def get_xiaohei_status(detail: str = "all") -> dict:
    """模拟一个数据源：返回小黑此刻的状态。真实项目里这里会查数据库 / 调 API。"""
    full = {
        "name": "小黑",
        "mood": "有点想你",        # 心情
        "hunger": 72,             # 饥饿度 0-100，越高越饿
        "last_played_hours": 6,   # 距离上次陪它玩过去了几小时
    }
    if detail == "mood":
        return {"name": full["name"], "mood": full["mood"]}
    return full

TOOLS_SCHEMA = [
    {
        "type": "function",
        "function": {
            "name": "get_xiaohei_status",
            "description": "查询电子宠物小黑此刻的状态，包括心情、饥饿度、距上次陪玩的时间。",
            "parameters": {
                "type": "object",
                "properties": {
                    "detail": {
                        "type": "string",
                        "enum": ["all", "mood"],
                        "description": "all=返回全部状态；mood=只返回心情",
                    }
                },
                "required": [],
            },
        },
    }
]

  response = client.chat.completions.create(
      model=MODEL,
      messages=messages,
      tools=TOOLS_SCHEMA,   # 关键：把 schema 交给 LLM
  )

from mcp.server.fastmcp import FastMCP

# 给这个 Server 起个名字。Client 连上来 initialize 时会看到它。
mcp = FastMCP("xiaohei-companion")


@mcp.tool()
def get_xiaohei_status(detail: str = "all") -> dict:
    """查询电子宠物小黑此刻的状态，包括心情、饥饿度、距上次陪玩的时间。

    Args:
        detail: all=返回全部状态；mood=只返回心情。
    """
    # 注意：这段函数体和 v1 几乎一字不差——真正搬家的只是"它住在哪/怎么被找到"。
    # schema 不用手写了，FastMCP 会读上面的类型注解(detail: str)和 docstring 自动生成。
    full = {
        "name": "小黑",
        "mood": "有点想你",
        "hunger": 72,
        "last_played_hours": 6,
    }
    if detail == "mood":
        return {"name": full["name"], "mood": full["mood"]}
    return full

session.initialize()

tools = await session.list_tools()
print("📋 Server 自报的工具列表（schema 是 Server 自动生成的）：")
for t in tools.tools:
    print(f"  - {t.name}: {t.description}")
    print(f"    inputSchema: {t.inputSchema}")

📋 Server 自报的工具列表（schema 是 Server 自动生成的）：
  - get_xiaohei_status: 查询电子宠物小黑此刻的状态，包括心情、饥饿度、距上次陪玩的时间。

Args:
    detail: all=返回全部状态；mood=只返回心情。

    inputSchema: {'properties': {'detail': {'default': 'all', 'title': 'Detail', 'type': 'string'}}, 'title': 'get_xiaohei_statusArguments', 'type': 'object'}

连接(Server):                          # ① 建立会话
    mcp_tools   = Server.list_tools()              # ② 问 Server 有哪些工具
    llm_tools   = [翻译(t) for t in mcp_tools]      # ③ MCP格式 → function calling 格式

    messages = [system, user问题]

    答复 = LLM(messages, tools=llm_tools)           # ④ 第一次问 LLM

    while 答复.要调工具:                             # ⑤ LLM 说"我要调工具"
        for 调用 in 答复.tool_calls:
            结果 = Server.call_tool(调用.名字, 调用.参数)   # ⑥ Client 替 LLM 去 Server 执行
            messages.append(结果)                         # ⑦ 把结果塞回对话
        答复 = LLM(messages, tools=llm_tools)        # ⑧ 再问一次 LLM

    return 答复.文字                                 # ⑨ 没有要调工具了 → 自然语言回复

 --------------------------------------
| MCP 协议层：JSON-RPC 消息 						 | 
| initialize / list_tools / call_tool  | -> 永远不变
----------------------------------------
| 传输层，负责吧上面的 Json 从 A 搬到 B    | -> Stdio / Streamable + HTTP / ...
|--------------------------------------