我的第一个 MCP 项目开发记录
之前看到很多佬自己开发mcp,一直对这方面比较感兴趣,但是一直没有试着搭建这么一个mcp程序
所以,今天花了几个小时时间学习 MCP（Model Context Protocol），并且成功搭建了一个系统监控服务器。记录一下这个过程中的一些经历和踩过的坑，希望对后来者有帮助。
刚开始的困惑
第一次接触 MCP 时完全不知道从哪里入手：
- 看文档说是个协议，但不知道具体怎么实现
- 不确定是要启动一个 HTTP 服务器，还是别的什么
- Cursor 怎么知道调用我的工具？
折腾了一阵子才搞明白，MCP 支持多种通信方式：stdin/stdout、HTTP、WebSocket 等。我选择了 stdin/stdout 方式，就是两个进程通过管道传递 JSON 消息。
项目结构的演变
一开始想偷懒，把所有代码都塞在一个 main.go 文件里。写到一半发现完全维护不了，只能重构。
最后搞了个分层的结构：
main.go- 程序入口internal/router/- 处理 JSON-RPC 协议internal/tools/- 各种监控工具internal/storage/- 数据存储和缓存internal/types/- 类型定义
这样每个模块职责清楚，后面添加新功能也方便。
踩过的大坑
坑1：stdout 被污染了
这个坑卡了我好久。一开始程序启动时会打印一些日志，类似这样：
🖥️ 系统监控 MCP 服务器启动中...
{"jsonrpc":"2.0","id":1,"result":{...}}
结果 Cursor 一直报错说解析 JSON 失败。后来才明白，MCP 要求 stdout 只能输出 JSON-RPC 消息，其他日志都要输出到 stderr。
解决方法就是把所有日志都改成 fmt.Fprintf(os.Stderr, ...)。
坑2：通知不需要响应
JSON-RPC 有两种消息：请求和通知。请求有 ID 字段，需要返回响应；通知没有 ID，不需要响应。
一开始我对所有消息都返回响应，结果 notifications/initialized 这个通知也被我回复了，导致协议出错。
后来加了个判断：
isNotification := req.ID == nil
if response != nil && !isNotification {
r.sendResponse(response)
}
坑3：库函数返回类型不对
用 gopsutil 库获取进程状态时踩了个坑：
// 我以为 Status() 返回 string，结果是 []string
status, _ := p.Status() // 编译错误
// 正确的写法
statusSlice, _ := p.Status()
status := ""
if len(statusSlice) > 0 {
status = statusSlice[0]
}
这种类型错误编译器会报错，但如果不仔细看文档很容易踩坑。
配置文件的优化
最开始配置文件特别复杂，需要指定一堆参数：
{
"mcpServers": {
"system-monitor": {
"command": "/Users/ml/Work/Go/Mcp/system-monitor",
"args": ["--name", "system-monitor-mcp", "--version", "1.0.0", "--data-dir", "/Users/ml/Work/Go/Mcp/data", "--cache", "true"],
"env": {"PATH": "/usr/local/bin:/usr/bin:/bin"}
}
}
}
后来觉得这样对用户太不友好了，就在代码里加了默认值，配置文件简化成：
{
"mcpServers": {
"system-monitor": {
"command": "/Users/ml/Work/Go/Mcp/system-monitor"
}
}
}
这样用户只需要指定可执行文件路径就行了。
性能还不错
做完之后用 ps 看了一下，这个服务器还挺轻量的：
- 内存只用了 12.6 MB
- CPU 使用率基本是 0%
- 启动很快
因为大部分时间都在等待输入，所以资源占用很低。
另外还加了个简单的缓存，避免频繁调用系统 API：
type MemoryCache struct {
items map[string]*CacheItem
mutex sync.RWMutex
}
缓存 5 分钟，对于监控数据来说够用了。
最终效果
配置好之后，在 Cursor 里直接问"帮我查看系统的 CPU 使用情况"，就能得到这样的回复：
🖥️ CPU 信息
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
型号: Apple M4
核心数: 10 物理核心, 10 逻辑核心
总体使用率: 18.98%
各核心使用率:
核心 1: 42.42%
核心 2: 35.64%
...
还能查看内存、磁盘、网络、进程等信息，基本的系统监控需求都能满足。
整个流程是如何工作的
经过这次开发，我对整个 MCP 通信流程有了一个简单的理解：
- AI 发起请求：Cursor 把用户的问题转换成 JSON-RPC 格式的消息，通过 stdin 发送给我的 MCP 服务器
- MCP 服务器解析：我的服务器接收到 JSON 消息后，解析出是什么类型的指令（比如
tools/call） - 路由到具体工具：根据指令类型，路由器找到对应的工具（比如
cpu_info） - 工具执行：具体的工具调用系统 API 获取数据（比如调用
gopsutil获取 CPU 信息） - 返回结果：工具把获取到的信息格式化后返回给路由器
- 响应 AI：路由器把结果包装成 JSON-RPC 响应，通过 stdout 发送回 Cursor
- AI 分析展示：Cursor 接收到数据后，分析并以用户友好的方式展示给用户
整个过程就像一个翻译和代理的过程：AI 不直接访问系统，而是通过我的 MCP 服务器作为桥梁来获取系统信息。
总结
整个过程下来，主要学到了：
- MCP 协议本质：支持多种通信方式（stdin/stdout、HTTP、WebSocket），本质是 JSON-RPC 消息传递
- 通信流程理解：AI → JSON请求 → MCP服务器解析 → 调用工具 → 获取数据 → 返回结果 → AI分析展示
- 调试很重要：stdout 不能有杂音，通知不需要响应
- 用户体验：配置越简单越好
- 代码结构：分层架构比单文件好维护
做完这个项目对 MCP 的理解深入了很多，也算是入门了。代码放在 GitHub 上了：
