写在前面

『数据杂坛』以Python语言为核心，垂直于数据科学领域，专注于（可戳👉）Python程序设计|数据分析|特征工程|机器学习分类|机器学习回归|深度学习分类|深度学习回归|单变量时序预测|多变量时序预测|语音识别|图像识别|自然语音处理|大语言模型|软件设计开发等技术栈交流学习，涵盖数据挖掘、计算机视觉、自然语言处理等应用领域。（文末有惊喜福利）

一、引言

1、MCP 要解决的问题

如果每接入一个系统，都要在 Hermes 本体里重新写一个原生 tool，那么开发成本会非常高。更麻烦的是，不同 Agent 框架可能都要重复写一遍同样的集成。

这就是 MCP 要解决的问题。

MCP 的核心思想是：不要让每个 Agent 都为每个工具单独写一套适配代码，而是用一种标准协议，把外部工具以统一方式暴露给 Agent。

没有 MCP：每个 Agent 单独适配每个工具。有了 MCP：工具以 MCP server 形式暴露，Agent 作为 MCP client 接入。

这让工具生态从“各接各的”变成“按标准连接”。

2、Hermes Agent 的几个核心模块

Tools：Hermes 能做什么；MCP：Hermes 能连接哪些外部工具；Skills：Hermes 应该如何使用这些工具；Cron：Hermes 什么时候使用这些工具；Gateway：用户从哪里触发和接收结果；Memory：Hermes 如何结合长期背景理解工具结果。

假设我希望 Hermes 每天总结一个项目的 issue 状态，可以这样设计：

目标：每天上午 9 点检查 GitHub 仓库中的 open issues 和 pull requests，生成项目状态日报。MCP：GitHub MCP server。工具过滤：只开放 list_issues、search_code、create_issue、update_issue。不开放 delete、merge、release、repo admin 等工具。Cron：每天上午 9 点触发。Skill：绑定 project-status-report skill，规定日报格式。Gateway：结果发送到 Telegram home channel。

3、Hermes 使用 MCP 的基本流程可以拆成几步

1. 用户在 Hermes 配置文件中添加 MCP server；2. Hermes 启动时连接这些 server；3. MCP server 返回自己支持的工具、资源或 prompts；4. Hermes 自动发现并注册这些能力；5. 模型在对话中看到这些工具；6. 当任务需要时，模型选择合适的 MCP 工具；7. Hermes 把调用请求发送给对应 MCP server；8. MCP server 执行工具并返回结果；9. Hermes 把结果交给模型继续推理。

这个流程和内置工具调用很像。区别在于，内置工具的执行逻辑在 Hermes 内部，而 MCP 工具的执行逻辑在外部 server 中。

4、何时应该使用 MCP？

• 工具已以 MCP 形式存在，且你不想构建原生 Hermes 工具
• 你希望 Hermes 通过干净的 RPC 层操作本地或远程系统
• 你需要细粒度的按服务器暴露控制
• 你希望将 Hermes 连接到内部 API、数据库或公司系统，而无需修改 Hermes 核心

5、在以下情况下不要使用 MCP

• 内置 Hermes 工具已能很好地完成该工作
• 服务器暴露了大量危险工具，而你没有准备好对其进行过滤
• 你只需要一个非常窄的集成，原生工具会更简单、更安全

二、实现MCP SERVER

2.1 写mcp server

server.py

这个MCP Server下面有get_weather、get_weather_forcast、list_citys三个tool。

2.2 启动mcp server

Hermes 支持两类常见 MCP server：

本地 stdio server；远程 HTTP server。

本地 stdio server：本地 stdio server 是通过本地命令启动的 MCP server。

mcp_servers:  filesystem:    command: "npx"    args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]

这个配置的意思是：Hermes 启动时通过 npx 运行一个 filesystem MCP server，并把 /home/user/projects 暴露给这个 server。

这种方式适合本地工具，例如：

文件系统；本地数据库；本地浏览器工具；本地脚本封装；开发环境工具。

优点是简单、直接、适合个人开发环境。缺点是它依赖本机环境，如果 Node、Python、依赖包或路径有问题，就可能启动失败。

fastmcp run server.py

远程 HTTP MCP server：远程 HTTP server 是通过 URL 连接的 MCP server。URL是MCP Server的key。internal_api是给MCP Server起的名字。

mcp_servers:  internal_api:    url: "https://mcp.example.com/mcp"    headers:      Authorization: "Bearer ***"

这种方式适合企业内部服务、云端工具、远程 API、托管型 MCP 服务等。优点是服务可以集中部署、统一维护，也更适合团队共享。缺点是需要处理认证、网络、TLS、超时和权限问题。

mcp.run(transport="http", host="0.0.0.0", port=8080)

启动mcp server（远程 HTTP server）：

MCP Server的地址：http://.../mcp

三、在Hermes实现外部自定义技能

1、在~/.hermes/目录下创建技能目录结构（外部技能）：

mkdir -p smb-skills/weather-querycd smb-skills/weather-query

2、进入weather-query编写技能配置文件SKILL.md

SKILL.md内容如下：

name是给技能起的名字。

3、在 ~/.hermes/config.yaml 的 skills 部分添加 external_dirs：

4、启动Hermes：

5、测试：

连接上MCP Server的工具：

MCP 工具命名：为什么会出现 mcp_xxx_xxx？

Hermes 会把 MCP server 中暴露的工具注册成模型可见工具。为了避免和内置工具重名，通常会加上前缀。例如，一个名为 github 的 MCP server 暴露了 create_issue 工具，注册到 Hermes 后可能会变成：

mcp_github_create_issue

写在后面

作者简介：

读研期间发表6篇SCI数据算法相关论文，目前在某研究院从事数据算法相关研究工作，结合自身科研实践经历不定期持续分享关于Python、数据分析、特征工程、机器学习、深度学习、人工智能系列基础知识与案例。

致力于只做原创，以最简单的方式理解和学习，关注我一起交流成长。

1、关注下方公众号，点击“领资料”即可免费领取电子资料书籍。

2、文章底部点击喜欢作者即可联系作者获取相关数据集和源码。

3、数据算法方向论文指导或就业指导，点击“联系我”添加作者微信直接交流。

4、有商务合作相关意向，点击“联系我”添加作者微信直接交流。