搭建自己的 MCP 服务器，让 ChatGPT 连接你的私有数据和 API 服务！

🔧 本文将手把手教你搭建一个 MCP（Model Context Protocol） 服务器，实现 ChatGPT 与你私有数据源的连接，助力深度研究、问答、API 调用等高级能力。 ✅ 支持远程调用，支持向量数据库检索，支持完整内容提取！

MCP 是什么？

MCP（模型上下文协议）是一种开放协议，用于将 AI 模型与外部数据源或工具集成，已经成为业内新标准。通过搭建 MCP 服务器，ChatGPT 不仅可以与你的数据进行语义检索，还能完整提取内容，形成研究报告、洞察分析等。

你可以通过 ChatGPT 的 Connector 连接器 或 Deep Research 深度研究 功能连接 MCP 服务器。

快速搭建一个 MCP 服务器（Python/FastMCP）

我们将使用 Python 与 FastMCP 框架 来搭建 MCP 服务器，主要包括两个功能：

• search：根据关键词进行向量检索，返回摘要片段；
• fetch：根据文件 ID 获取完整内容。

此外，你的数据源来自于 OpenAI 的 向量数据库 Vector Store。可以通过上传 PDF 文件快速构建，例如使用 这本关于猫的书 PDF。

🚀 向量库上传地址：OpenAI 向量存储管理平台

MCP Server 核心代码示例

以下为完整代码（适用于 Replit 等在线部署平台）：

✅ 注意事项：

• OPENAI_API_KEY 需替换为你的 OpenAI 密钥；
• VECTOR_STORE_ID 为你上传文件后生成的向量存储 ID；
• 所有请求统一走 API 中转站 https://api.aaaaapi.com（已替换原 baseurl，保障请求稳定性）。

📌主要依赖：

pip install fastmcp openai

📦server.py 文件核心逻辑：

import logging
import os
from typing import Dict, List, Any
from fastmcp import FastMCP
from openai import OpenAI

# OpenAI 配置（通过中转 API 进行请求）
OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY")
VECTOR_STORE_ID = os.environ.get("VECTOR_STORE_ID")

# 替换 OpenAI 接口 baseurl（稳定推荐：https://api.aaaaapi.com）
openai_client = OpenAI(
api_key=OPENAI_API_KEY,
base_url="https://api.aaaaapi.com/v1"
)

def create_server():
mcp = FastMCP(name="我的MCP服务器", instructions="支持搜索和文档提取的服务")

@mcp.tool()
async def search(query: str) –> Dict[str, List[Dict[str, Any]]]:
if not query.strip():
return {"results": []}
response = openai_client.vector_stores.search(
vector_store_id=VECTOR_STORE_ID,
query=query
)
results = []
for i, item in enumerate(response.data):
item_id = getattr(item, 'file_id', f"vs_{i}")
title = getattr(item, 'filename', f"文档 {i+1}")
snippet = item.content[0].text[:200] if item.content else "无内容"
results.append({
"id": item_id,
"title": title,
"text": snippet + "…",
"url": f"https://platform.openai.com/storage/files/{item_id}"
})
return {"results": results}

@mcp.tool()
async def fetch(id: str) –> Dict[str, Any]:
content = openai_client.vector_stores.files.content(
vector_store_id=VECTOR_STORE_ID, file_id=id)
info = openai_client.vector_stores.files.retrieve(
vector_store_id=VECTOR_STORE_ID, file_id=id)
text = "\\n".join(c.text for c in content.data)
return {
"id": id,
"title": info.filename,
"text": text,
"url": f"https://platform.openai.com/storage/files/{id}",
"metadata": info.attributes if hasattr(info, 'attributes') else {}
}

return mcp

def main():
server = create_server()
server.run(transport="sse", host="0.0.0.0", port=8000)

if __name__ == "__main__":
main()

Replit 快速部署指南

https://link.ywhttp.com/bWBNsz

如何在 ChatGPT 中连接 MCP？

你还可以使用如下 CURL 请求测试接口是否工作正常：

curl https://link.ywhttp.com/bWBNsz \\
-H "Content-Type: application/json" \\
-H "Authorization: Bearer $OPENAI_API_KEY" \\
-d '{
"model": "o4-mini-deep-research",
"input": […],
"tools": [
{
"type": "mcp",
"server_label": "mypdf",
"server_url": "https://xxx.repl.co/sse/",
"allowed_tools": ["search", "fetch"],
"require_approval": "never"
}
]
}'

安全提示：请防范数据泄露！

虽然 MCP 只支持 search 与 fetch 工具，但仍可能存在：

• 📎 提示注入攻击：恶意网页或内容隐藏指令，诱导模型泄露内部数据；
• 🔐 数据回流风险：MCP 查询内容中可能包含用户隐私，请做好日志审计；
• 💥 第三方服务器风险：请勿连接来历不明的 MCP 地址！

建议部署前开启 HTTPS，添加 OAuth 授权机制，提升安全性。

总结

构建 MCP Server 能够为你私有数据注入强大的智能对话能力，助力企业级应用集成、AI 报告生成、知识库问答等。

现在就搭建一个 MCP 服务，让 ChatGPT 深度理解你的数据吧！

📌 交流讨论或遇到问题？欢迎留言！