Inventory Manager MCP

完整的分步指南：从头开始构建MCP服务器

概述

本指南将引导您构建一个完整的MCP（模型上下文协议）服务器，该服务器具有用于库存管理的REST API功能。我们将使用 uv 作为Python包管理器，逐步构建所有内容。

先决条件

• 已安装Python 3.13或更高版本
• Python语法的基本理解
• 终端/命令提示符访问

______________________________________________________________________

第一阶段：项目设置和环境

步骤1.1：安装uv包管理器

为什么？ uv 是一个快速、现代的Python包管理器，可以有效地处理依赖关系。

行动：

# Windows (PowerShell)
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# Or using pip (if you have it)
pip install uv

验证安装：

uv --version

步骤1.2：创建项目目录

为什么？ 在专用文件夹中组织您的项目。

行动：

mkdir inventory-mcp
cd inventory-mcp

步骤1.3：使用uv初始化Python项目

为什么？ 创建项目结构和依赖关系管理文件。

行动：

# Windows (PowerShell)

# Create a new directory for our project

uv init ${PROJECT_NAME}
cd ${PROJECT_NAME}

# Create virtual environment and activate it
uv venv
source .venv/bin/activate

# Install dependencies
uv add "mcp[cli]" httpx

This creates:

• pyproject.toml - Project configuration and dependencies
• .python-version - Python version specification

Step 1.4: Create Main Python File

Why: This will be our main server file.

Action:

# Create main.py (empty file to start)
touch main.py  # Linux/Mac
# Or on Windows PowerShell:
New-Item main.py -ItemType File

______________________________________________________________________

第二阶段：理解和添加依赖关系

步骤2.1：在pyproject.toml中配置依赖关系

为什么？ 在一个地方定义所有必需的包，以便于管理。

行动： 编辑 pyproject.toml:

[project]
name = "inventory-mcp"
version = "0.1.0"
description = "Inventory Management MCP Server with REST API"
readme = "README.md"
requires-python = ">=3.13"
dependencies = [
    "mcp[cli]>=1.22.0",        # MCP framework for Claude Desktop
    "fastapi>=0.104.0",        # REST API framework
    "uvicorn[standard]>=0.24.0",  # ASGI server for FastAPI
    "pydantic>=2.0.0",         # Data validation (usually included with FastAPI)
]

每种依赖关系的解释：

• mcp[cli]：提供FastMCP类，用于创建Claude Desktop可以连接到的MCP服务器
• fastapi：用于构建带有自动文档的REST API的现代web框架
• uvicorn：ASGI服务器运行FastAPI应用程序
• pydantic：数据验证库（随FastAPI自动安装，但显式更好）

步骤2.2：安装依赖项

为什么？ 下载并安装所有必需的软件包。

行动：

uv sync

这将创建：

• uv.lock -锁定的依赖关系版本
• 虚拟环境（由uv管理）

______________________________________________________________________

第三阶段：构建代码——理解结构

步骤3.1：标准库导入（第16-22行）

为什么？ 这些是内置的Python模块，无需安装。

添加到main.py：

import json          # For reading/writing JSON files (data persistence)
import os            # For file path operations
import sys           # For command-line arguments (http vs mcp mode)
import uuid          # For generating unique product IDs
from typing import Dict, List, Optional  # Type hints for better code clarity
from datetime import datetime  # For timestamps (if needed later)

为什么每次导入：

• json：以JSON格式存储库存数据
• os：获取文件路径的脚本目录
• sys：检查命令行参数以在MCP/HTTP模式之间切换
• uuid：生成唯一的产品ID
• typing：类型提示有助于捕获错误和文档代码
• datetime：用于审计日志等未来功能

步骤3.2：第三方进口（第21-29行）

为什么？ 这些需要通过紫外线进行安装。

添加到main.py：

from pydantic import BaseModel, Field  # Data models with validation
from fastapi import FastAPI, HTTPException, Security, status, Depends, Query, Path
from fastapi.security.api_key import APIKeyHeader
from fastapi.responses import JSONResponse
from mcp.server.fastmcp import FastMCP  # MCP server framework
import uvicorn  # Web server for FastAPI

为什么每次导入：

• pydantic.BaseModel：创建具有自动验证功能的数据模型
• pydantic.Field：在模型字段中添加描述和示例
• fastapi.FastAPI：REST API的主要应用程序类
• fastapi.HTTPException：引发HTTP错误（404、400等）
• fastapi.Query/Path：从URL提取参数
• FastMCP：创建Claude Desktop连接到的MCP服务器
• uvicorn：运行FastAPI服务器

______________________________________________________________________

阶段4：数据模型（Pydantic Schema）

步骤4.1：产品型号

为什么？ 通过验证定义库存项目的结构。

添加到main.py：

class Product(BaseModel):
    """Represents a product in the inventory system."""
    product_id: str = Field(..., json_schema_extra={"example": "P-001"})
    name: str = Field(..., json_schema_extra={"example": "Cans of Beer"})
    quantity: int = Field(..., json_schema_extra={"example": 100})
    unit_price: float = Field(..., json_schema_extra={"example": 12.50})

说明：

• BaseModel：添加验证的Pydantic基类
• Field(...)：必填字段（省略号表示必填）
• json_schema_extra：API文档示例
• 键入提示(str, int, float)：自动类型验证

步骤4.2：REST API的请求模型

为什么？ API请求的单独模型（不同于内部产品模型）。

添加到main.py：

class NewProductRequest(BaseModel):
    """Request model for creating a new product (used by REST API)."""
    name: str = Field(..., json_schema_extra={"example": "Coffee Mugs (Black)"})
    initial_quantity: int = Field(..., json_schema_extra={"example": 25})
    unit_price: float = Field(..., json_schema_extra={"example": 8.00})

class AdjustmentRequest(BaseModel):
    """Request model for stock adjustments (used by REST API)."""
    product_name: str = Field(..., description="The product name to adjust.")
    quantity_change: int = Field(..., description="Positive to add stock, negative to remove stock.")

为什么要分开模型：

• API用户不提供 product_id （我们生成它）
• 更清洁的API设计-只要求需要什么

______________________________________________________________________

阶段5：数据持久层

步骤5.1：文件路径配置

为什么？ 将库存数据存储在与脚本位于同一目录的JSON文件中。

添加到main.py：

SCRIPT_DIR = os.path.dirname(os.path.abspath(__file__))
INVENTORY_FILE = os.path.join(SCRIPT_DIR, "inventory.json")
INVENTORY_DB: Dict[str, Product] = {}  # In-memory database: product_id -> Product

说明：

• os.path.abspath(__file__)：获取main.py的绝对路径
• os.path.dirname()：获取包含main.py的目录
• os.path.join()：创建investory.json的路径（适用于所有操作系统）
• INVENTORY_DB：将产品存储在内存中的词典（快速访问）

步骤5.2：加载库存功能

为什么？ 服务器启动时从JSON文件读取保存的数据。

添加到main.py：

def load_inventory():
    """Loads inventory data from JSON file into memory."""
    global INVENTORY_DB
    if os.path.exists(INVENTORY_FILE):
        try:
            with open(INVENTORY_FILE, 'r') as f:
                data = json.load(f)
                # Convert JSON dict to Product objects
                INVENTORY_DB = {k: Product(**v) for k, v in data.items()}
        except json.JSONDecodeError:
            # If file is corrupted, start fresh
            INVENTORY_DB = {}
    else:
        # File doesn't exist yet - will be created on first save
        pass

说明：

• global INVENTORY_DB：修改全局变量
• os.path.exists()：检查文件是否存在
• json.load()：解析JSON文件
• Product(**v)：将dict转换为Product对象（Pydantic验证）
• try/except：优雅地处理损坏的文件

步骤5.3：保存库存功能

为什么？ 每次修改后将更改保存到磁盘。

添加到main.py：

def save_inventory():
    """Persists current inventory state to JSON file."""
    data_to_save = {k: v.model_dump() for k, v in INVENTORY_DB.items()}
    with open(INVENTORY_FILE, 'w') as f:
        json.dump(data_to_save, f, indent=2)

说明：

• model_dump()：将Pydantic模型转换为字典
• json.dump()：将JSON写入文件
• indent=2：格式美观，便于阅读

步骤5.4：启动时加载

为什么？ 服务器启动时加载现有数据。

添加到main.py：

load_inventory()  # Load inventory data when the script starts

步骤5.5：模糊搜索功能

为什么？ 允许部分产品名称匹配（用户友好）。

添加到main.py：

def fuzzy_match_product(query: str) -> List[Product]:
    """Performs case-insensitive partial name matching to find products."""
    if not query:
        return list(INVENTORY_DB.values())

    query_lower = query.lower()
    matches = [
        product for product in INVENTORY_DB.values()
        if query_lower in product.name.lower()
    ]
    return matches

说明：

• -> List[Product]：返回类型提示
• 列表理解：筛选查询与名称匹配的产品
• 不区分大小写：将两者都转换为小写进行比较

______________________________________________________________________

第6阶段：MCP服务器设置

步骤6.1：初始化FastMCP服务器

为什么？ 创建Claude Desktop连接到的MCP服务器。

添加到main.py：

mcp = FastMCP(
    "Inventory Manager (Explicit Tools)",  # Server name shown in Claude Desktop
    json_response=True  # Use JSON format for responses
)

说明：

• FastMCP：处理MCP协议通信的框架
• 服务器名称：出现在Claude Desktop的MCP服务器列表中
• json_response=True：使用JSON格式（MCP标准）

______________________________________________________________________

第7阶段：MCP工具（CRUD操作）

步骤7.1：读取工具-获取库存状态

为什么？ 允许克劳德查询库存。

添加到main.py：

@mcp.tool()
async def get_inventory_status(
    product_name: Optional[str] = Field(None, description="The name or partial name of the product to search for."), 
) -> List[Product]:
    """READ operation: Retrieves inventory status for all products or a specific product."""
    matches = fuzzy_match_product(product_name)

    if not matches and product_name:
        raise ValueError(f"No products found matching '{product_name}'.")
        
    return matches

说明：

• @mcp.tool()：注册的装饰器用作MCP工具
• async def：异步功能（MCP要求）
• Optional[str]：参数可以为None（获取所有产品）
• Field()：为Claude添加说明，以便其理解该工具
• raise ValueError：错误处理（MCP转换为正确的错误响应）

步骤7.2：创建工具-添加新产品

为什么？ 允许克劳德将产品添加到库存中。

添加到main.py：

@mcp.tool()
async def add_new_product(
    name: str = Field(..., description="The name of the product to add."),
    initial_quantity: int = Field(..., description="The initial stock quantity."),
    unit_price: float = Field(..., description="The price per unit."),
) -> Product:
    """CREATE operation: Adds a new product to the inventory."""
    # Generate unique product ID using UUID
    product_id = "P-" + str(uuid.uuid4()).split('-')[0].upper()
    
    product = Product(
        product_id=product_id,
        name=name,
        quantity=initial_quantity,
        unit_price=unit_price
    )
    
    INVENTORY_DB[product_id] = product
    save_inventory()  # Persist to disk immediately
    
    return product

说明：

• uuid.uuid4()：生成唯一ID
• .split('-')[0]：获取UUID的第一段
• .upper()：转换为大写（例如，“P-80562C3C”）
• save_inventory()：立即写入磁盘

步骤7.3：更新工具-调整库存

为什么？ 允许克劳德修改库存数量。

添加到main.py：

@mcp.tool()
async def adjust_stock_quantity(
    product_name: str = Field(..., description="The name of the product to adjust."),
    quantity_change: int = Field(..., description="Positive number to increase stock, negative number to decrease stock."),
) -> Product:
    """UPDATE operation: Adjusts the stock quantity of an existing product."""
    matches = fuzzy_match_product(product_name)
    
    if not matches:
        raise ValueError(f"Product not found: '{product_name}'. Cannot adjust stock.")

    # Prevent ambiguity - require unique match
    if len(matches) > 1:
        names = [m.name for m in matches]
        raise ValueError(f"Ambiguous product name: '{product_name}' matched multiple items: {names}. Please clarify.")

    product_to_adjust = matches[0]
    original_id = product_to_adjust.product_id
    original_name = product_to_adjust.name

    new_quantity = product_to_adjust.quantity + quantity_change

    # Business rule: prevent negative stock
    if new_quantity  1:
        names = [m.name for m in matches]
        raise ValueError(f"Ambiguous product name: '{product_name}' matched multiple items: {names}. Please clarify.")

    product_to_remove = matches[0]
    original_id = product_to_remove.product_id

    del INVENTORY_DB[original_id]
    save_inventory()
    
    return {"status": "success", "message": f"Product '{product_name}' (ID: {original_id}) has been removed from inventory."}

说明：

• 与UPDATE工具相同的歧义检查
• del INVENTORY_DB[original_id]：从词典中删除
• 返回成功消息进行确认

______________________________________________________________________

阶段8:REST API服务器设置

步骤8.1：初始化FastAPI应用程序

为什么？ 为HTTP访问创建REST API端点（替代MCP）。

添加到main.py：

app = FastAPI(
    title="Inventory Manager API",
    description="REST API for managing inventory with full CRUD operations",
    version="1.0.0",
    docs_url="/docs",  # Swagger UI documentation
    redoc_url="/redoc"  # ReDoc documentation
)

说明：

• FastAPI()：主应用程序实例
• docs_url：上的自动生成API文档http://localhost:8000/docs
• redoc_url：替代文件http://localhost:8000/redoc

步骤8.2：可选安全配置

为什么？ 添加API密钥身份验证（可选，如果不需要，可以删除）。

添加到main.py：

API_KEY_NAME = "X-API-Key"
api_key_header = APIKeyHeader(name=API_KEY_NAME, auto_error=True)
SECRET_API_KEY = os.environ.get("MCP_API_KEY", "super-secret-mcp-key")

def get_api_key(api_key: str = Security(api_key_header)):
    """Validates the API key from request headers."""
    if api_key == SECRET_API_KEY:
        return api_key
    raise HTTPException(
        status_code=status.HTTP_401_UNAUTHORIZED,
        detail="Invalid or missing API Key",
    )

注： 这目前未在端点中使用，但可供将来使用。

______________________________________________________________________

第9阶段：REST API端点

步骤9.1：获取-列出所有产品或搜索

为什么？ 通过HTTP GET请求检索产品。

添加到main.py：

@app.get("/api/products", 
         response_model=List[Product],
         summary="Get all products or search by name",
         tags=["Products"])
async def get_products(
    name: Optional[str] = Query(None, description="Filter products by name (fuzzy match)")
):
    """Retrieve all products or search for products by name."""
    load_inventory()  # Reload from disk to sync with MCP changes
    matches = fuzzy_match_product(name)
    
    if not matches and name:
        raise HTTPException(
            status_code=404,
            detail=f"No products found matching '{name}'."
        )
    
    return matches

说明：

• @app.get()：HTTP GET端点装饰器
• Query()：从URL提取查询参数（？name=beer）
• load_inventory()：与任何MCP更改同步
• HTTPException：返回正确的HTTP错误代码

步骤9.2:获取-按ID获取产品

为什么？ 使用精确的ID检索特定产品。

添加到main.py：

@app.get("/api/products/{product_id}",
         response_model=Product,
         summary="Get product by ID",
         tags=["Products"])
async def get_product_by_id(product_id: str = Path(..., description="Product ID")):
    """Retrieve a specific product by its unique product ID."""
    load_inventory()
    if product_id not in INVENTORY_DB:
        raise HTTPException(
            status_code=404,
            detail=f"Product with ID '{product_id}' not found."
        )
    return INVENTORY_DB[product_id]

说明：

• {product_id}：URL中的路径参数（/api/products/P-001）
• Path(...)：必需的路径参数

步骤9.3：POST-创建新产品

为什么？ 通过HTTP POST请求添加产品。

添加到main.py：

@app.post("/api/products",
          response_model=Product,
          status_code=status.HTTP_201_CREATED,
          summary="Add a new product",
          tags=["Products"])
async def create_product(product: NewProductRequest):
    """CREATE operation: Add a new product to the inventory."""
    product_id = "P-" + str(uuid.uuid4()).split('-')[0].upper()
    
    new_product = Product(
        product_id=product_id,
        name=product.name,
        quantity=product.initial_quantity,
        unit_price=product.unit_price
    )
    
    INVENTORY_DB[product_id] = new_product
    save_inventory()
    
    return new_product

说明：

• @app.post()：HTTP POST端点
• status_code=201：已创建状态代码
• product: NewProductRequest：请求正文由Pydantic自动验证

步骤9.4：PATCH-调整库存数量

为什么？ 通过HTTP PATCH请求更新库存。

添加到main.py：

@app.patch("/api/products/{product_name}/stock",
           response_model=Product,
           summary="Adjust product stock quantity",
           tags=["Products"])
async def adjust_stock(
    product_name: str = Path(..., description="Product name to adjust"),
    quantity_change: int = Query(..., description="Positive to increase, negative to decrease")
):
    """UPDATE operation: Adjust the stock quantity of a product."""
    load_inventory()
    matches = fuzzy_match_product(product_name)
    
    if not matches:
        raise HTTPException(
            status_code=404,
            detail=f"Product not found: '{product_name}'. Cannot adjust stock."
        )
    
    if len(matches) > 1:
        names = [m.name for m in matches]
        raise HTTPException(
            status_code=400,
            detail=f"Ambiguous product name: '{product_name}' matched multiple items: {names}. Please clarify."
        )
    
    product_to_adjust = matches[0]
    original_id = product_to_adjust.product_id
    original_name = product_to_adjust.name
    
    new_quantity = product_to_adjust.quantity + quantity_change
    
    if new_quantity  1:
        names = [m.name for m in matches]
        raise HTTPException(
            status_code=400,
            detail=f"Ambiguous product name: '{product_name}' matched multiple items: {names}. Please clarify."
        )
    
    product_to_remove = matches[0]
    original_id = product_to_remove.product_id
    
    del INVENTORY_DB[original_id]
    save_inventory()
    
    return None  # 204 No Content - no response body

说明：

• status_code=204：无内容（DELETE标准）
• 退货 None （无响应体）

步骤9.6：GET-健康检查端点

为什么？ 验证API是否正在运行（有助于监控）。

添加到main.py：

@app.get("/api/health",
         summary="Health check endpoint",
         tags=["Health"])
async def health_check():
    """Health check endpoint to verify the API is running."""
    return {
        "status": "healthy",
        "total_products": len(INVENTORY_DB)
    }

______________________________________________________________________

第10阶段：服务器执行

步骤10.1：主执行块

为什么？ 允许脚本在两种模式下运行（MCP或HTTP）。

添加到main.py：

if __name__ == "__main__":
    if len(sys.argv) > 1 and sys.argv[1] == "http":
        # HTTP REST API mode
        print("Starting Inventory Manager REST API server...")
        print("Swagger docs available at: http://localhost:8000/docs")
        print("API available at: http://localhost:8000/api")
        uvicorn.run(app, host="0.0.0.0", port=8000)
    else:
        # MCP mode (default): Run as stdio server for Claude Desktop
        mcp.run(transport="stdio")

说明：

• sys.argv：命令行参数
• uvicorn.run()：启动FastAPI服务器
• mcp.run(transport="stdio")：启动MCP服务器（通过stdin/stdout通信）

______________________________________________________________________

第11阶段：测试和运行

步骤11.1：为MCP配置Claude桌面

为什么？ 将您的MCP服务器连接到Claude Desktop，以便Claude可以使用您的库存工具。

行动：

1. 找到Claude桌面配置文件：

配置文件的位置取决于您的操作系统：

- 窗户： %APPDATA%\Claude\claude_desktop_config.json - 完整路径： C:\Users\YOUR_USERNAME\AppData\Roaming\Claude\claude_desktop_config.json - macOS： ~/Library/Application Support/Claude/claude_desktop_config.json - Linux： ~/.config/Claude/claude_desktop_config.json

1. 打开配置文件：

- 如果文件不存在，请将其创建为新的JSON文件 - 使用文本编辑器（VS Code、Notepad++等）

1. 添加您的MCP服务器配置：

将以下JSON结构添加到配置文件中。用实际路径替换路径 main.py 位置：

对于Windows（使用Python系统）：

   {
     "mcpServers": {
       "inventory-manager": {
         "command": "python",
         "args": [
           "C:\\Users\\YOUR_USERNAME\\path\\to\\inventory-mcp\\main.py"
         ],
         "env": {
           "MCP_API_KEY": "super-secret-mcp-key"
         }
       }
     }
   }

对于Windows（使用uv的Python）：

   {
     "mcpServers": {
       "inventory-manager": {
         "command": ".venv\\Scripts\\python.exe",
         "args": [
           "main.py"
         ],
         "cwd": "C:\\Users\\YOUR_USERNAME\\path\\to\\inventory-mcp",
         "env": {
           "MCP_API_KEY": "super-secret-mcp-key"
         }
       }
     }
   }

对于macOS/Linux（使用Python系统）：

   {
     "mcpServers": {
       "inventory-manager": {
         "command": "python",
         "args": [
           "/full/path/to/inventory-mcp/main.py"
         ],
         "env": {
           "MCP_API_KEY": "super-secret-mcp-key"
         }
       }
     }
   }

对于macOS/Linux（使用uv的Python）：

   {
     "mcpServers": {
       "inventory-manager": {
         "command": ".venv/bin/python",
         "args": [
           "main.py"
         ],
         "cwd": "/full/path/to/inventory-mcp",
         "env": {
           "MCP_API_KEY": "super-secret-mcp-key"
         }
       }
     }
   }

重要提示：

- 替换 YOUR_USERNAME 以及符合您实际值的路径 - 使用双反睫毛(\\)在Windows路径中 - 如果您已经配置了其他MCP服务器，请添加 "inventory-manager" 到现有 mcpServers 对象（不要替换它） - 这 env 部分是可选的，但如果您想使用API关键功能，则它很有用

1. 保存并重新启动Claude Desktop：

- 保存配置文件 - 完全关闭并重新启动Claude Desktop - MCP服务器现在应该可用

步骤11.2：测试MCP模式

为什么？ 验证MCP服务器是否与Claude Desktop兼容。

行动：

1. 验证连接：

- 打开克劳德桌面 - 库存管理工具应出现在Claude的可用工具中 - 试着问克劳德：“库存中有什么产品？”或“添加一个名为“测试项目”的新产品，数量为10，价格为5.99”

1. 手动运行MCP服务器（用于测试）：

   python main.py

- 服务器在stdio模式下运行（等待输入） - 配置后，Claude Desktop会自动连接

步骤11.2：测试REST API模式

为什么？ 验证REST API端点是否工作。

行动：

1. 启动HTTP服务器：

   python main.py http

1. 打开浏览器：

- 访问：http://localhost:8000/docs - 交互式API文档（Swagger UI）

1. 测试终点：

- 在任何端点上单击“试用” - 输入参数 - 点击“执行”

步骤11.3：使用curl（命令行）进行测试

为什么？ 从终端验证API是否有效。

示例：

# Get all products
curl http://localhost:8000/api/products

# Search for product
curl "http://localhost:8000/api/products?name=beer"

# Create product
curl -X POST http://localhost:8000/api/products \
  -H "Content-Type: application/json" \
  -d '{"name": "Test Product", "initial_quantity": 10, "unit_price": 5.99}'

# Adjust stock
curl -X PATCH "http://localhost:8000/api/products/Test%20Product/stock?quantity_change=-2"

# Delete product
curl -X DELETE "http://localhost:8000/api/products/Test%20Product"

______________________________________________________________________

第12阶段：项目结构总结

最终文件结构

inventory-mcp/
├── main.py              # Main server code (all code above)
├── pyproject.toml        # Dependencies and project config
├── uv.lock              # Locked dependency versions
├── inventory.json       # Data file (created automatically)
├── README.md            # Project documentation
└── .venv/               # Virtual environment (created by uv)

关键文件说明

• main.py：完成服务器实施（~538行）
• pyproject.toml：依赖关系管理
• investory.json：持久数据存储
• uv.lock：确保可复制的构建

______________________________________________________________________

第13阶段：下一步和改进

潜在改进

1. 数据库集成：

- 用SQLite/PPostgreSQL替换JSON文件 - 使用SQLAlchemy ORM

1. 身份验证：

- 实现JWT令牌 - 添加用户管理

1. 高级功能：

- 产品类别 - 库存历史/审计日志 - 低库存警报 - 批量操作

1. 测试：

- 使用pytest添加单元测试 - 添加集成测试 - 测试MCP工具

1. 部署：

- Docker容器化 - 部署到云（AWS、GCP、Azure） - 添加CI/CD管道

______________________________________________________________________

故障排除

常见问题

1. 导入错误：

- 确保虚拟环境已激活 - 跑 uv sync 安装依赖项

1. 端口已在使用中：

- 更改端口 uvicorn.run(app, port=8001) - 或使用端口8000终止进程

1. 文件权限错误：

- 检查investory.json的写入权限 - 确保脚本目录可写

1. MCP连接问题：

- 验证克劳德桌面配置 - 检查stdio传输是否正确

______________________________________________________________________

结论

您现在拥有了一个完整的、可用于生产的、具有REST API功能的MCP服务器！服务器支持：

• ✅ 完整的CRUD操作（创建、读取、更新、删除）
• ✅ Claude Desktop的MCP集成
• ✅ 带有自动文档的REST API
• ✅ 持久数据存储
• ✅ 模糊产品搜索
• ✅ 输入验证和错误处理

下一页： 开始构建自己的增强功能和定制！