本项目是在 The Developers Life Weekend 活动的工作坊期间开发的，活动地点位于乌穆阿拉马 - 巴拉那州（线上）。
本仓库包含分步指南、源代码和练习，用于构建您第一个基于 模型上下文协议（MCP） 的服务器。
在工作坊期间，我们介绍了：
MCP 协议的客户端-服务器架构；
为 LLM 创建和暴露工具（tools）；
资源（resources）和动态提示词的管理；
将服务器连接到真实 AI 客户端。
主项目使用 Python 和 FastMCP 创建。它提供工具和资源来查询天气预报，并演示了一个在发送邀请前需要确认的操作。
Related MCP server: Weather MCP Server
Python 3.14 或更高版本；
已安装 uv；
在 Auth0 中配置的应用程序；
可访问互联网以查询 https://wttr.in；
兼容的 MCP 客户端，如 OpenCode 或 MCP Inspector。
项目使用 uv.lock 来保持依赖版本的可复现性。
克隆仓库并进入项目文件夹：
git clone https://github.com/marcelomarkus/tdlw-workshop-mcp.git
cd tdlw-workshop-mcp同步依赖。该命令会自动创建或更新虚拟环境 .venv：
uv sync检查所选 Python 版本：
python --version
uv python find主服务器使用 Auth0Provider，需要以下环境变量：
变量 | 描述 |
| Auth0 实例的域名 |
| 应用程序的标识符 |
| 应用程序的密钥 |
| 在 Auth0 中配置的 API 标识符 |
从模板创建本地配置文件：
cp .env_example .env用真实值填写 .env：
AUTH_DOMAIN=https://seu-dominio.auth0.com
CLIENT_ID=seu-client-id
CLIENT_SECRET=seu-client-secret
AUDIENCE=https://sua-api.env 文件不会被 Python 自动加载。在启动服务器前导出变量：
set -a
source .env
set +a或者直接在同一个调用中定义它们：
AUTH_DOMAIN="https://seu-dominio.auth0.com" \
CLIENT_ID="seu-client-id" \
CLIENT_SECRET="seu-client-secret" \
AUDIENCE="https://sua-api" \
uv run main.py切勿共享 CLIENT_SECRET，也不要将其包含在提交中。
加载变量后，启动主服务器：
uv run main.pyMCP 端点可在以下地址访问：
http://127.0.0.1:8000/mcp在 MCP 客户端连接期间保持进程运行。要终止它，请按 Ctrl+C。
MCP Inspector 提供了一个 Web 界面，用于测试工具、资源和提示词。
在第一个终端中，启动服务器：
set -a
source .env
set +a
uv run main.py在另一个终端中，运行 Inspector：
npx @modelcontextprotocol/inspector在浏览器中打开 http://localhost:6274 并配置：
字段 | 值 |
传输方式 |
|
URL |
|
点击 Connect 并测试可用的工具和资源。Auth0 变量需要存在于服务器进程的环境中。
opencode.json 文件已指向本地端点：
{
"mcp": {
"Workshop": {
"type": "remote",
"url": "http://127.0.0.1:8000/mcp"
}
}
}服务器运行后，在此项目中打开 OpenCode。
Tempo(cidade)：查询某个城市的当前天气；
Temperatura(cidade)：查询某个城市的当前温度；
Enviar_Convites(quantidade)：请求确认并模拟发送，报告每个项目的进度。
天气查询使用 wttr.in/<cidade>?format=%t。
workshop://oque-o-mcp-nao-e：关于 MCP 的介绍性文本；
previsao://{cidade}：URI 中指定城市的天气预报。
exemplo_prompt(pergunta)：指导在天气工具之间进行选择。
.
├── main.py # Servidor MCP principal
├── mcp_com_api.py # Servidor MCP gerado a partir da API Petstore
├── exercises/ # Exercícios progressivos do workshop
│ ├── 01-mcp-server/
│ ├── 02-resources/
│ ├── 03-tools/
│ ├── 04-prompts/
│ ├── 05-Context/
│ ├── 06-auth/
│ └── 07-mcp-api/
├── slide/ # Material de apoio
│ └── TDLW-Umuarama.pdf
├── opencode.json # Configuração do OpenCode
├── pyproject.toml # Metadados e dependências
├── uv.lock # Versões resolvidas
└── .env_example # Modelo das variáveis do Auth0您可以通过 VS Code 的调试模式或 uv 运行项目：
uv run main.py要检查模块的语法：
python -m compileall main.py mcp_com_api.py exercisesModuleNotFoundError执行 uv sync 并使用 uv run main.py 运行程序，避免在依赖仅安装在 .venv 中时使用全局 Python。
检查四个 Auth0 变量是否已在服务器同一环境中导出，以及域名是否包含预期的协议。
测试连接性：
curl "https://wttr.in/Sao%20Paulo?format=%t"释放端口或在服务器和 opencode.json 中调整端口，保持两端地址一致。
This server cannot be deployed
Get current weather for any city and create images from your prompts. Streamline planning, reports…
US weather & geo for AI agents: forecasts, alerts, earthquakes, elevation, geocoding. No keys.
US weather & geo for AI agents: forecasts, alerts, earthquakes, elevation, geocoding. No keys.
Real-world data for agents: air quality, geocoding, quakes, holidays, web search