前言
前陣子剛好處於職涯的轉換期，從 Software Engineer 轉變為顧問 Consultant 的角色。在適應新身份和不同工作節奏的過程中，部落格也跟著停更了一段時間。現在好不容易閒下來，是時候把這幾個月「搗鼓」的東西整理出來跟大家分享了～
還記得上一篇 教學：安裝 MCP 至 Claude Desktop，善用 AI 加速工作生產力 提到如何把現成的 MCP server 裝進 Claude 嗎？
今天我們不只要「用」，更要進一步「造」——自己動手建構一個本地的 MCP server，打造專屬於你的 AI 小工具。
為什麼想做這個？
這個靈感其實來自於我很日常的一個 idea。
每天早上醒來或通勤時，習慣做的第一件事大概就是滑手機看新聞。
但我通常只關注科技、娛樂與股市這類特定主題，現在的演算法雖然強大，但內容品質都不一定穩定，或者我需要瀏覽多個來源了解同個主題但不同解讀面向的新聞。
所以我產生了一個想法：能不能透過 API 把新聞抓下來，讓 LLM 幫我統整？
所以目標很明確：利用自定義的 MCP server 串接新聞 API，讓 Claude 能夠根據我的指令，直接調用、過濾並總結我真正想看的內容。
因此我抱持「想偷懶所以變勤勞」的想法，開始了這次的實作
技術架構
整個系統分為三層：
- Claude Desktop - 使用者介面，透過自然語言下指令
- News MCP Server - 我們要自己建的部分，使用 FastMCP 框架
- newsdata.io API - 外部新聞資料來源，支援 200+ 國家、40+ 語言
%%{init: {'theme':'dark', 'themeVariables': { 'darkMode': true, 'mainBkg': '#000000', 'clusterBkg': '#1A1A1A', 'primaryTextColor': '#E0E0E0', 'fontFamily': 'sans-serif' }}}%%
graph TB
User[使用者] --> Claude[Claude Desktop
]
Claude <-->|JSON-RPC| MCP[News MCP Server]
MCP <-->|REST API| API[newsdata.io]
subgraph "MCP Tools"
MCP --> Tool1[get_latest_news]
MCP --> Tool2[get_tech_news]
MCP --> Tool3[get_taiwan_news]
end
API --> DB[newsdata.io news]
style User fill:#475569,stroke:#94a3b8,stroke-width:2px,color:#E0E0E0
style Claude fill:#254a7c,stroke:#60a5fa,stroke-width:3px,color:#E0E0E0
style MCP fill:#8b4011,stroke:#fcd34d,stroke-width:3px,color:#E0E0E0
style API fill:#5820a4,stroke:#c4b5fd,stroke-width:3px,color:#E0E0E0
style DB fill:#0a5e44,stroke:#34d399,stroke-width:3px,color:#E0E0E0
style Tool1 fill:#546274,stroke:#9ca3af,stroke-width:1px,color:#F0F0F0
style Tool2 fill:#546274,stroke:#9ca3af,stroke-width:1px,color:#F0F0F0
style Tool3 fill:#546274,stroke:#9ca3af,stroke-width:1px,color:#F0F0F0
環境準備
首先安裝Python 套件管理工具 uv ：
1 | # 安裝 uv |
接著到 newsdata.io 註冊免費帳號，取得 API Key（免費版每日 200 次請求）。
核心程式碼
建立 src/mcp_news.py，核心概念就是用 @mcp.tool() decorator 把函數包裝成 MCP 工具：
1 | from typing import Any, Optional |
LLM 如何知道要用哪個 Function？
這裡的關鍵在於 FastMCP 會自動把 Python 函數轉換成 JSON Schema，讓 LLM 能理解。
當你用 @mcp.tool() decorator 標記一個函數時，FastMCP 會自動：
- 讀取函數簽名：從參數的型別標註（type hints）提取每個參數的資料型別
- 解析 docstring：從函數說明文件中提取工具的描述和參數說明
- 生成 JSON Schema：將這些資訊序列化成標準格式
例如我們的 get_latest_news 函數會被轉換成：
1 | { |
當你向 Claude 下達指令時，背後的流程是這樣的：
- Claude 接收到你的自然語言指令：「Get me the latest technology news」
- 分析可用的工具列表：Claude 看到有
get_latest_news、get_tech_news、get_taiwan_news等工具 - 判斷最適合的工具：根據描述和參數，判斷
get_tech_news最符合需求 - 產生工具呼叫請求：Claude 產生類似這樣的 JSON：
1
2
3
4
5
6
7{
"tool": "get_tech_news",
"parameters": {
"language": "en",
"max_results": 10
}
} - MCP Server 執行函數：接收到請求後執行對應的 Python 函數
- 回傳結構化結果：函數執行完回傳 JSON 格式的新聞資料
- Claude 整理成自然語言：將結構化資料轉換成易讀的摘要給使用者
docstring 和參數說明越清楚，LLM 就越能準確判斷什麼時候該用哪個工具
這也是為什麼我們定義了 get_tech_news 這樣的函數——它的名稱和描述更明確，讓 LLM 能更快速地匹配使用者的意圖。
測試運行
設定環境變數後，可以直接測試：
1 | export NEWSDATA_API_KEY="your_api_key_here" |
終端機會顯示一個 URL，點擊後會開啟 MCP Inspector，可以在瀏覽器中直接測試各個工具。
整合到 Claude Desktop
編輯 Claude 設定檔（macOS: ~/Library/Application Support/Claude/claude_desktop_config.json）：
1 | { |
重啟 Claude Desktop，在 Settings -> Developer -> Local MCP servers 就可以看到我的 MCP server 顯示 running 的狀態
實際使用
現在可以直接用自然語言跟 Claude 對話：
- “Get me the latest technology news”
- “Show me Taiwan technology news in Chinese”
- “What’s happening with cryptocurrency?”
Claude 會自動判斷要呼叫哪個工具，幫你整理成易讀的摘要。
重要概念
MCP 的運作原理其實很簡單：FastMCP 會把你的函數轉換成 JSON Schema，讓 AI 知道有哪些工具可用、需要什麼參數。
當使用者下指令時，AI 判斷要用哪個工具，MCP server 執行後回傳結果，AI 再把結果轉成人類易懂的回應。整個過程都是自動的，你只需要專注在寫好工具函數本身。
實際運行範例
讓我們來看一個真實的使用案例。我在 Claude 中直接使用這個 News MCP Server，用自然語言向 AI 下指令：
指令：「Summarize me Gemini3 from latest news」
可以看到整個流程運作：
- AI 理解我的意圖：我想知道 Gemini 3 的最新新聞摘要
- 自動選擇正確的工具：AI 判斷應該使用
search_news函數 - 傳入適當參數：
1
2
3
4{
"keywords": "Gemini 3",
"max_results": 10
} - 取得即時新聞：MCP Server 向 newsdata.io API 發送請求
- AI 整理成摘要：將結構化的 response （從 API 拿到的新聞資料）總結成易讀的內容
回傳的摘要包含：
- Google 最新發布 Gemini 3 的重點功能
- 在 AI 領導力排行榜上的表現
- 多模態推理能力的提升
- “Nano Banana Pro” 圖片生成功能
- 價格策略調整
- 市場影響分析
透過 FastMCP 框架，就可以快速建立了一個實用的新聞 MCP server。
這個架構可以延伸到任何有 API 的服務：天氣、股價、待辦事項、內部系統等等。
下次當各位覺得「如果 AI 能幫我做這個就好了」，不妨花個半小時，自己動手打造一個專屬的 MCP 工具吧！！！
