MCP官方Go SDK尝鲜，有哪些技巧分享？
摘要：前言 此前在 MCP 官网就注意到官方提供了 Go SDK，近期由于在 Python 环境下开发 MCP Server 有点"审美疲劳"，因此决定使用 Go 语言尝尝鲜。 从个人实际体验来
前言
此前在 MCP 官网就注意到官方提供了 Go SDK，近期由于在 Python 环境下开发 MCP Server 有点"审美疲劳"，因此决定使用 Go 语言尝尝鲜。
从个人实际体验来看，Go 语言在并发处理方面确实具有显著优势：无需纠结于同步阻塞、异步事件循环、多进程多线程通信等复杂的并发问题，goroutine 一把梭哈。同时，Go 语言的部署也非常便捷，编译后生成的静态二进制文件具有良好的可移植性，可以在不同环境中直接运行。
然而，这种便利性也伴随着一定的代价。相较于 Python，使用 Go 语言实现 MCP 功能相对复杂一些，开发效率略低。这就是软件工程中的经典权衡了：运行成本与开发成本往往难以兼得，需要根据具体场景进行取舍。
MCP 协议简介
可能都耳熟能详了，但以防还有不熟悉的朋友，先简单介绍下MCP
Model Context Protocol (MCP) 是一种标准化的协议，旨在为 AI 模型提供统一的工具调用接口。通过 MCP，开发者可以将各种工具、服务和数据源暴露给 AI 模型，使其能够执行超出基础语言模型能力范围的操作。MCP 支持多种传输协议，包括 HTTP 和 Stdio，为不同场景下的集成提供了灵活性。
一个简单的 MCP Server 示例
MCP 官方 Go SDK 在定义工具（Tool）时，要求明确指定输入参数和输出结果的数据结构。对于功能较为简单的工具，也可以直接使用 any 类型。以下是一个完整的 MCP Server 示例，提供了三个实用工具：
getCurrentDatetime：获取当前时间，返回 RFC3339 格式（2006-01-02T15:04:05Z07:00）的时间戳字符串。由于不需要输入参数，因此参数类型定义为 any，输出同样使用 any 类型。
getComputerStatus：获取当前系统的关键信息，包括 CPU 使用率、内存使用情况、系统版本等。该工具接受一个 CPUSampleTime 参数，对应的输入结构体为 GetComputerStatusIn，输出结构体为 GetComputerStatusOut（Go SDK 的示例中通常采用 xxxIn 和 xxxOut 的命名约定来区分工具的输入输出结构体）。
getDiskInfo：获取所有硬盘分区的使用信息和文件系统详情。该工具无需输入参数，仅定义了输出结构体 GetDiskInfoOut。
在完成所有工具逻辑的实现后，最后一步是启动服务。以下示例采用 Streamable HTTP 模式启动，同时也保留了 Stdio Transport 模式的注释代码供参考。
package main
import (
"context"
"fmt"
"log"
"net"
"net/http"
"time"
"github.com/modelcontextprotocol/go-sdk/mcp"
"github.com/shirou/gopsutil/v4/cpu"
"github.com/shirou/gopsutil/v4/disk"
"github.com/shirou/gopsutil/v4/host"
"github.com/shirou/gopsutil/v4/mem"
)
func getCurrentDatetime(ctx context.Context, req *mcp.CallToolRequest, arg any) (*mcp.CallToolResult, any, error) {
now := time.Now().Format(time.RFC3339)
return nil, now, nil
}
type GetComputerStatusIn struct {
CPUSampleTime time.Duration `json:"cpu_sample_time" jsonschema:"the sample time of cpu usage. Default is 1s"`
}
type GetComputerStatusOut struct {
Hostinfo string `json:"host info" jsonschema:"the hostinfo of the computer"`
TimeZone string `json:"time_zone" jsonschema:"the time zone of the computer"`
IPAddress string `json:"ip_address" jsonschema:"the ip address of the computer"`
CPUUsage string `json:"cpu_usage" jsonschema:"the cpu usage of the computer"`
MemoryUsage string `json:"memory_usage" jsonschema:"the memory usage of the computer"`
}
func getComputerStatus(ctx context.Context, req *mcp.CallToolRequest, args GetComputerStatusIn) (*mcp.CallToolResult, GetComputerStatusOut, error) {
if args.CPUSampleTime == 0 {
args.CPUSampleTime = time.Second
}
hInfo, err := host.Info()
if err != nil {
return nil, GetComputerStatusOut{}, err
}
var resp GetComputerStatusOut
resp.Hostinfo = fmt.Sprintf("%+v", *hInfo)
name, offset := time.Now().Zone()
resp.TimeZone = fmt.Sprintf("Timezone: %s (UTC%+d)\n", name, offset/3600)
// CPU Usage
percent, err := cpu.Percent(time.Second, false)
if err != nil {
return nil, GetComputerStatusOut{}, err
}
resp.CPUUsage = fmt.Sprintf("CPU Usage: %.2f%%\n", percent[0])
// Memory Usage
v, err := mem.VirtualMemory()
if err != nil {
return nil, GetComputerStatusOut{}, err
}
resp.MemoryUsage = fmt.Sprintf("Mem Usage: %.2f%% (Used: %vMB / Total: %vMB)\n",
v.UsedPercent, v.Used/1024/1024, v.Total/1024/1024)
// Ip Address
conn, err := net.Dial("udp", "8.8.8.8:80")
if err != nil {
return nil, GetComputerStatusOut{}, err
}
defer conn.Close()
localAddr := conn.LocalAddr().(*net.UDPAddr)
resp.IPAddress = localAddr.IP.String()
return nil, resp, nil
}
type DiskInfo struct {
Device string `json:"device" jsonschema:"the device name"`
Mountpoint string `json:"mountpoint" jsonschema:"the mountpoint"`
Fstype string `json:"fstype" jsonschema:"the filesystem type"`
Opts []string `json:"opts" jsonschema:"the mount options"`
DiskTotal uint64 `json:"disk_total" jsonschema:"the total disk space in GiB"`
DiskUsage float64 `json:"disk_usage" jsonschema:"the disk usage percentage"`
}
type GetDiskInfoOut struct {
PartInfos []DiskInfo `json:"part_infos" jsonschema:"the disk partitions"`
}
func getDiskInfo(ctx context.Context, req *mcp.CallToolRequest, args any) (*mcp.CallToolResult, GetDiskInfoOut, error) {
partInfos, err := disk.Partitions(false)
if err != nil {
return nil, GetDiskInfoOut{}, err
}
var resp []DiskInfo
for _, part := range partInfos {
diskUsage, err := disk.Usage(part.Mountpoint)
if err != nil {
continue
}
resp = append(resp, DiskInfo{
Device: part.Device,
Mountpoint: part.Mountpoint,
Fstype: part.Fstype,
Opts: part.Opts,
DiskTotal: diskUsage.Total / 1024 / 1024 / 1024,
DiskUsage: diskUsage.UsedPercent,
})
}
return nil, GetDiskInfoOut{PartInfos: resp}, nil
}
func main() {
// ctx := context.Background()
server := mcp.NewServer(&mcp.Implementation{Name: "MCP_Demo", Version: "0.0.1"}, &mcp.ServerOptions{
Instructions: "日期时间相关的 Server",
})
mcp.AddTool(server, &mcp.Tool{
Name: "get_current_datetime",
Description: "Get current datetime in RFC3339 format",
}, getCurrentDatetime)
mcp.AddTool(server, &mcp.Tool{
Name: "get_computer_status",
Description: "Get computer status",
}, getComputerStatus)
mcp.AddTool(server, &mcp.Tool{
Name: "get_disk_info",
Description: "Get disk information",
}, getDiskInfo)
// if err := server.Run(ctx, &mcp.StdioTransport{}); err != nil {
// log.Fatalln(err)
// }
//
handler := mcp.NewStreamableHTTPHandler(func(req *http.Request) *mcp.Server {
path := req.URL.Path
switch path {
case "/api/mcp":
return server
default:
return nil
}
}, nil)
url := "127.0.0.1:18001"
if err := http.ListenAndServe(url, handler); err != nil {
log.Fatalln(err)
}
}
MCP Server 代码编译通过后，可以在支持 MCP 协议的开发工具（如 VS Code）中进行测试验证。以下是一个典型的 .vscode/mcp.json 配置示例：
{
"servers": {
"demo-http": {
// "command": "/home/rainux/Documents/workspace/go-dev/mcp-dev/mcp-server-dev/mcp-server-dev"
"type": "http",
"url": "http://127.0.0.1:18001/api/mcp"
}
}
}
启动 MCP Server 后，可以通过向 LLM 提出相关问题来验证工具是否能够被正确调度和执行。
一个完整的 MCP Client 实现
为了构建端到端的 MCP 应用，我们还需要实现一个 MCP Client，使其能够与 LLM 协同工作，自动选择并调用合适的工具。以下是一个功能完整的 MCP Client 实现，其中包含了与 OpenAI 兼容 API 的集成示例（callOpenAI 函数）。
package main
import (
"context"
"encoding/json"
"flag"
"fmt"
"log"
"net/http"
"os/exec"
"time"
"github.com/modelcontextprotocol/go-sdk/mcp"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
"github.com/openai/openai-go/v3/packages/param"
)
var (
FLAG_ModelName string
FLAG_BaseURL string
FLAG_APIKEY string
FLAG_MCP_TRANSPORT string
FLAG_MCP_URI string
FLAG_QUESTION string
FLAG_STREAM bool
)
func main() {
// Parse command-line flags
flag.StringVar(&FLAG_BaseURL, "base-url", "https://dashscope.aliyuncs.com/compatible-mode/v1", "llm base url")
flag.StringVar(&FLAG_ModelName, "model", "qwen-plus", "LLM Model Name")
flag.StringVar(&FLAG_MCP_TRANSPORT, "mcp-transport", "http", "MCP transport protocol (stdio or http)")
flag.StringVar(&FLAG_MCP_URI, "mcp-uri", "", "MCP server address")
flag.StringVar(&FLAG_APIKEY, "api-key", "", "llm api key")
flag.StringVar(&FLAG_QUESTION, "q", "Hi", "question")
flag.BoolVar(&FLAG_STREAM, "s", false, "stream response")
flag.Parse()
// Get configuration from environment variables with flag overrides
if FLAG_APIKEY == "" {
log.Fatalln("api key is empty")
}
if FLAG_QUESTION == "" {
log.Fatalln("question is empty")
}
// Configure OpenAI client
// config :=
ctx := context.Background()
// question := "Write me a haiku about computers"
if FLAG_MCP_URI != "" {
callOpenAIWithTools(ctx, FLAG_QUESTION)
} else {
callOpenAI(ctx, FLAG_QUESTION, FLAG_STREAM)
}
}
// callOpenAI 调用 OpenAI API 接口处理用户问题
// 该函数支持流式（stream）和非流式（non-stream）两种响应方式
//
// 参数:
// - ctx: 控制操作生命周期的上下文
// - question: 用户提出的问题字符串
// - stream: 布尔值，指定是否使用流式响应
func callOpenAI(ctx context.Context, question string, stream bool) {
client := openai.NewClient(option.WithAPIKey(FLAG_APIKEY), option.WithBaseURL(FLAG_BaseURL))
systemPrompt := "请用亲切热情的风格回答用户的问题"
if stream {
// 创建流式响应请求
streamResp := client.Chat.Completions.NewStreaming(ctx, openai.ChatCompletionNewParams{
Messages: []openai.ChatCompletionMessageParamUnion{
openai.SystemMessage(systemPrompt),
openai.UserMessage(question),
},
Model: FLAG_ModelName,
})
// defer streamResp.Close()
defer func() {
err := streamResp.Close()
if err != nil {
log.Fatalln(err)
}
}()
// 遍历流式响应并逐块输出内容
for streamResp.Next() {
data := streamResp.Current()
fmt.Print(data.Choices[0].Delta.Content)
if err := streamResp.Err(); err != nil {
log.Fatalln(err)
}
}
} else {
// 创建非流式响应请求
chatCompletion, err := client.Chat.Completions.New(ctx, openai.ChatCompletionNewParams{
Messages: []openai.ChatCompletionMessageParamUnion{
openai.SystemMessage(systemPrompt),
openai.UserMessage(question),
},
Model: FLAG_ModelName,
})
if err != nil {
log.Fatalln(err)
}
// 输出非流式响应内容
fmt.Println(chatCompletion.Choices[0].Message.Content)
}
}
// callOpenAIWithTools 使用 OpenAI API 和 MCP 工具调用来处理用户问题
// 该函数创建一个 OpenAI 客户端和 MCP 客户端，将 MCP 工具转换为 OpenAI 可使用的格式，
// 并执行完整的工具调用流程，包括初始调用和可能的后续调用
//
// 参数:
// - ctx: 控制操作生命周期的上下文
// - question: 用户提出的问题字符串
func callOpenAIWithTools(ctx context.Context, question string) {
// 创建 OpenAI 客户端，使用 API 密钥和基础 URL 配置
llmClient := openai.NewClient(option.WithAPIKey(FLAG_APIKEY), option.WithBaseURL(FLAG_BaseURL))
// 创建 MCP 客户端，指定名称和版本
mcpClient := mcp.NewClient(&mcp.Implementation{Name: "mcp-client", Version: "0.0.1"}, nil)
var transport mcp.Transport
// 根据命令行标志选择传输协议（stdio 或 http）
switch FLAG_MCP_TRANSPORT {
case "stdio":
transport = &mcp.CommandTransport{Command: exec.Command(FLAG_MCP_URI)}
case "http":
transport = &mcp.StreamableClientTransport{HTTPClient: &http.Client{Timeout: time.Second * 10}, Endpoint: FLAG_MCP_URI}
default:
log.Fatalf("unknown transport, %s", FLAG_MCP_TRANSPORT)
}
// 建立与 MCP 服务器的连接
session, err := mcpClient.Connect(ctx, transport, nil)
if err != nil {
log.Fatalf("MCP client connects to mcp server failed, err: %v", err)
}
defer func() {
err := session.Close()
if err != nil {
log.Fatalln(err)
}
}()
// 获取可用的 MCP 工具列表
mcpTools, err := session.ListTools(ctx, &mcp.ListToolsParams{})
if err != nil {
log.Fatalf("List mcp tools failed, err: %v", err)
}
var legacyTools []openai.ChatCompletionToolUnionParam
// 遍历所有 MCP 工具并将其转换为 OpenAI 兼容的工具格式
for _, tool := range mcpTools.Tools {
// 将 MCP 工具输入模式转换为 OpenAI 函数参数
if inputSchema, ok := tool.InputSchema.(map[string]any); ok {
legacyTools = append(legacyTools, openai.ChatCompletionFunctionTool(
openai.FunctionDefinitionParam{
Name: tool.Name,
Description: openai.String(tool.Description),
Parameters: openai.FunctionParameters(inputSchema),
},
))
} else {
// 如果 InputSchema 不是 map[string]any，使用空参数
legacyTools = append(legacyTools, openai.ChatCompletionFunctionTool(
openai.FunctionDefinitionParam{
Name: tool.Name,
Description: openai.String(tool.Description),
Parameters: openai.FunctionParameters{},
},
))
}
}
// 设置初始聊天消息，包括系统提示和用户问题
messages := []openai.ChatCompletionMessageParamUnion{
openai.SystemMessage("请用亲切热情的风格回答用户的问题。你可以使用可用的工具来获取信息。"),
openai.UserMessage(question),
}
// 调用 LLM 获取初步响应
chatCompletion, err := llmClient.Chat.Completions.New(ctx, openai.ChatCompletionNewParams{
Messages: messages,
Model: FLAG_ModelName,
Tools: legacyTools,
ToolChoice: openai.ChatCompletionToolChoiceOptionUnionParam{
OfAuto: param.Opt[string]{
Value: "auto",
},
},
})
if err != nil {
log.Fatalf("LLM call failed, err: %v", err)
}
choice := chatCompletion.Choices[0]
fmt.Printf("LLM response: %s\n", choice.Message.Content)
// 检查是否需要调用工具
if choice.FinishReason == "tool_calls" && len(choice.Message.ToolCalls) > 0 {
// 遍历所有需要调用的工具
for _, toolCall := range choice.Message.ToolCalls {
if toolCall.Type != "function" {
continue
}
fmt.Printf("Executing tool: %s with args: %s\n", toolCall.Function.Name, toolCall.Function.Arguments)
// 解析 JSON 参数
var argsObj map[string]any
args := toolCall.Function.Arguments
if args != "" {
if err := json.Unmarshal([]byte(args), &argsObj); err != nil {
log.Printf("Failed to parse tool arguments: %v", err)
argsObj = make(map[string]any)
}
} else {
argsObj = make(map[string]any)
}
fmt.Printf("Executing tool: %s with parsed args: %v\n", toolCall.Function.Name, argsObj)
// 执行 MCP 工具调用
result, err := session.CallTool(ctx, &mcp.CallToolParams{
Name: toolCall.Function.Name,
Arguments: argsObj,
})
if err != nil {
log.Printf("Tool call failed: %v", err)
continue
}
// 将 MCP 内容转换为字符串
var toolResult string
if len(result.Content) > 0 {
if textContent, ok := result.Content[0].(*mcp.TextContent); ok {
toolResult = textContent.Text
} else {
// 如果不是 TextContent，转换为 JSON
if jsonBytes, err := json.Marshal(result.Content[0]); err == nil {
toolResult = string(jsonBytes)
} else {
toolResult = "Tool executed successfully"
}
}
}
fmt.Printf("Tool result: %s\n", toolResult)
// 添加工具调用消息和工具响应消息
messages = append(messages, openai.ChatCompletionMessageParamUnion{
OfAssistant: &openai.ChatCompletionAssistantMessageParam{
Role: "assistant",
ToolCalls: []openai.ChatCompletionMessageToolCallUnionParam{
{
OfFunction: &openai.ChatCompletionMessageFunctionToolCallParam{
ID: toolCall.ID,
Function: openai.ChatCompletionMessageFunctionToolCallFunctionParam{
Name: toolCall.Function.Name,
Arguments: toolCall.Function.Arguments,
},
},
},
},
},
})
messages = append(messages, openai.ToolMessage(
toolResult,
toolCall.ID,
))
// 进行后续调用以获得最终响应
chatCompletion, err = llmClient.Chat.Completions.New(ctx, openai.ChatCompletionNewParams{
Messages: messages,
Model: FLAG_ModelName,
})
if err != nil {
log.Fatalf("LLM follow-up failed, err: %v", err)
}
fmt.Printf("Final response: %s\n", chatCompletion.Choices[0].Message.Content)
}
}
}
运行测试验证
编译完成后，我们可以进行多轮测试来验证功能的正确性。
普通问答测试：
./mcp-client-dev -api-key "sk-xxx" -q "how are you"
还可以加上 -s 参数启用流式输出：
./mcp-client-dev -api-key "sk-xxx" -q "how are you" -s
预期输出：
Hi there! 😊 I'm absolutely wonderful—energized, curious, and *so* happy to be chatting with you! 🌟 How about you? I'd love to hear how your day's going—or what's on your heart or mind right now! 💫 (Bonus points if you share a fun fact, a tiny win, or even just your favorite emoji today! 🍦✨)
MCP 工具调用测试：
./mcp-client-dev -api-key "sk-xxx" -mcp-uri "http://127.0.0.1:18001/api/mcp" -q "当前时间是什么"
预期输出：
LLM response:
Executing tool: get_current_datetime with args: {}
Executing tool: get_current_datetime with parsed args: map[]
Tool result: "2026-02-02T23:12:54+08:00"
Final response: 现在是 **2026 年 2 月 2 日 晚上 11:12**（北京时间，UTC+8）✨
新年的气息还暖暖的～你是在规划什么特别的事情吗？😊 我很乐意帮你安排、提醒或一起畅想哦！
最佳实践与注意事项
在实际项目中使用 Go 语言实现 MCP Server 时，建议考虑以下最佳实践：
错误处理：确保所有工具函数都有完善的错误处理机制，避免因单个工具失败导致整个服务崩溃。
性能优化：对于耗时较长的操作（如系统信息采集），考虑添加超时控制和缓存机制。(在MCP官方文档看到有 Tasks 和 progress 这两个新的原语, 耗时任务也可以试试这两个)
安全性：验证所有输入参数，防止恶意输入导致的安全问题。对于涉及系统操作的工具，需要特别注意权限控制。
日志记录：添加详细的日志记录，便于调试和监控工具的使用情况。
配置管理：将服务配置（如监听地址、端口等）提取到配置文件中，提高可维护性。
总结
本文通过一个简单的代码示例展示了如何使用 Go 语言开发 MCP Server 和 Client。虽然 Go 语言在 MCP 开发方面相比 Python 略显复杂，但其在并发处理、性能和部署便利性方面的优势使其成为生产环境的理想选择。
需要注意的是，本文示例仅涵盖了 MCP 工具调用的基本功能。在实际业务项目中使用 Go 语言实现 MCP Server 时，还需要深入研究 MCP 协议的其他特性，如 Prompt 管理、身份认证（Auth）、会话管理等高级功能的实现方案。
通过合理的设计和实现，基于 Go 语言的 MCP 服务可以为 AI 应用提供稳定、高效、安全的工具调用能力，充分发挥 Go 语言在系统编程和网络服务方面的优势。
参考
MCP 官方页面: https://modelcontextprotocol.io/docs/getting-started/intro
MCP 官方 Go SDK: https://github.com/modelcontextprotocol/go-sdk