本文永久链接 – https://tonybai.com/2026/11/18/build-mcp-in-golang

大家好,我是Tony Bai。

过去很多年,后端工程师最熟悉的工作,是把业务能力封装成 API:设计 URL,定义请求和响应,处理认证、授权和错误码,再把接口交给前端或其他服务调用。

但 AI 应用的出现,正在改变软件能力被使用的方式。

当用户对 AI 助手说“帮我查一下这笔订单为什么还没发货”,模型需要做的可能不只是回答一个问题。它要理解用户意图,找到合适的业务能力,查询订单状态、检查库存、读取物流信息,最后把分散的信息组织成一个有依据的回答。

企业内部其实早已有这些能力。订单系统有查询接口,库存系统有库存服务,工单系统有工单 API。问题在于:这些接口是为传统软件调用设计的,并不天然具备 AI 应用所需要的发现、描述和交互方式。

API 能被程序调用,不等于 AI 应用就能可靠地使用它。

这正是 MCP(Model Context Protocol)最初受到热烈关注,以及能持续演化至今的原因。

MCP 为 AI Host、MCP Client 与 MCP Server 之间的交互提供了一套标准化协议。服务端可以通过 Tools 暴露可执行的业务动作,通过 Resources 提供可读取的上下文,也可以通过 Prompts 提供可复用的任务模板。客户端则可以按照协议发现能力,并在相应的权限与安全边界内发起交互。

不过,我想先澄清一个容易产生的误解:引入 MCP,并不意味着要重写现有后端系统。

如果你的订单查询逻辑已经由 Go 服务实现,就没有必要为了 MCP 再写一套订单查询业务。更合理的做法,是在现有领域服务之外增加一个 MCP 适配层:它负责把 MCP 请求映射到已有应用服务,再把结果转换成适合 AI 客户端理解的响应。

这也意味着,MCP 工程实践的重点并不只是“如何注册一个 Tool”。真正值得认真对待的,还有工具契约如何设计、只读与写操作如何区分、身份和租户如何传递、模型发起的调用如何被授权、失败如何处理,以及服务如何测试、观测和部署。

为什么今天还要写 MCP?

可能有人会问:到了今天,还有必要专门学习 MCP 吗?

这个问题并非没有道理。

OpenClaw 兴起时,社区曾出现过一轮关于 MCP 的讨论:既然 AI Agent 已经能够直接调用 CLI、执行 Shell 命令,甚至通过 Skills 按需学习工具用法,那么 MCP 是否有些多余?CLI 能不能最终取代 MCP?

CLI 确实有自己的优势。它天然适合命令组合、管道处理和脚本自动化,拥有庞大的 Unix 工具生态。对于运行在本地、拥有终端权限的 Agent 来说,直接使用 CLI 往往更加轻量、灵活,也不必为每个工具预先加载一大堆 Schema。

但这并不意味着 CLI 可以全面取代 MCP。

两者解决的问题并不完全相同。CLI 更像是给 Agent 一把通用的操作系统工具箱,适合命令执行、文件操作和本地自动化;MCP 则提供了一套跨语言、跨平台的标准化能力接口,让不同 AI Host 能够以统一方式发现和调用远程或本地服务,并交换结构化参数、结果以及上下文资源。

尤其是在企业场景中,我们不可能总是给 Agent 一个 Shell,让它直接访问数据库、执行命令或操作内部系统。我们更需要明确的能力边界、结构化的输入输出、统一的认证授权,以及可审计、可治理的服务接口。

一个值得注意的细节是:CLI 与 MCP 并不一定是二选一。OpenClaw (以及其依赖的Pi ) 当前的 CLI Backend 就支持通过本地 MCP Bridge,将 Gateway 管理的工具提供给 Claude Code 等 CLI Agent 使用。换句话说,CLI 可以成为 Agent 的运行环境,而 MCP 仍然可以承担工具连接和能力暴露的角色。

所以,我并不认为 MCP 会取代 CLI,也不认为 CLI 的流行意味着 MCP 已经失去价值。更合理的判断是:两者处于不同的抽象层次,在不同场景下各有所长,也可以组合使用。

今天写这个专栏,不是因为 MCP 是唯一正确的 Agent 工具接入方式,而是因为对于已经拥有大量 Go 后端服务的企业而言,如何以标准化、可治理、可复用的方式,把现有业务能力开放给 AI Agent,仍然是一个真实且重要的工程问题。

这正是我们学习 MCP 的意义所在。

为什么选择 Go?

Go 在企业后端、云原生基础设施和网络服务中有广泛应用。对于已经使用 Go 构建业务系统的团队来说,使用 Go 官方 MCP SDK 增加 MCP 接入层,可以延续现有语言、工程规范、测试体系和部署方式。

更重要的是,我们可以把 Go 中成熟的工程思想带进 MCP 服务:

  • 用接口隔离领域逻辑与协议适配。
  • 用类型化结构定义输入和输出。
  • 用 context.Context 贯穿请求生命周期。
  • 用自动化测试验证工具契约和协议交互。
  • 用清晰的依赖方向控制系统复杂度。

我们不打算从零实现 MCP 协议,也不会把课程写成 SDK API 的逐项罗列。我们要做的是从一个真实业务问题出发,逐步构建一个可以运行、可以测试、可以扩展,并且具备生产化基础的 Go MCP Server。

我们将一起构建什么?

整个专栏会围绕一个虚构的企业订单管理系统展开。

一开始,系统只有一个订单查询服务。我们会先把它封装为 get_order Tool,让 MCP Client 能够发现并调用它。随后,我们逐步加入库存查询、工单查询、业务知识资源,以及取消订单、创建工单等带有副作用的操作。

随着功能增加,我们还会面对真实工程中绕不开的问题:

  • 一个 Tool 的名称、描述和参数 Schema,怎样设计才不容易被模型误用?
  • 什么场景应该使用 Tool,什么场景更适合 Resource 或 Prompt?
  • stdio 与 Streamable HTTP 分别适合什么部署环境?
  • 如何确认调用者身份,并保证用户只能访问自己有权访问的数据?
  • 当模型重复发起写操作时,怎样避免重复取消、重复创建?
  • 如何处理超时、取消、并发、限流和下游故障?
  • 怎样测试一个 MCP Server,而不只是测试它内部的 Go 函数?

这些问题会沿着同一个项目逐步展开。每一讲都会在前面代码的基础上继续演进,而不是每次重新创建一个互不相关的 Demo。

本微专栏一共14讲,结构概览如下:

模块 讲次 主题 阶段成果
第一模块:建立心智模型 01–03 MCP 价值、协议交互、Go 项目骨架 理解协议并搭建工程
第二模块:第一个 MCP Server 04–06 第一个 Tool、工具契约、传输方式 让客户端真正调用业务能力
第三模块:组织业务能力 07–09 多工具、Resources/Prompts、安全写操作 形成完整业务能力面
第四模块:生产工程实践 10–14 授权、可靠性、测试观测、部署、综合实战 具备生产化交付能力

这不是一门“照着文档敲代码”的微专栏

我希望这组内容能帮助你建立一套可迁移的工程判断。

例如,面对一个已有的 REST API,我们不应该机械地把每个 endpoint 都包装成 Tool;而应该先判断它代表什么用户任务、是否适合模型自主选择、是否存在副作用,以及需要什么权限边界。

再比如,完成一个能返回订单信息的 Tool,只能说明协议链路跑通了。它还不能证明这个服务可以安全地接入企业生产环境。真正的工程工作,恰恰从第一个 Tool 成功调用之后开始。

因此,每一讲都会围绕一个核心问题展开:先说明为什么需要解决它,再建立必要的概念模型,最后通过完整的 Go 项目代码把它落地。涉及代码时,我们会给出项目目录、完整源码,以及运行和测试步骤;涉及协议时,会明确所依据的 SDK 与协议版本,避免把不同版本的行为混在一起。

完成专栏后,期望每个读者都能够:

  1. 理解 MCP Host、Client、Server 及一次 Tool 调用的基本链路。
  2. 使用 Go 官方 SDK 构建 MCP Server 和类型化 Tool。
  3. 将 MCP 适配层与领域服务、仓储实现解耦。
  4. 设计清晰的工具名称、描述、输入 Schema 和输出结构。
  5. 根据场景选择 stdio 或 Streamable HTTP。
  6. 合理使用 Tools、Resources 和 Prompts。
  7. 为写操作设计授权、确认、幂等和审计机制。
  8. 处理 context 取消、超时、并发、限流和下游故障。
  9. 建立协议集成测试、可观测性与部署流程。

适合怎样的读者?

如果你已经掌握 Go 的基本语法,写过 HTTP 服务,理解接口、并发和测试,那么这组内容就适合你。

你不需要先成为 MCP 专家,也不需要拥有一套复杂的 AI 基础设施。我们会从本地可运行的最小服务开始,逐步走向远程部署和生产化实践。

如果你正在负责企业内部 AI 平台、智能客服、研发助手或业务 Copilot 的建设,这个专栏则非常适合你作为一条实践路线:把已有的 Go 后端能力,以标准化、可治理的方式开放给 AI 应用。

扫描或长按下方二维码,和我一起为你的后端应用构建AI 入口:


AI 时代,后端系统不会因为模型变得更强就自动拥有新的交互能力。我们仍然需要工程师把业务知识、系统能力和安全边界设计清楚。

MCP 提供了一种新的连接方式,而 Go 依然是我们构建可靠服务的工具。

接下来,让我们从一个看似简单的问题开始:

如果企业已经有了 REST API,为什么还需要 MCP?

我是Tony Bai,我们专栏第一讲见。


还在为“复制粘贴喂AI”而烦恼?我的新专栏 《AI原生开发工作流实战》 将带你:

  • 告别低效,重塑开发范式
  • 驾驭AI Agent(Claude Code),实现工作流自动化
  • 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码,开启你的AI原生开发之旅。


「Go & AI 精进营」已全面升级为「Go, Rust & AI 精进营」知识星球,快来加入星球,开启你的技术跃迁之旅吧!

我们致力于打造一个高品质的 现代系统级开发(Go / Rust) 与 前沿 Agentic AI 工程实践 平台。在这里,你将获得:

  • 体系化 Go 核心进阶内容: 深入「Go原理课」、「Go进阶课」、「Go避坑课」等独家深度专栏,夯实你的 Go 语言内功。
  • 硬核 Rust 专项实战赋能: 同步解锁全年 54 讲独家专栏「事不过三:Rust 系统级入门实战课」,通过 4 个里程碑项目(命令行工具、KV引擎、多线程Web服务、异步Redis),带你彻底攻克所有权与并发高山,拿下 Rust 核心壁垒。
  • 前沿 Agentic AI 落地实践: 紧跟时代步伐,系统学习「Agent开发实战课」、「Agentic软件工程课」、「Claude Code开发工作流实战」、「Harness工程设计」等,掌握 AI 时代的系统架构新技能。
  • 星主 Tony Bai 亲自答疑: 遇到疑难杂症?星主第一时间为你深度解析,扫清 Go、Rust 与 AI 实践中的学习与工程障碍。
  • 高活跃 Gopher & Rustacean 交流圈: 与众多优秀的技术极客探讨系统设计、分享前沿心得、碰撞思想火花。
  • 独家资源与专栏首发: 博客深度长文、专栏教程更新、精选技术资源,星球会员第一时间触达,加入星球即可免费阅读全套进阶专栏!

衷心希望「Go, Rust & AI 精进营」能成为你拓宽技术边界、持续精进与交流的温暖港湾。让我们在此相聚,享受代码与工程之美以及技术精进的快乐!欢迎你的加入!


商务合作方式:撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求,请扫描下方公众号二维码,与我私信联系。