手把手教程：使用Rust从零开发MCP Server并接入Claude

最近很多人把 MCP（Model Context Protocol） 当成“给大模型装插件”的标准接口。

你把自己的能力（工具、数据源、业务系统）封装成一个 MCP Server，模型侧（MCP Client，比如 Claude Desktop、Cursor 等）就能发现并调用你的工具。

这篇文章带你用 Rust 写一个最小可用 MCP Server：

• 支持基础握手/初始化
• 暴露一个 add 工具（可扩展成查数据库、发交易、查链上数据…）
• 让 MCP 客户端能调用它并拿到结果

本文尽量“工程化”：结构清晰、代码可复制、方便你后续塞进真实业务。

---

MCP 是什么：一句话搞懂

MCP = 一个标准化协议，让模型以“工具调用”的方式连接外部能力。

你可以把 MCP Server 理解成一个“工具盒服务”，它向外声明：

• 我有哪些 tools
• 每个 tool 的参数 schema 是啥
• 调用后返回什么结果

客户端会把模型的工具调用请求转成协议消息发给你，你返回结果即可。

---

Rust 适合写 MCP 吗？

适合，而且很香：

• 稳定：长时间运行不崩（工具服务常驻）
• 性能：高并发、低延迟（未来 tools 可能大量调用）
• 生态：Tokio + serde_json + axum/warp 很成熟
• 可扩展：后续接数据库、RPC、链上节点、缓存、队列都容易

---

选型：MCP 的传输方式怎么做？

MCP 常见传输方式有两类（你可能在不同客户端看到不同配置）：

1. stdio：客户端启动你的进程，通过 stdin/stdout 交换 JSON 消息
2. HTTP / SSE / WebSocket：以网络服务形式通信

为了让读者“马上跑起来”，本文用 stdio 做最小可用版本（最通用、部署最简单）。

---

项目结构

mcp-rust-demo/
  Cargo.toml
  src/
    main.rs
    protocol.rs
    tools.rs

依赖（核心：tokio + serde）：

# Cargo.toml
[package]
name = "mcp-rust-demo"
version = "0.1.0"
edition = "2024"

[dependencies]
tokio = { version = "1", features = ["full"] }
serde = { version = "1", features = ["derive"] }
serde_json = "1"
anyhow = "1"

---

定义协议消息（最小集合）

我们先不追求“覆盖协议全部字段”，而是实现 MCP 常用最小链路：

• initialize：客户端初始化
• tools/list：列出工具
• tools/call：调用工具

src/protocol.rs

use serde::{Deserialize, Serialize};
use serde_json::Value;

#[derive(Debug, Serialize, Deserialize)]
pub struct RpcRequest {
    pub id: Value,
    pub method: String,
    pub params: Option<Value>,
}

#[derive(Debug, Serialize, Deserialize)]
pub struct RpcResponse {
    pub id: Value,
    pub result: Option<Value>,
    pub error: Option<RpcError>,
}

#[derive(Debug, Serialize, Deserialize)]
pub struct RpcError {
    pub code: i32,
    pub message: String,
}

impl RpcResponse {
    pub fn ok(id: Value, result: Value) -> Self {
        Self { id, result: Some(result), error: None }
    }
    pub fn err(id: Value, code: i32, message: impl Into<String>) -> Self {
        Self { id, result: None, error: Some(RpcError { code, message: message.into() }) }
    }
}

---

写一个工具：add（但结构按真实业务来）

src/tools.rs

use anyhow::Result;
use serde_json::{json, Value};

pub fn tools_list() -> Value {
    // MCP 工具通常需要：name / description / inputSchema
    json!({
        "tools": [
            {
                "name": "add",
                "description": "Add two numbers and return the sum.",
                "inputSchema": {
                    "type": "object",
                    "properties": {
                        "a": { "type": "number" },
                        "b": { "type": "number" }
                    },
                    "required": ["a", "b"]
                }
            }
        ]
    })
}

pub fn call_tool(name: &str, args: Value) -> Result<Value> {
    match name {
        "add" => {
            let a = args.get("a").and_then(|v| v.as_f64()).unwrap_or(0.0);
            let b = args.get("b").and_then(|v| v.as_f64()).unwrap_or(0.0);
            Ok(json!({
                "content": [
                    { "type": "text", "text": format!("sum = {}", a + b) }
                ]
            }))
        }
        _ => Ok(json!({
            "content": [
                { "type": "text", "text": format!("unknown tool: {}", name) }
            ]
        })),
    }
}

你会发现返回结构是 content 数组，这样更贴近“模型可读输出”：

• text：文本
• 后续你还可以扩展 image、json 等类型（看客户端支持）

---

MCP 主循环：读 stdin，写 stdout

src/main.rs

mod protocol;
mod tools;

use protocol::{RpcRequest, RpcResponse};
use serde_json::{json, Value};
use tokio::io::{self, AsyncBufReadExt, AsyncWriteExt};

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    let stdin = io::stdin();
    let mut reader = io::BufReader::new(stdin).lines();

    let stdout = io::stdout();
    let mut writer = io::BufWriter::new(stdout);

    while let Some(line) = reader.next_line().await? {
        if line.trim().is_empty() {
            continue;
        }

        let req: RpcRequest = match serde_json::from_str(&line) {
            Ok(v) => v,
            Err(e) => {
                // 解析失败就忽略或回错（这里选择忽略）
                eprintln!("invalid json: {e}");
                continue;
            }
        };

        let id = req.id.clone();
        let resp = handle(req).unwrap_or_else(|e| {
            RpcResponse::err(id, -32000, format!("internal error: {e}"))
        });

        let out = serde_json::to_string(&resp)?;
        writer.write_all(out.as_bytes()).await?;
        writer.write_all(b"\n").await?;
        writer.flush().await?;
    }

    Ok(())
}

fn handle(req: RpcRequest) -> anyhow::Result<RpcResponse> {
    let id = req.id;

    match req.method.as_str() {
        "initialize" => {
            // 初始化时返回 server capabilities / name 等
            Ok(RpcResponse::ok(id, json!({
                "protocolVersion": "0.1",
                "serverInfo": { "name": "mcp-rust-demo", "version": "0.1.0" },
                "capabilities": { "tools": {} }
            })))
        }

        "tools/list" => {
            Ok(RpcResponse::ok(id, tools::tools_list()))
        }

        "tools/call" => {
            let params = req.params.unwrap_or(Value::Null);
            let name = params.get("name").and_then(|v| v.as_str()).unwrap_or("");
            let args = params.get("arguments").cloned().unwrap_or(Value::Null);

            let result = tools::call_tool(name, args)?;
            Ok(RpcResponse::ok(id, result))
        }

        _ => Ok(RpcResponse::err(id, -32601, "Method not found")),
    }
}

---

本地测试：不用客户端也能自测

编译运行：

cargo run

然后手动喂一条 initialize：

echo '{"id":1,"method":"initialize","params":{}}' | cargo run

你会看到 stdout 输出一个 JSON response。

再测工具列表：

echo '{"id":2,"method":"tools/list","params":{}}' | cargo run

测试工具调用：

echo '{"id":3,"method":"tools/call","params":{"name":"add","arguments":{"a":1,"b":2}}}' | cargo run

---

接入 Claude / MCP 客户端（思路）

不同客户端配置略有差异，但 stdio 方式基本都需要告诉客户端：

• 命令：运行你的二进制文件
• 参数：可选
• 环境变量：可选（比如 API KEY）

你把服务写好以后，往往只需要把 cargo build --release 生成的可执行文件路径填进去即可。

小技巧：真实业务里通常会加上日志（stderr），避免污染 stdout（stdout 必须保持协议消息）。

---

工程化建议：把 demo 变成可用服务

当你从 add 进化到真实工具（比如“查链上价格/下单/访问内部系统”）时，建议直接按下面做：

1. 工具分层

• tools/：只做参数校验 + 路由
• services/：业务逻辑（RPC、DB、缓存）
• clients/：外部依赖封装（HTTP、gRPC、Sui/EVM RPC）

2. 并发与限流

Rust 配合 Tokio 很适合在 call_tool 内部：

• 用 Semaphore 控制并发
• 用 governor 做限流
• 对 RPC 节点做池化与熔断

3. schema 一定要写好

工具调用成功率=参数 schema 清晰度。
强烈建议：把 schema 生成/维护做成常量或用宏管理，避免漂移。

---

结语：Rust 写 MCP 的价值

MCP 本质是“模型工具调用的标准接口”。Rust 的优势在于：

• 你可以把它当成一个长跑型的工具服务
• 随时扩展：更多工具、更重的并发、更复杂的 IO
• 最终把它变成你团队的“模型能力入口”

如果你已经在做链上/日志/高并发任务系统，把这些能力封装成 MCP 工具，会非常自然：

模型负责“决策 + 调度”，MCP Server 负责“可靠执行”。

希望这篇从零开始的Rust实战指南能帮助你快速上手人工智能工具集成。如果你对构建更复杂的系统架构感兴趣，欢迎在云栈社区与更多开发者交流探讨。