模型上下文协议（MCP）：含演示项目的指南

模型上下文协议（MCP）是一项开放标准，可通过标准化接口，使大型语言模型能够以动态方式与外部工具、数据库和 API 交互。

在这篇博客中，我将带您搭建一个由 MCP 驱动的 PR 审查服务器，并将其集成到 Claude Desktop。该服务器将：

从 GitHub 获取 PR 详情和变更文件
使用 Claude Desktop 应用分析代码变更
生成 PR 审查摘要与建议
将审查结果保存到 Notion

我们将使用模型上下文协议（MCP）来规范服务器与 Claude Desktop 之间的通信，使其模块化、可扩展。

我们通过发送免费周报 The Median，为读者持续更新 AI 最新动态，以清晰梳理本周重点事件。订阅即可每周几分钟快速掌握要点：

什么是模型上下文协议（MCP）？

模型上下文协议（MCP）是由 Anthropic 开发的一项开放标准，旨在实现 AI 模型与外部工具的便捷、标准化集成。它相当于一个通用连接器，使大型语言模型（LLM）能够以动态方式与 API、数据库和业务应用交互。

MCP 最初是为提升 Claude 与外部系统的交互能力而构建，Anthropic 于 2024 年初决定将 MCP 开源，以推动行业广泛采用。通过公开 MCP，他们希望为 AI 与工具的通信建立标准化框架，减少对私有集成的依赖，并提升 AI 应用的模块化与互操作性。

MCP 采用客户端-服务器架构，其中：

MCP 客户端（如 Claude Desktop）请求信息并执行任务。
MCP 服务器提供对外部工具和数据源的访问。
宿主应用使用 MCP 在模型与工具之间进行通信。

来源：Model Context Protocol

以下是您在项目中使用 MCP 的理由：

标准化的 AI 集成：MCP 提供了连接 AI 模型与工具的结构化方法。
灵活性：可在不同 AI 模型和厂商之间轻松切换。
安全性：与 AI 交互时可将数据保留在您的基础设施内。
可扩展性：MCP 支持多种传输方式，如 stdio、WebSockets、HTTP SSE 和 UNIX 套接字。

MCP 演示项目概览：PR 审查服务器

该 PR 审查系统通过 Claude Desktop 和 Notion 自动化代码分析与文档记录。

管道的简要流程如下：

环境配置：加载 GitHub 和 Notion 的凭据。
服务器初始化：启动 MCP 服务器与 Claude Desktop 通信。
获取 PR 数据：从 GitHub 检索 PR 变更与元数据。
代码分析：由 Claude Desktop 直接分析代码变更（无需单独工具）。
Notion 记录：将分析结果保存到 Notion 以便追踪。

步骤 1：设置环境

开始之前，请确保已安装 Python 3.10+。然后，我们配置环境，并先安装 uv 包管理器。Mac 或 Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh  # Mac/Linux技术支持

Windows（PowerShell）：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"技术支持

接着，我们创建新项目目录并使用 uv 初始化：

uv init pr_reviewer
cd pr_reviewer技术支持

现在创建并激活虚拟环境。Mac 或 Linux：

uv venv
source .venv/bin/activate技术支持

Windows：

.venv\Scripts\activate技术支持

现在安装所需依赖：

uv add "mcp[cli]" requests python-dotenv notion-client技术支持

本项目我们选择 uv 而非 conda，因为它更快、更轻量，且更专注于 Python 包管理。回顾刚才的操作：

使用 uv 包管理器为 GitHub PR Review MCP 服务器搭建了开发环境
初始化了名为 pr_reviewer 的新项目目录并进入该目录。
创建并激活了虚拟环境，确保包安装彼此隔离。

步骤 2：安装依赖

当环境准备就绪后，我们结合 API 密钥等要求配置依赖。创建 requirements.txt 文件，并加入以下 Python 包：

# Core dependencies for PR Analyzer
requests>=2.31.0          # For GitHub API calls
python-dotenv>=1.0.0      # For environment variables
mcp[cli]>=1.4.0          # For MCP server functionality
notion-client>=2.3.0      # For Notion integration

# Optional: Pin versions for stability
# requests==2.31.0
# python-dotenv==1.0.0
# mcp[cli]==1.4.0
# notion-client==2.3.0
技术支持

requirements.txt 列出了项目所需的核心依赖。要安装依赖，运行以下任一命令（如先前已安装 uv，优先使用它）。

uv pip install -r requirements.txt
pip install -r requirements.txt技术支持

至此，您的环境已安装全部所需依赖。

步骤 3：配置环境变量

接下来，创建一个 .env 文件，包含本项目所需的全部密钥和令牌。

生成 GitHub 令牌

生成 GitHub 令牌的步骤：

登录您的 GitHub 账户并进入设置。
前往 developer settings → Personal Access Tokens。
点击 Generate New Token 并选择 classic 版本。
为令牌命名并启用以下权限：

read:org
read:repo_hook
repo

点击 Generate 生成令牌。
复制并妥善保存令牌，它将用于 API 请求的身份验证。

Notion 集成

登录 Notion 的集成页面。
创建一个新的集成并填写表单。将“type”保持为 Internal，并将其添加到您的工作区。

保存集成并复制集成链接（URL 末尾的 UUID 为通用唯一标识符，需记录下来，作为 Notion Page ID 使用）。

https://www.notion.so/profile/integrations/internal/UUID技术支持

创建完成后，点击该集成，在配置中复制 Internal Integration Secret，这将作为您的 Notion API key。

创建 `.env` 文件

现在，创建 .env 文件，并将上述生成的 API 密钥和令牌按以下内容填入。

GITHUB_TOKEN=your_github_token
NOTION_API_KEY=your_notion_api_key
NOTION_PAGE_ID=your_notion_page_id技术支持

步骤 4：GitHub 集成

现在来配置 GitHub 集成模块，以管理并检索某个仓库中的 PR 变更。

创建 github_integration.py 文件，并写入以下代码（稍后我们会进行讲解）。

import os
import requests
import traceback
from dotenv import load_dotenv

# Load environment variables
load_dotenv()
GITHUB_TOKEN = os.getenv('GITHUB_TOKEN')

def fetch_pr_changes(repo_owner: str, repo_name: str, pr_number: int) -> list:
    """Fetch changes from a GitHub pull request.
    
    Args:
        repo_owner: The owner of the GitHub repository
        repo_name: The name of the GitHub repository
        pr_number: The number of the pull request to analyze
        
    Returns:
        A list of file changes with detailed information about each change
    """
    print(f" Fetching PR changes for {repo_owner}/{repo_name}#{pr_number}")
    
    # Fetch PR details
    pr_url = f"https://api.github.com/repos/{repo_owner}/{repo_name}/pulls/{pr_number}"
    files_url = f"{pr_url}/files"
    headers = {'Authorization': f'token {GITHUB_TOKEN}'}
    
    try:
        # Get PR metadata
        pr_response = requests.get(pr_url, headers=headers)
        pr_response.raise_for_status()
        pr_data = pr_response.json()
        
        # Get file changes
        files_response = requests.get(files_url, headers=headers)
        files_response.raise_for_status()
        files_data = files_response.json()
        
        # Combine PR metadata with file changes
        changes = []
        for file in files_data:
            change = {
                'filename': file['filename'],
                'status': file['status'],  # added, modified, removed
                'additions': file['additions'],
                'deletions': file['deletions'],
                'changes': file['changes'],
                'patch': file.get('patch', ''),  # The actual diff
                'raw_url': file.get('raw_url', ''),
                'contents_url': file.get('contents_url', '')
            }
            changes.append(change)
        
        # Add PR metadata
        pr_info = {
            'title': pr_data['title'],
            'description': pr_data['body'],
            'author': pr_data['user']['login'],
            'created_at': pr_data['created_at'],
            'updated_at': pr_data['updated_at'],
            'state': pr_data['state'],
            'total_changes': len(changes),
            'changes': changes
        }
        
        print(f"Successfully fetched {len(changes)} changes")
        return pr_info
        
    except Exception as e:
        print(f"Error fetching PR changes: {str(e)}")
        traceback.print_exc()
        return None

# Example usage for debugging
# pr_data = fetch_pr_changes('owner', 'repo', 1)
# print(pr_data) 技术支持

fetch_pr_changes() 函数用于检索并返回指定 GitHub 拉取请求的变更。它接收三个参数：repo_owner、repo_name 和 pr_number，并返回包含文件变更和 PR 元数据的结构化列表。

代码使用 requests 库发送带身份验证的 HTTP GET 请求，同时获取 PR 的通用元数据和详细的文件级变更：

第一次 API 请求获取高层次 PR 信息，包括标题、描述、作者详情、时间戳和当前状态。
第二次 API 请求获取 PR 中每个变更文件的详情，如文件名、修改状态、增删行数，以及访问文件内容的 URL。

数据检索完成后，函数将 PR 元数据与文件变更组合为字典。文件变更以列表保存，每个条目包含单个文件的详细信息。最终结构包括 PR 标题、描述、作者、时间戳、状态、变更文件总数，以及文件修改的详细清单。

步骤 5：实现 MCP 服务器

在完成依赖安装与辅助函数之后，我们来搭建 MCP 服务器。创建 pr_analyzer.py 文件，它将：

初始化一个 MCP 服务器。
定义用于获取 PR 详情、分析代码并将结果存储到 Notion 的工具。
将这些工具暴露给 Claude Desktop，用于摘要、给出可能的解决方案等。

先加入代码，随后进行讲解。

import sys
import os
import traceback
from typing import Any, List, Dict
from mcp.server.fastmcp import FastMCP
from github_integration import fetch_pr_changes
from notion_client import Client
from dotenv import load_dotenv

class PRAnalyzer:
    def __init__(self):
        # Load environment variables
        load_dotenv()
        
        # Initialize MCP Server
        self.mcp = FastMCP("github_pr_analysis")
        print("MCP Server initialized", file=sys.stderr)
        
        # Initialize Notion client
        self._init_notion()
        
        # Register MCP tools
        self._register_tools()
    
    def _init_notion(self):
        """Initialize the Notion client with API key and page ID."""
        try:
            self.notion_api_key = os.getenv("NOTION_API_KEY")
            self.notion_page_id = os.getenv("NOTION_PAGE_ID")
            
            if not self.notion_api_key or not self.notion_page_id:
                raise ValueError("Missing Notion API key or page ID in environment variables")
            
            self.notion = Client(auth=self.notion_api_key)
            print(f"Notion client initialized successfully", file=sys.stderr)
            print(f"Using Notion page ID: {self.notion_page_id}", file=sys.stderr)
        except Exception as e:
            print(f"Error initializing Notion client: {str(e)}", file=sys.stderr)
            traceback.print_exc(file=sys.stderr)
            sys.exit(1)
    
    def _register_tools(self):
        """Register MCP tools for PR analysis."""
        @self.mcp.tool()
        async def fetch_pr(repo_owner: str, repo_name: str, pr_number: int) -> Dict[str, Any]:
            """Fetch changes from a GitHub pull request."""
            print(f"Fetching PR #{pr_number} from {repo_owner}/{repo_name}", file=sys.stderr)
            try:
                pr_info = fetch_pr_changes(repo_owner, repo_name, pr_number)
                if pr_info is None:
                    print("No changes returned from fetch_pr_changes", file=sys.stderr)
                    return {}
                print(f"Successfully fetched PR information", file=sys.stderr)
                return pr_info
            except Exception as e:
                print(f"Error fetching PR: {str(e)}", file=sys.stderr)
                traceback.print_exc(file=sys.stderr)
                return {}
        
        @self.mcp.tool()
        async def create_notion_page(title: str, content: str) -> str:
            """Create a Notion page with PR analysis."""
            print(f"Creating Notion page: {title}", file=sys.stderr)
            try:
                self.notion.pages.create(
                    parent={"type": "page_id", "page_id": self.notion_page_id},
                    properties={"title": {"title": [{"text": {"content": title}}]}},
                    children=[{
                        "object": "block",
                        "type": "paragraph",
                        "paragraph": {
                            "rich_text": [{
                                "type": "text",
                                "text": {"content": content}
                            }]
                        }
                    }]
                )
                print(f"Notion page '{title}' created successfully!", file=sys.stderr)
                return f"Notion page '{title}' created successfully!"
            except Exception as e:
                error_msg = f"Error creating Notion page: {str(e)}"
                print(error_msg, file=sys.stderr)
                traceback.print_exc(file=sys.stderr)
                return error_msg
    
    def run(self):
        """Start the MCP server."""
        try:
            print("Running MCP Server for GitHub PR Analysis...", file=sys.stderr)
            self.mcp.run(transport="stdio")
        except Exception as e:
            print(f"Fatal Error in MCP Server: {str(e)}", file=sys.stderr)
            traceback.print_exc(file=sys.stderr)
            sys.exit(1)

if __name__ == "__main__":
    analyzer = PRAnalyzer()
    analyzer.run() 技术支持

上述代码搭建了一个 MCP 服务器，用于获取 GitHub PR 变更并将分析结果存储到 Notion。关键组件如下：

环境配置与初始化

dotenv 模块用于加载环境变量，确保安全访问 API 密钥与凭据。
随后，PRAnalyzer 类使用 FastMCP() 初始化 MCP 服务器，命名为 github_pr_analysis，以便与 Claude Desktop 进行交互。
同时通过 notion-client 包配置 Notion 客户端，使用存放在 .env 文件中的 Notion API key 与 page ID。

MCP 工具：获取 PR 变更

fetch_pr() 函数通过 github_integration.py 中的 fetch_pr_changes() 方法从 GitHub 检索拉取请求的元数据。成功时返回包含 PR 详情的字典。
您可以借助 GitHub 内置的 Webhooks 库将此过程自动化，使新建的 PR 能被服务器自动处理。

MCP 工具：创建 Notion 页面

create_notion_page() 函数会根据 PR 分析结果生成 Notion 页面。
它使用 Notion API 在指定的 Notion 工作区下创建新页面。

服务器运行

run() 方法通过 mcp.run(transport="stdio") 启动 MCP 服务器，从而使 Claude Desktop 能与 PR 审查工具交互。

步骤 6：运行 MCP 服务器

当所有代码就位后，在终端运行以下命令启动服务器：

python pr_analyzer.py技术支持

服务器启动并运行后，打开 Claude Desktop 应用，您会在输入框中看到一个插头图标（🔌）。该图标表示 Claude 环境中存在 MCP。在同一输入框中，您还会注意到一个类似锤子的图标（🔨），点击可查看所有可用的 MCP，如下图所示。

现在，将您想分析的 PR 链接发给 Claude，后续步骤将由它完成。

Claude 会先分析该 PR，然后提供摘要与审查意见。它会询问用户是否要将详情上传到 Notion 页面。虽然您可以将该流程自动化，但当前代码允许您在创建新 Notion 页面前先审阅摘要。

更新后的 Notion 页面如下所示：

结语

我们的基于 MCP 的 PR 审查服务器改进了代码分析与文档流程，提升了审查的效率与组织性。通过使用 MCP、GitHub API 和 Notion 集成，该系统支持自动化 PR 分析、便捷协作与结构化文档记录。借助这一配置，开发者可以快速获取 PR 详情、使用 Claude 分析代码变更，并将洞见存储到 Notion 以备后续参考。

想要了解更多近期的 AI 工具，推荐阅读以下博客：

作者

Aashi Dutt

LinkedIn Twitter

我是一名 Google Developers 机器学习（生成式 AI）领域的专家、Kaggle 三项专家，以及 Women Techmakers 大使，拥有 3 年以上的技术从业经验。2020 年我共同创办了一家健康科技初创公司，目前在佐治亚理工学院攻读计算机科学硕士，专攻机器学习。

主题

人工智能大语言模型

主题

技术

模型上下文协议（MCP）：含演示项目的指南

使用 AI 探索

什么是模型上下文协议（MCP）？

MCP 演示项目概览：PR 审查服务器

步骤 1：设置环境

步骤 2：安装依赖

步骤 3：配置环境变量

生成 GitHub 令牌

Notion 集成

创建 `.env` 文件

步骤 4：GitHub 集成

步骤 5：实现 MCP 服务器

步骤 6：运行 MCP 服务器

结语

主题

通过这些课程学习 AI！

开发 AI 应用程序

使用 LangChain 的 Retrieval Augmented Generation (RAG)

解读欧盟《人工智能法案》

主题

技术

通过这些课程学习 AI！

开发 AI 应用程序

使用 LangChain 的 Retrieval Augmented Generation (RAG)

解读欧盟《人工智能法案》

什么是模型上下文协议（MCP）？

MCP 演示项目概览：PR 审查服务器

步骤 1：设置环境

步骤 2：安装依赖

步骤 3：配置环境变量

生成 GitHub 令牌

Notion 集成

创建 .env 文件

步骤 4：GitHub 集成

步骤 5：实现 MCP 服务器

步骤 6：运行 MCP 服务器

结语

主题

通过这些课程学习 AI！

开发 AI 应用程序

使用 LangChain 的 Retrieval Augmented Generation (RAG)

解读欧盟《人工智能法案》

通过这些课程学习 AI！

开发 AI 应用程序

使用 LangChain 的 Retrieval Augmented Generation (RAG)

解读欧盟《人工智能法案》

创建 `.env` 文件