Edge MCP 实战：在 Serverless 环境下构建高可用 AI 上下文服务

自从 Anthropic 推出 MCP (Model Context Protocol) 以来，给大模型接入外部数据源变得前所未有地简单。但如果你完整跟做过官方教程，大概率会发现一个问题：官方示例大多基于本地 stdio（标准输入输出）运行。

本地跑跑 Demo 固然爽，但当你想要把这个 MCP Server 开放给团队使用，或者集成到生产环境的云端应用时，stdio 就显得力不从心了。

今天这篇博客，我们将探讨如何打破本地环境的物理隔离，在 Serverless 环境（以 Cloudflare Workers 为例）中构建一个基于 HTTP/SSE 的高可用 Edge MCP Server，并让大模型能够安全地查询云端的 D1 数据库。
标准的本地 MCP 通常作为大模型客户端（如 Claude Desktop）的子进程启动，通过控制台的输入输出进行通信。这种模式有几个致命痛点：

• 无法共享： 你的同事无法通过他们的 Claude 客户端访问你本地的数据库。

• 状态与环境绑定： 每次环境迁移都需要重新配置 Node.js 或 Python 环境。

• 云原生割裂： 现代 Web 应用大多跑在云端，让大模型通过本地进程去连接生产环境的 VPC 或数据库，既不安全也不优雅。

解决方案就是：HTTP + SSE (Server-Sent Events) 协议。
通过将传输层（Transport Layer）从 stdio 替换为 HTTP/SSE，我们可以将 MCP Server 部署到无状态的 Serverless 边缘节点上。这意味着你的 MCP Server 将具备极致的弹性扩缩容能力，并且可以通过标准的 API 鉴权进行保护。

初始化 Server 与 Tools

首先，我们需要定义 MCP Server 的基本信息，以及它能提供哪些“工具”。在这个例子中，我们定义了一个查询用户统计数据的工具。

import { SSEServerTransport } from "@modelcontextprotocol/sdk/server/sse.js";
import { CallToolRequestSchema, ListToolsRequestSchema } from "@modelcontextprotocol/sdk/types.js";

// 初始化 Server
const server = new Server(
  { name: "cloudflare-edge-mcp", version: "1.0.0" },
  { capabilities: { tools: {} } }
);

// 注册可用的 Tools
server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [
      {
        name: "get_user_stats",
        description: "查询指定用户的核心业务数据统计",
        inputSchema: {
          type: "object",
          properties: {
            userId: { type: "string", description: "用户的唯一 ID" }
          },
          required: ["userId"]
        }
      }
    ]
  };
});