企业官网建设流程全解析

谨以本文记录我第一次使用自定义 MCP 服务，将Agent接入ROS2 系统的全过程。

1 什么是 MCP（Model Context Protocol）

简单来说，MCP 是一种标准化协议，用于让大模型：

• 发现你暴露的能力（Tools / Resources）
• 理解参数含义（Schema）
• 调用外部系统
• 将执行结果重新纳入上下文进行推理

与传统 API 不同，MCP 并不是“给人调用的接口”，而是：

专门为大模型设计的“能力协议”

它解决的是三个核心问题：

1. 模型如何知道“你能做什么”
2. 模型如何安全、结构化地调用能力
3. 调用结果如何自然进入模型上下文

2 为什么要做一个 ROS2 的 MCP 工具

在机器人与自动化系统中，ROS2 是事实上的基础设施，但它有一个天然痛点：

系统状态复杂，但对外不“可读”

比如：

• 当前有哪些节点在运行？
• 系统是否处于预期状态？
• 是否可以安全执行下一步操作？

如果 Agent 想要真正参与系统决策，它必须先**“看见世界”**。

因此，我选择从一个最基础、也是最关键的能力入手：

让 Agent 能够获取当前 ROS2 Node List

这是一个：

• 只读
• 无副作用
• 非常适合 Agent 推理的能力

3 工具选型

3.1 现阶段 Agent 能用的工具形态

在当前阶段，大模型真正“可用”的能力主要集中在三类：

1. 函数 / Tool 调用（Function Calling）
   通过结构化参数调用外部能力，模型可以基于返回结果继续推理。

2. 上下文注入（Context / Resource）
   将外部系统状态作为“只读信息”提供给模型，用于决策判断。

3. 有限的执行代理（Agent Loop）
   在“看 → 想 → 做”的闭环中，逐步推进任务完成。

但在工程实践中可以明显感受到一个问题：

模型并不适合直接“操作系统”，它更擅长“理解系统状态”。

因此，本次设计并没有一上来就做“启动 / 停止 ROS2 节点”之类的强执行能力，而是从最安全、最基础、也最有价值的工具开始：

• 读取 ROS2 Node List
• 让 Agent 对当前系统状态形成认知

这类工具具备三个特点：

• 只读、无副作用
• 可反复调用
• 非常利于模型推理

这也是“Agent 先看世界，再动手”原则在工程层面的具体落地。

3.2 为什么选择 Qoder，以及 Qoder 如何支持 MCP

在工具选型上，我最终选择了Qoder作为 Agent 侧的承载平台，主要基于以下几个现实原因。

3.2.1 为什么是 Qoder

首先是可落地性。

Qoder 是阿里体系内推出的 Agent / 编程助手工具，在国内网络环境下具备几个非常明显的优势：

• 无需复杂网络环境
• 调用稳定
• 整体成本可控，性价比高

相比一些需要海外网络、或者对账号和配额要求较高的方案，Qoder 在工程实践中更容易长期使用。

其次是定位非常工程化。

Qoder并不是单纯的“聊天模型”，而是天然围绕：

• 代码理解
• 工具调用
• 工程上下文

来设计的，这使得它非常适合用来承载 MCP 这种“面向系统能力”的协议。

3.2.2 Qoder 中对 MCP 的支持方式

从使用体验来看，Qoder 对 MCP 的支持是非常直接且工程友好的。

其核心机制可以概括为三点：

1. 通过配置文件注册 MCP Server
2. 启动时自动发现 MCP Tool
3. 在对话中按需调用并回收结果

也就是说，只要 MCP Server 符合标准协议，Qoder 就可以：

• 自动识别你暴露了哪些工具
• 理解工具参数含义
• 在合适的上下文中主动调用
• 将执行结果注入到模型上下文中

在本文的实现中：

• MCP Server 使用 Python 编写
• 通过 stdio 方式运行
• Qoder 负责进程生命周期管理

这使得整体架构非常干净：

Qoder ↓ MCP（标准协议） 自定义 MCP Server（Python） ↓ ROS2 rclpy

Agent 不需要关心 ROS2 的任何细节，
而 ROS2 系统也不需要“适配模型”，
MCP 成为了两者之间稳定、可演进的接口层。

4 MCP Server 实现（核心代码）

4.1 MCP Server初体验

importasynciofrommcp.server.fastmcpimportFastMCP mcp=FastMCP("Hello-MCP")def_get_node_list()->list[str]:importrclpyfromrclpy.nodeimportNodeifnotrclpy.ok():rclpy.init()node=Node("mcp_list_nodes_tmp")nodes=node.get_node_names()node.destroy_node()returnnodes@mcp.tool()asyncdefget_ros2_node_list()->list[str]:returnawaitasyncio.to_thread(_get_node_list)if__name__=="__main__":mcp.run()

FastMCP提供了一个非常轻量的方式来定义 MCP Server，不需要关心底层协议细节。

4.2 获取 ROS2 Node List 的底层实现

def_get_node_list()->list[str]:importrclpyfromrclpy.nodeimportNodeifnotrclpy.ok():rclpy.init()node=Node("mcp_list_nodes_tmp")nodes=node.get_node_names()node.destroy_node()returnnodes

几点说明：

• 使用rclpy原生接口
• 临时节点只用于查询，不参与通信
• 返回值是list[str]，非常利于模型理解

4.3 暴露为 MCP Tool（Agent 可调用）

@mcp.tool()asyncdefget_ros2_node_list()->list[str]:returnawaitasyncio.to_thread(_get_node_list)

这里有两个关键点：

• 使用@mcp.tool()显式声明能力
• 通过asyncio.to_thread避免阻塞 MCP 主线程

这一步完成后，Agent 已经可以“看见”这个工具了。

4.4 启动 MCP Server

if__name__=="__main__":mcp.run()

默认使用stdio 模式，非常适合 IDE / Agent 集成。

5 解决关键问题：ROS2 环境如何注入 MCP

一个非常容易踩的坑是：

conda 环境中的 Python 默认无法 import rclpy

原因是：

• rclpy并不是 pip 包
• 它依赖 ROS2 的环境变量

5.1 解决方案：启动脚本统一环境

#!/usr/bin/env bashsource/opt/ros/humble/setup.bashsource~/Softwares/Miniconda/bin/activate robot python3 path_to/server.py

这个脚本保证了：

1. ROS2 环境已就绪
2. MCP Server 运行在 conda 的robot环境中
3. rclpy 可以被正确 import

6 在 Qoder 中注册 MCP 服务

最后一步，是让 Qoder 知道这个 MCP Server 的存在。
这里也很简单

6.1 注册MCP服务

按下ctrl+shift+,，进入Qoder设置页面。

选中MCP服务。
点击右上角 +添加，会打开一个json文件编辑页面
输入以下内容即可。

{"mcpServers":{"My-mcp":{"command":"/home/caston/Code/mcp/start_ros2_mcp.sh"}}}

6.2 验证

添加完成后，不要急，我们还需要验证一下是否有问题，回到配置页面看一下是否和我的截图一样，工具一栏出现了
如果有，恭喜你，配置成功。
如果没有，标红，那么你还需要检查一下是不是哪里搞错了。根据报错解决以后，执行一下刷新。

如果一切ok，那就ok了。哈哈，说句废话。

配置完成后，Qoder 会：

• 启动 MCP Server
• 发现get_ros2_node_list工具
• 在合适的时机自动调用
• 将返回的 Node List 注入模型上下文

此时，Agent 已经真正具备了感知 ROS2 系统状态的能力。
开始享用美食！！！！！

7 效果：Agent 如何“使用”这个能力

仍然简单!!!
问他，命令他。

ok，我们向Qoder提问：“看看现在有哪些ROS2节点”
Qoder老老实实的调用了自定义的MCP工具，并给出准确的答复。
nice！

从 Agent 的视角看，行为大致是：

1. 调用get_ros2_node_list
2. 获得当前系统节点列表
3. 判断系统状态是否符合预期
4. 根据指令考虑还有哪些步骤需要执行
5. 决定是否执行下一步操作（未来扩展）

整个过程无需人为干预。

后续我会继续记录 MCP + ROS2 + Agent 的更多实践，最终目标是：

让大模型长出双手成为一个真正“理解并参与系统运行”的 Agent，而不仅是对话工具。