LLM大模型之MCP·商品服务

发表于 2025-08-17 更新于 2025-08-21 阅读次数：阅读次数：

目标

探索使用MCP与商品结合的场景，让大模型能回答和理解用户的产品需求并获得需要的产品信息。

用户问答搜索产品场景
- 根据关键字搜索产品详情。
- 最热门商品
用户问答根据用户个性化推荐场景
- 根据用户ID推荐商品。

注意数据为mock,根据需要对接数据库或者其他数据来源即可。

实践

编写MCP服务程序

# 引入 fastmcp 包
from fastmcp import FastMCP
# 创建一个mcp服务
mcp = FastMCP("ProductServer")

# 定义工具，也就是实际执行的内容，类似于 RestAPI 中的 POST，mcp主要的能力都在这里体现。

# 定义根据关键字keyword搜索产品详情的工具函数
@mcp.tool()
def search_produc_by_keyword(keyword):
    """search product by keyword"""
    # mock data
    return {"product_name":"小米SU7 Ultra", "price": 529999, "category": "Car"}

# 定义获取热门商品的工具函数
@mcp.tool()
def get_popular_products():
    """List of popular products"""
    # mock data
    hot_products = ('[{"product_name":"iPhone 14 Pro Max", "price": 5999, "category": "Electronics"},'
                    '{"product_name":"小米SU7 Ultra", "price": 529999, "category": "Car"},'
                    '{"product_name":"红米K80", "price": 2399, "category": "Electronics"}]')

    return hot_products


# 定义为指定用户获取推荐商品的工具函数
@mcp.tool()
def get_recommended_products(user_id):
    """Products recommended for users"""
    # mock data
    recommended_products = '{"product_name":"小米SU7 Ultra", "price": 529999, "category": "Car"}'
    return recommended_products
    
    
if __name__ == "__main__":
    mcp.run(transport='stdio')

运行mcp，验证一下是否能正常运行，确认能正常后，我们在Cherry Studio中配置一下mcp

1	fastmcp run main.py

在Cherry Studio中配置MCP

在命令中填写 uv
填写参数

注意 /{PATH}/fastmcp/为这个mcp的项目路径
1
2
3
4
--directory
/{PATH}/fastmcp/
run
main.py
其实组合起来就是 uv --directory /{PATH}/fastmcp/ run main.py,即跑起来文件项目