一、环境搭建

1.1 高德地图 api 申请

使用高德地图开放的 MCP Server 服务需要申请一个高德地图的 API Key，按如下方式申请:

1. 进入 高德开放平台官网 (https://lbs.amap.com/)， 点击右上角控制台，注册成为开发者，注册完成后点击确认即可。

2. 进入控制台后，点击左侧的应用管理，点击下拉栏中我的应用一项，点击创建新应用

3. 创建一个新应用后点击右上角添加 Key, 按命名规范要求输入 Key 名称，并选择 “Web 服务” 选项，勾选 “阅读并同意……”，最后点击 “提交” 按钮，稍等片刻得到高德地图的 API Key。

1.2 VsCode + Cline + DeepSeek API

我们需要在 VsCode 中安装 Cline 插件，并在 Cline 中配置 DeepSeek 的 API Key。之前的文章
零门槛！手把手教你用 VS Code + DeepSeek 免费玩转 AI 编程！（5 分钟编写部署个人网站）详细介绍了 VsCode+Cline+DeepSeek API 的安装步骤和配置，这里不再赘述。完成后效果如下：

1.3 node.js 下载安装

node.js 的下载安装方式非常多，此处省略

1.4 Cline 连接高德地图 MCP Server

Cline 除了连接 DeepSeek 大模型还需要连接高德地图 MCP Server 获得高德地图提供的多种能力。

1. 访问 MCP Servers 官方网站 (https://mcp.so/)， 打开高德地图 Amap Maps， 点击 Content，其中介绍了高德地图 MCP 的接入配置：

{  "mcpServers": {    "amap-maps": {      "command": "npx",      "args": [        "-y",        "@amap/amap-maps-mcp-server"      ],      "env": {        "AMAP_MAPS_API_KEY": "您在高德官网上申请的key"      }    }  }}

2. 首先点击 Vs Code 中的 Cline，然后点击 MCP Servers 小图标，再点击 Installed 选项，点击 Configure MCP Servers 打开 MCP Servers 配置文件，将上述配置粘贴到该配置文件中

3. 测试高德地图 MCPServer, 连接成功之后会在右下角出现 Cline 的消息提示 amap-maps MCP Server connected, 同时在 Cline 的 MCP Server Tools 列表中可以高德地图 MCP Server 暴露出的 12 种方法，大家可以看到关于这些方法的具体介绍。

以上就是本项目需要的全部配置。

二、两步搞定高德地图 MCP 出行规划

完成上述配置后通过一个具体场景带大家两步学会使用高德地图 MCP 进行出行规划:

2.1 项目背景

又到周末啦！和工作日的牛马不同，周末要化身 “爱妻超人” 带女朋友去潇洒了。不说了，女朋友电话来了

女朋友：“宝贝春天了，周末我想去公园玩，有没有好玩的公园呀～”
我: “春天要去踏青了，我们就去玉渊潭看花吧”
女朋友：“玉渊潭去过好多次了，我想换个公园，要不找个咱俩中间地点的公园吧～”
我: “中间的公园，这…”
女朋友： “你竟然没有计划我们的周末行程，还吹牛说自己对北京很熟悉，我要生气啦～”
我: “当然不是，哎呀我当然计划了，只是只是，给我 5min~”

这时的我迅速打开 VsCode+Cline, 连接好高德地图 MCP Server, 开始了我的骚操作

2.2 设计提示词

提问大模型的第一步首先要说明我们的需求，设计明确的提示词。打开 VsCode, 点击小机器人图标打开 Cline, 在 Type your task here 中输入如下提示词:

我住在北京海淀区永丰地铁站附近，女朋友在北京市海淀区魏公村地铁站附近，帮我推荐几个与两个人距离相近，方便停车的，景色优美的公园。并给出公园的具体信息。

输入提示词之后，Cline 会通过 DeepSeek 大模型组织串联高德地图 MCP Server 的多种工具帮我们挑选公园，在调用接口时如果我们没有勾选 auto approve 选项，需要我们人工确定是否调用这些接口，我们一路点击 Approve 即可。

DeepSeek 会梳理调用 MCP Server 获得的各种信息，返回给我们最后的推荐。可以看到最后 DeepSeek 帮我们推荐了三个公园分别是圆明园遗址公园，清河之源滨水公园和厢黄旗公园。

2.3 生成可视化网页

这就完啦？当然没有，对于一个优秀的 “爱妻” 程序员来说，不能只会规划，还要用一种更惊喜的方式把这些信息展示出来，还记得我有篇文章不写一行代码使用
零门槛！手把手教你用 VS Code + DeepSeek 免费玩转 AI 编程！（5 分钟编写部署个人网站），我们让 Cline 根据返回结果帮我们制作一个精美的网站展示页，继续输入如下提示词:

上面的推荐内容，能不能帮我生成一个html文件，用好看的图像表达出来，方便大家美观的查看

输入如上提示词后，Cline 开始自动给我们生成 html 代码了:

生成完毕后点击 run command 查看网页的生成效果，还是很漂亮的。

得到 html 代码后，我们使用 HTMLPUT (https://www.htmlput.com/) 网站把我们的静态代码粘贴进去（拿临时邮箱注册一个账号即可），访问权限选择公开访问，点击立即托管。在历史记录之中点击查看，然后把链接分享给别人，大家就可以在线看到网页了，也可以通过二维码分享，我生成的网页链接是 (用电脑打开)：北京海淀公园推荐 – 永丰 & 魏公村

三、 Cline 接入 MCP Server 原理解析

3.1 Cline MCP 客户端和服务端通信方式

Cline 接入 MCP 究竟是如何得到这么神奇的效果呢，大家如果看过我的文章：理论 + 代码一文带你深入浅出 MCP：人工智能大模型与外部世界交互的革命性突破 脑海中应该有个整体思路，Cline + 大模型相当于 MCP 的客户端，高德地图是 MCP 服务端，不过它们之间是如何通信的呢？

大家还记得上面 Cline 配置高德地图 MCP 的配置项，该配置项相当于执行了 npx -y @amap/amap-maps-mcp-server 命令

{  "mcpServers": {    "amap-maps": {      "command": "cmd",      "args": [        "/c",        "npx",        "-y",        "@amap/amap-maps-mcp-server"      ],      "env": {        "AMAP_MAPS_API_KEY": "你的高德地图API Key"      },      "disabled": false,      "autoApprove": [        "maps_geo",        "maps_around_search",        "maps_search_detail"      ]    }  }}

我们在本地命令行 cmd 窗口运行 npx -y @amap/amap-maps-mcp-server, 注意在运行前要设置环境变量 set AMAP_MAPS_API_KEY="你的高德地图API Key" 为你高德地图的 API Key， 效果如下：

很明显的看到高德地图 MCP 服务端是通过 stdio 标准输入输出方式与 Cline 大模型 MCP 客户端相互通信的。

3.2 接入自定义 Client

既然高德地图 MCP Server 是通过 stdio 标准输入输出方式与 MCP Client 相连的，我们能不能利用
理论 + 代码一文带你深入浅出 MCP：人工智能大模型与外部世界交互的革命性突破 中使用 python 编写的 client.py，将高德地图 MCP Server 作为它的子进程进行通信呢？赶快来试一下～

完整代码为:

 import asyncioimport jsonfrom typing import Optionalfrom contextlib import AsyncExitStackfrom openai import OpenAI from mcp import ClientSession, StdioServerParametersfrom mcp.client.stdio import stdio_client class MCPClient:    def __init__(self):        """初始化MCP客户端"""        self.exit_stack = AsyncExitStack()        self.opanai_api_key = "你注册的deepseek api_key" # 调用模型的api_key        self.base_url = "https://api.deepseek.com" # 调用模型url, 这里以deepseek作演示        self.model = "deepseek-chat" # 调用deepseek-v3模型        self.client = OpenAI(api_key=self.opanai_api_key, base_url=self.base_url)        self.session: Optional[ClientSession] = None # Optional提醒用户该属性是可选的，可能为None        self.exit_stack = AsyncExitStack() # 用来存储和清楚对话中上下文的，提高异步资源利用率     async def connect_to_server(self):        """连接到MCP服务器并列出MCP服务器的可用工具函数"""        server_params = StdioServerParameters(            command="npx",            args=["-y", "@amap/amap-maps-mcp-server"],            env={                "AMAP_MAPS_API_KEY": "你注册的高德地图api key"            }        ) # 设置启动服务器的参数, 这里是要用python执行server.py文件         # 启动MCP服务器并建立通信        stdio_transport = await self.exit_stack.enter_async_context(stdio_client(server_params))        self.stdio, self.write = stdio_transport        self.session = await self.exit_stack.enter_async_context(ClientSession(self.stdio, self.write))         await self.session.initialize() # 与服务器建立stdio连接         # 列出MCP服务器上的工具        response = await self.session.list_tools()        tools = response.tools        print("\n已连接到服务器，支持以下工具:", [tool.name for tool in tools])#打印服务端可用的工具     async def process_query(self, query:str)->str:        """使用大模型处理查询并调用MCP Server可用的MCP工具"""        messages = [{"role":"user", "content":query}]        response = await self.session.list_tools()         available_tools = [{            "type": "function",            "function": {                "name": tool.name,                "description": tool.description,                "input_schema": tool.inputSchema            }        } for tool in response.tools]         response = self.client.chat.completions.create(            model=self.model,            messages=messages,            tools=available_tools        )         # 处理返回内容        content = response.choices[0]        if content.finish_reason == "tool_calls":            # 返回结果是使用工具的建议，就解析并调用工具            tool_call = content.message.tool_calls[0]            tool_name = tool_call.function.name            tool_args = json.loads(tool_call.function.arguments)            # 执行工具            result = await self.session.call_tool(tool_name, tool_args)            print(f"\n\n[Calling tool {tool_name} with args {tool_args}]\n\n")            # 将模型返回的调用工具的对话记录保存在messages中            messages.append(content.message.model_dump())            messages.append({                "role": "tool",                "content": result.content[0].text,                "tool_call_id": tool_call.id,            })            # 将上面的结果返回给大模型用于生产最终结果            response = self.client.chat.completions.create(                model=self.model,                messages=messages            )            return response.choices[0].message.content        return content.message.content     async def chat_loop(self):        """运行交互式聊天"""        print("\n MCP客户端已启动！输入quit退出")         while True:            try:                query = input("\n用户:").strip()                if query.lower() == 'quit':                    break                response = await self.process_query(query)                print(f"\nDeepSeek-V3-0324: {response}")            except Exception as e:                print(f"发生错误: {str(e)}")     async def clean(self):        """清理资源"""        await self.exit_stack.aclose() async def main():    client = MCPClient()    try:        await client.connect_to_server()        await client.chat_loop()    finally:        await client.clean() if __name__ == "__main__":    import sys    asyncio.run(main())