企业官网建设流程全解析

1. 从零搭一个 Go MCP Server，到底难在哪

MCP 全称 Model Context Protocol，说白了就是给大模型装一个“万能插座”：模型本身只会生成文本，但通过 MCP 它就能调用你写的工具函数、查数据库、发 HTTP 请求。你如果用过 Cursor、Claude Desktop 或者各类 IDE 里的 Agent 功能，背后十有八九就是 MCP 在干活。

那为什么用 Go 来写 MCP Server？我自己的体感是三点：一是编译出来是单个二进制，扔到服务器上就能跑，不用装 Python 环境；二是并发模型天然适合处理多个工具调用；三是 mcp-go 这个库把协议细节封装得比较干净，你只需要关心“工具怎么实现”。

这篇要解决的核心问题是：很多人照着 demo 能跑通 stdio，但一到 HTTP 传输、一到 tools/list 和 tools/call 的完整闭环、一到把 endpoint 换成统一通道联调，就开始报错。我会带你从 go.mod 开始，先跑通 stdio，再切 HTTP，然后把请求打到 TaoToken 的统一通道上做验证。全程给可复制的代码和 curl 命令，你跟着敲就行。

适合谁看：有 Go 基础、想给自己的 AI 工作流加自定义工具的开发者；正在用 Cursor 或 Claude Code、想把本地工具接进 Agent 的人；以及想理解 MCP 协议请求/响应长什么样的后端同学。

先说清楚 MCP 的角色分工，不然后面配置容易懵。MCP Host 是启动连接的应用，比如 Cursor、Claude Desktop；MCP Client 是 Host 内部维护一对一连接的协议客户端；MCP Server 就是你用 Go 写的这个进程，对外暴露 tools。本地数据源和远程服务都是 Server 背后去调的东西。整个链路是：用户在 Host 输入 → LLM 判断要不要调工具 → Client 发 tools/call → 你的 Go Server 执行 → 结果回传给 LLM 作为上下文。

理解了这条链路，你就知道为什么调试时既要看 Server 日志，也要看 Client 侧的请求。下面进入实操。

2. TaoToken 前置准备：把统一通道的 Key 和 Base URL 拿到手

在写代码之前，先把“出口”准备好。因为最后我们要把 MCP Server 里调用的模型 endpoint 统一指向 TaoToken 的通道，这样你本地工具和线上 Agent 用的是同一套鉴权和模型 ID，联调时不会出现“本地能跑、线上 401”的割裂。

第一步，打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册并登录。登录后进控制台，地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console 。在控制台里你能看到账户余额、调用统计，以及最关键的 API Keys 入口。

第二步，创建 API Key。进 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys ，点新建，复制那串以 sk- 开头的 Key。注意：这个 Key 只在创建时完整显示一次，关掉页面就看不到了，先存到你的密码管理器或者本地 .env 文件里，别直接硬编码进 main.go 提交到 Git。

第三步，确认 Base URL。TaoToken 的 API 入口是 https://taotoken.net/api ，注意这个地址后面不加任何 UTM 参数，代码里配置就用这个干净的。它兼容 OpenAI 风格的 /v1/chat/completions 路径，所以你在 Go 里用任何 OpenAI SDK 或者自己发 HTTP 请求都能对接。

这里有个概念要区分清楚：MCP Server 本身不负责“调用大模型”，它负责“暴露工具给大模型调用”。但你的工具内部如果要再调模型（比如做一个“总结文本”的工具），那这个内部调用就应该走 TaoToken 的统一通道。所以 §3 里我会给你两段配置：一段是 MCP Server 的传输配置，一段是工具内部调模型时的 Base URL + Key + Model ID 三件套。

如果你打算长期跑编码类 Agent，可以了解下 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan ，它更适合高频调用场景。只是想先验证模型通不通，用模型对话页面 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_content=chat 手动发一条消息最快。接入细节和参数说明都在文档里： https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc 。

Key 拿到后，先别急着写 MCP 代码，用一条 curl 确认通道是通的：

curl https://taotoken.net/api/v1/chat/completions \ -H "Content-Type: application/json" \ -H "Authorization: Bearer sk-你的Key" \ -d '{ "model": "gpt-4o-mini", "messages": [{"role": "user", "content": "ping"}] }'

返回里能看到 choices 数组和 content 字段，就说明 Key 和 Base URL 都没问题。这一步过了，后面 MCP 联调才有意义。如果这里就 401，先回控制台检查 Key 有没有复制全、有没有多余空格。

3. 可复制配置：go.mod、main.go 骨架与传输切换

现在开始写代码。先建目录和初始化模块：

mkdir mcp-server && cd mcp-server go mod init mcp-server go get github.com/mark3labs/mcp-go

go.mod 里最终会有这么一行依赖（版本号以你 go get 拉到的为准）：

module mcp-server go 1.24 require github.com/mark3labs/mcp-go v0.27.0

接下来是 main.go 的完整骨架。我把它拆成“工具定义”和“传输启动”两块，方便你后面切换 stdio 和 HTTP。

package main import ( "context" "errors" "fmt" "os" "github.com/mark3labs/mcp-go/mcp" "github.com/mark3labs/mcp-go/server" ) func main() { s := server.NewMCPServer( "Calculator Demo", "1.0.0", server.WithResourceCapabilities(true, true), server.WithLogging(), server.WithRecovery(), ) calculatorTool := mcp.NewTool("calculate", mcp.WithDescription("Perform basic arithmetic operations"), mcp.WithString("operation", mcp.Required(), mcp.Description("The operation to perform (add, subtract, multiply, divide)"), mcp.Enum("add", "subtract", "multiply", "divide"), ), mcp.WithNumber("x", mcp.Required(), mcp.Description("First number")), mcp.WithNumber("y", mcp.Required(), mcp.Description("Second number")), ) s.AddTool(calculatorTool, func(ctx context.Context, request mcp.CallToolRequest) (*mcp.CallToolResult, error) { op := request.Params.Arguments["operation"].(string) x := request.Params.Arguments["x"].(float64) y := request.Params.Arguments["y"].(float64) var result float64 switch op { case "add": result = x + y case "subtract": result = x - y case "multiply": result = x * y case "divide": if y == 0 { return nil, errors.New("cannot divide by zero") } result = x / y } return mcp.NewToolResultText(fmt.Sprintf("%.2f", result)), nil }) // 传输方式一：stdio，给 Cursor / Claude Desktop 本地调用 if os.Getenv("MCP_TRANSPORT") != "http" { if err := server.ServeStdio(s); err != nil { fmt.Printf("stdio server error: %v\n", err) } return } // 传输方式二：HTTP，方便 curl 和远程联调 httpServer := server.NewStreamableHTTPServer(s) fmt.Println("HTTP MCP server listening on :8080/mcp") if err := httpServer.Start(":8080"); err != nil { fmt.Printf("http server error: %v\n", err) } }

编译：

go mod tidy go build -o mcpServer main.go

这里有个关键点：stdio 模式下，Server 通过标准输入输出和 Client 通信，你没法直接用 curl 测；HTTP 模式下才有 /mcp 这个 endpoint。所以我用环境变量 MCP_TRANSPORT 来切换，默认 stdio，设成 http 就走 HTTP。

如果你要在工具内部调用模型，配置三件套长这样，建议放 .env 里：

TAOTOKEN_BASE_URL=https://taotoken.net/api TAOTOKEN_API_KEY=sk-你的Key TAOTOKEN_MODEL_ID=gpt-4o-mini

在 Go 里读环境变量拼请求：

baseURL := os.Getenv("TAOTOKEN_BASE_URL") apiKey := os.Getenv("TAOTOKEN_API_KEY") modelID := os.Getenv("TAOTOKEN_MODEL_ID") // 请求路径：baseURL + "/v1/chat/completions" // Header：Authorization: Bearer + apiKey // Body 里 model 字段填 modelID

Base URL、Key、Model ID 这三个必须成对出现，缺一个就会报错。很多人只配了 Key 忘了 Model ID，结果请求发出去返回 model not found。

4. 验证请求：curl 与 MCP Inspector 跑通 tools/list 和 tools/call

代码编译完，先启动 HTTP 模式：

MCP_TRANSPORT=http ./mcpServer

看到 “HTTP MCP server listening on :8080/mcp” 就说明起来了。MCP 的 HTTP 传输用的是 JSON-RPC 2.0，请求体里要带 method 和 params。先测 tools/list，看工具注册成功没有：

curl -s http://localhost:8080/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -d '{ "jsonrpc": "2.0", "id": 1, "method": "tools/list", "params": {} }'

正常返回里 tools 数组会包含 calculate，inputSchema 里能看到 operation、x、y 三个参数。如果 tools 是空数组，说明 AddTool 没执行到，检查一下工具定义是不是在 ServeStdio 之前。

再测 tools/call，实际调用一次加法：

curl -s http://localhost:8080/mcp \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -d '{ "jsonrpc": "2.0", "id": 2, "method": "tools/call", "params": { "name": "calculate", "arguments": { "operation": "add", "x": 12, "y": 30 } } }'

返回的 result.content 里应该有 text 字段等于 "42.00"。到这一步，tools/list 和 tools/call 的最小闭环就跑通了。

如果你更习惯图形化调试，用 MCP Inspector：

npx @modelcontextprotocol/inspector

它会起一个本地页面，在 Transport 里选 Streamable HTTP，URL 填 http://localhost:8080/mcp，点 Connect。连上后左侧能看到 Tools 列表，点 calculate 填参数点 Run，右侧直接出结果。Inspector 的好处是它会帮你格式化 JSON-RPC 的请求和响应，排查参数类型错误特别直观。

stdio 模式的验证方式不一样，它不能 curl。你要在 Cursor 里配。打开 Cursor 设置（Command + Shift + J），在 mcp.json 里加：

{ "mcpServers": { "calculate": { "command": "/Users/你的路径/mcp-server/mcpServer" } } }

注意 command 要填编译出来的二进制的绝对路径，不是目录。保存后 Cursor 会自动拉起这个进程，你在对话里说“帮我算 12 加 30”，它就会走 tools/call 调你的 calculate。

这里插一句关于统一通道的联调：如果你的工具内部要调模型，把 baseURL 指向 https://taotoken.net/api ，Key 用前面创建的，Model ID 填你控制台里可用的模型。这样本地 MCP Server 和线上 Agent 走的是同一个出口，日志和额度统计都在一个地方看，排查问题不用两头对。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth

这一节按真实报错来对。你照着上面敲，大概率会撞上下面几个。

401 Unauthorized。两种场景。一是 curl 测 TaoToken 通道时 401，八成是 Key 复制时带了空格，或者 Authorization 头写成了 "Bearer: sk-xxx"（冒号是错的，正确是空格）。二是 MCP Server 内部调模型时 401，检查 .env 有没有被正确加载，Go 里 os.Getenv 读不到就是空字符串，请求头会变成 "Bearer "，服务端直接拒。用echo $TAOTOKEN_API_KEY确认环境变量在当前 shell 里可见。

local proxy failed / connection refused。这个通常出现在 Cursor 配了 stdio 但二进制路径不对，或者二进制没有执行权限。先chmod +x ./mcpServer，再用绝对路径填 command。还有一种情况是你把 HTTP 模式的进程当 stdio 配了，Cursor 拉起后进程立刻退出，日志里能看到 “stdio server error”。确认 MCP_TRANSPORT 没被设成 http。

reading choices: unexpected end of JSON input。这是解析模型响应时挂了，常见原因是请求打到了错误的路径。TaoToken 的入口是 https://taotoken.net/api ，完整路径要拼成 /api/v1/chat/completions。如果你只写了 https://taotoken.net 然后拼 /v1/chat/completions，会打到别的路由上返回 HTML，JSON 解析自然失败。用 curl -v 看实际请求 URL 和返回的 Content-Type，是 text/html 就说明路径错了。

OAuth 相关报错。有些 MCP Client 在连接远程 Server 时会尝试 OAuth 流程，如果你只是本地调试，不需要 OAuth，报错里出现 invalid_client 或者 redirect_uri mismatch，先确认你用的是 stdio 或者无鉴权的 HTTP。生产环境要加鉴权的话，在 HTTP Server 前面套一层反向代理做 Bearer 校验，别在 MCP 协议层硬塞 OAuth。

tools/call 返回 isError: true。这不是协议错误，是你的工具函数返回了 error。比如 divide 时 y=0，我代码里返回了 errors.New，MCP 会把它包成 isError。看 result.content 里的 text 就知道具体原因。调试时在工具函数里多打日志，log.Printf("call calculate op=%s x=%v y=%v", op, x, y)，比猜快得多。

参数类型断言 panic。request.Params.Arguments 是 map[string]interface{}，JSON 里的数字反序列化后是 float64，但如果你在 schema 里写的是 integer，客户端可能传 int，断言 .(float64) 就 panic。统一用 float64 接，或者用 mcp 库提供的类型转换辅助函数。server.WithRecovery() 能兜住 panic 不让进程挂掉，但错误还是要在日志里看。

排查顺序建议：先 curl 确认通道通 → 再 curl 确认 MCP HTTP 通 → 再 Inspector 确认工具注册 → 最后 Cursor 里确认 stdio。一层一层来，别跳步。

6. 把 endpoint 收口到统一通道，继续往下做

走到这里，你已经有了一个能跑 stdio 和 HTTP 两种传输、tools/list 和 tools/call 都通的 Go MCP Server。接下来最有价值的动作是把工具内部的模型调用 endpoint 统一收口到 TaoToken，这样你新增工具时不用每个都配一遍鉴权。

具体做法：在项目里加一个 config.go，从环境变量读 Base URL、Key、Model ID，封装一个 callModel 函数。所有需要调模型的工具都走这个函数。这样你换模型、换额度、看调用统计，都只在 TaoToken 控制台一个地方操作。

如果你要接 Claude Code 这类工具，Anthropic 兼容的接入方式在文档里有说明： https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc ，ClaudeCodeAnthropic 的配置入口是 https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claudecode-anthropic 。核心还是那三件套：Base URL 填 https://taotoken.net/api ，Key 用你创建的，Model ID 按控制台可用列表填。

下一步可以做的事：给 calculate 加更多工具，比如查天气、读本地文件、调你自己的业务 API；把 HTTP 模式加上 Bearer 鉴权中间件；用 Docker 把二进制打包成镜像部署到内网。每加一个工具，记得先在 Inspector 里单独测通，再放进 Cursor 里让 Agent 调，这样出问题能快速定位是工具本身还是 Agent 的调用逻辑。

最后留一个我踩过的坑：stdio 模式下不要往 stdout 打任何非协议内容。你加一句 fmt.Println("debug")，Client 解析就会失败，因为 stdout 是协议通道。调试信息一律走 stderr，用 log 包默认就是 stderr，别用 fmt.Println。这个坑我调了半小时才反应过来。