mcp-course
mcp-course 是一门专注于模型上下文协议(Model Context Protocol,简称 MCP)的开源免费课程,旨在帮助开发者系统掌握如何让 AI 大模型安全、高效地连接外部数据与工具。当前许多 AI 应用受限于“信息孤岛”,难以调用实时数据或执行具体操作,而 MCP 正是解决这一痛点的关键标准。本课程通过四个循序渐进的单元,从基础概念解析到实战开发,引导学员从零开始构建基于 MCP 的客户端与服务端,并深入探讨其高级架构与实际集成模式,最终完成一个完整的 AI 应用项目。
课程内容涵盖必要的开发环境搭建、核心原理讲解以及基于 Python 和 TypeScript 的代码实战,特别适合具备一定编程基础及 AI 常识的软件开发者、技术研究人员或希望深化 AI 工程化能力的进阶学习者。其独特亮点在于由社区驱动更新,不仅提供标准化的学习路径,还鼓励用户通过提交代码或新增单元参与共建,确保教学内容紧跟技术前沿。无论你是想为现有 AI 项目添加插件能力,还是希望深入理解下一代 AI 交互协议,mcp-course 都能提供清晰、实用的指导,助你轻松跨越从理论到落地的门槛。
使用场景
某初创团队的后端工程师急需将内部遗留的数据库和私有 API 安全地接入到新一代 LLM 应用中,以构建智能客服助手。
没有 mcp-course 时
- 开发者面对 Model Context Protocol (MCP) 晦涩的官方文档无从下手,难以理解客户端与服务端的交互架构。
- 在尝试编写自定义 MCP Server 时,因缺乏标准代码范例,导致连接不稳定且数据处理逻辑频繁出错。
- 团队成员对如何安全地暴露内部工具给 AI 模型存在顾虑,缺乏经过验证的最佳实践指导。
- 由于学习曲线陡峭,原本计划一周完成的集成工作拖延至一个月,严重阻碍了产品上线进度。
使用 mcp-course 后
- 通过单元 1 和单元 2 的系统讲解,工程师快速掌握了 MCP 核心概念,并利用提供的 Python/TypeScript SDK 示例成功搭建了基础服务。
- 课程中“实战开发”部分提供了完整的代码模板,帮助团队迅速解决了连接握手和数据格式转换的技术难题。
- 单元 3 深入剖析了高级集成模式,让团队学会了如何设计安全的权限控制策略,放心地将内部 API 开放给 AI 调用。
- 借助清晰的四单元学习路径,团队仅用三天就完成了从概念验证到原型部署的全过程,大幅提升了研发效率。
mcp-course 将复杂的协议标准转化为可落地的实战指南,帮助开发者跨越理论到应用的鸿沟,加速 AI 应用与真实世界数据的连接。
运行环境要求
未说明
未说明

快速开始
模型上下文协议(MCP)课程

如果你喜欢这门课程,请不要犹豫,为本仓库点个⭐星。这将帮助我们 让课程更加显眼 🤗。
课程内容
本课程共分为4个单元,将带你从 模型上下文协议的基础知识,逐步深入到在AI应用中实现MCP的最终项目。
立即注册(免费)👉 [即将上线]
你可在此访问课程 👉 [即将上线]
| 单元 | 主题 | 描述 |
|---|---|---|
| 0 | 课程欢迎页 | 欢迎词、学习指南、所需工具及课程概览。 |
| 1 | 模型上下文协议简介 | MCP的定义、关键概念及其在连接AI模型与外部数据和工具中的作用。 |
| 2 | 使用MCP进行开发:实践篇 | 学习如何使用现有的SDK和框架来实现MCP客户端和服务器。 |
| 3 | MCP协议深度解析 | 探索MCP的高级特性、架构以及实际应用场景中的集成模式 |
| 4 | 附加单元与合作 | 特别主题、合作伙伴库以及社区驱动的项目。 |
先修条件
- 对AI和LLM的基本概念有一定了解
- 熟悉软件开发原则和API相关概念
- 至少掌握一门编程语言(课程将以Python或TypeScript为例进行讲解)
贡献指南
如果你想为本课程贡献力量,我们非常欢迎!请随时提交问题或拉取请求。针对不同类型的贡献,以下是具体指南:
小错误修正与语法调整
如果你发现小的拼写或语法错误,请自行修改并提交拉取请求。这对学员们非常有帮助。
新增单元
如果你想新增一个单元,请先在仓库中创建一个问题,详细描述该单元的内容及其加入的理由。我们会进行讨论,若认为合适,便可共同协作完成。
引用本项目
如需在出版物中引用本仓库,请使用以下格式:
@misc{mcp-course,
author = {Burtenshaw, Ben and Notov, Alex},
title = {模型上下文协议课程},
year = {2025},
howpublished = {\url{https://github.com/huggingface/mcp-course}},
note = {GitHub代码库},
}
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器