用认证，要按官方传输文档配置相应客户端，不能把 API 密钥硬塞进请求参数 sku。

与智能体编排的关系

这个客户端由程序固定选择 get_stock 并传入确定参数。若要让模型选择工具，需要把名称、说明、输入 Schema 提供给模型，再把模型生成的参数拿回来校验和调用。写入类工具还需要授权、去重和完成判断；不能因为跑通 MCP，就把这些应用层工作省掉。

为什么既有 content 又有 structured_content？ 工具可以返回不同形式的内容。结构化字典适合程序按字段处理；文本块适合展示。Python v2 属性使用下划线写法，Inspector JSON 中的 structuredContent 和 isError 不能直接当作 Python 属性。

参考：官方 Client 方法、分页与结果示例；客户端 stdio 和 HTTP 传输；jsonschema.validate 的校验行为与异常；工具业务错误的返回方式。