实战案例

10.1 案例1：电商客服MCP Server

场景: 让Claude/ChatGPT成为你的客服助手，回答客户关于订单、物流、退货的问题。 工具设计:

工具	功能
`get_order_status`	根据订单号查询状态
`track_shipment`	查询物流轨迹
`check_return_eligibility`	检查是否满足退货条件
`create_return_request`	创建退货申请
`get_faq`	获取常见问题答案

Resources设计:

资源URI	内容	Annotations
`store://policies/return`	退货政策	`audience: ["assistant"]`, `priority: 0.9`
`store://policies/shipping`	配送说明	`audience: ["assistant"]`, `priority: 0.8`
`store://faq/common`	高频问题	`audience: ["assistant", "user"]`, `priority: 0.7`

Prompts设计:

server.prompt(
  "customer_service_mode",
  "启动客服助手模式，加载店铺政策和常见问题",
  [],
  async () => ({
    messages: [{
      role: "assistant",
      content: {
        type: "text",
        text: "你是一个专业的客服助手。基于店铺政策回答问题，遇到无法处理的投诉请建议转人工。"
      }
    }]
  })
);

Elicitation应用: 退货申请时，通过Elicitation向用户确认退货原因和退款方式：

server.tool("create_return_request", "创建退货申请", {
  orderId: { type: "string" }
}, async ({ orderId }, { requestElicitation }) => {
  // 通过Elicitation请求用户确认
  const confirmation = await requestElicitation({
    message: "请确认退货信息",
    requestedSchema: {
      type: "object",
      properties: {
        reason: { type: "string", enum: ["质量问题", "尺码不合", "不想要了", "其他"] },
        refundMethod: { type: "string", enum: ["原路退回", "账户余额"] }
      },
      required: ["reason", "refundMethod"]
    }
  });
  // 创建退货...
  return {
    content: [{ type: "text", text: `退货申请已创建，退款方式：${confirmation.refundMethod}` }]
  };
});

用户对话示例:

用户: 我的订单 ORD-20260410-001 到哪了？
AI: [调用get_order_status] 您的订单已发货，快递单号SF1234567890。
    [调用track_shipment] 最新状态：4月10日 15:23 已到达北京分拨中心，
    预计明天送达。

价值: 7x24小时自动回复，减少客服工作量60%以上。

10.2 案例2：B2B供应链查询

场景: 让采购人员通过AI助手快速查询供应商的库存和报价。 工具设计:

server.tool("query_supplier_inventory", "查询供应商库存和报价", {
  productCode: { type: "string", description: "产品编号" },
  quantity: { type: "number", description: "需求数量" },
  supplierId: { type: "string", description: "供应商ID" }
}, async ({ productCode, quantity, supplierId }) => {
  const quote = await supplierApi.getQuote(supplierId, productCode, quantity);
  const data = {
    supplier: quote.supplierName,
    product: quote.productName,
    unitPrice: quote.unitPrice,
    totalPrice: quote.totalPrice,
    currency: quote.currency,
    leadTime: quote.leadTimeDays,
    moq: quote.minimumOrderQuantity,
    inStock: quote.availableQuantity
  };
  return {
    content: [{
      type: "text",
      text: JSON.stringify(data, null, 2)
    }],
    structuredContent: data
  };
});

server.tool("compare_suppliers", "对比多个供应商的报价", {
  productCode: { type: "string", description: "产品编号" },
  quantity: { type: "number", description: "需求数量" },
  supplierIds: { type: "string", description: "供应商ID列表，逗号分隔" }
}, async ({ productCode, quantity, supplierIds }) => {
  const ids = supplierIds.split(",").map(s => s.trim());
  const quotes = await Promise.all(
    ids.map(id => supplierApi.getQuote(id, productCode, quantity))
  );
  const comparison = quotes
    .sort((a, b) => a.unitPrice - b.unitPrice)
    .map((q, i) => ({
      rank: i + 1,
      supplier: q.supplierName,
      unitPrice: q.unitPrice,
      leadTime: q.leadTimeDays,
      moq: q.minimumOrderQuantity
    }));
  return {
    content: [{
      type: "text",
      text: JSON.stringify(comparison, null, 2)
    }]
  };
});

Sampling应用: 利用Sampling请求Host的LLM生成采购建议：

server.tool("procurement_advice", "基于报价数据生成采购建议", {
  productCode: { type: "string" },
  quantity: { type: "number" }
}, async ({ productCode, quantity }, { requestSampling }) => {
  const quotes = await supplierApi.getAllQuotes(productCode, quantity);
  // 通过Sampling请求LLM分析
  const analysis = await requestSampling({
    messages: [{
      role: "user",
      content: {
        type: "text",
        text: `分析以下供应商报价，推荐最优采购方案：\n${JSON.stringify(quotes, null, 2)}`
      }
    }],
    maxTokens: 500,
    modelPreferences: {
      intelligencePriority: 0.8,
      costPriority: 0.2
    }
  });
  return {
    content: [{ type: "text", text: analysis.content.text }]
  };
});

10.3 案例3：多店铺管理

场景: 经营多个电商店铺（Shopify+WooCommerce+自营站），通过MCP统一管理。 工具设计:

工具	功能
`list_stores`	列出所有店铺
`get_store_stats`	获取指定店铺的销售数据
`sync_inventory`	跨店铺同步库存
`compare_performance`	对比多店铺的业绩指标

Resources: 各平台API配置作为资源暴露

server.resource(
  "stores://platforms",
  "已连接的电商平台",
  "application/json",
  async () => {
    return JSON.stringify([
      { id: "shopify-main", platform: "Shopify", name: "主站", status: "active" },
      { id: "woo-1", platform: "WooCommerce", name: "副站", status: "active" },
      { id: "self-hosted", platform: "Custom", name: "自营站", status: "active" }
    ], null, 2);
  }
);

用户对话示例:

用户: 对比一下我三个店铺这周的销售情况
AI: [调用get_store_stats x 3]

    本周销售对比:
    | 店铺 | 订单数 | 销售额 | 转化率 |
    |------|--------|--------|--------|
    | Shopify主站 | 142 | 89,400元 | 3.2% |
    | WooCommerce | 68 | 42,100元 | 2.8% |
    | 自营站 | 35 | 28,600元 | 4.1% |

    自营站的转化率最高，但流量最少。
    建议把Shopify的流量引流策略应用到自营站。

10.4 案例4：OTR信任评估集成

场景: AI代理在推荐商家前，先查询其OTR信任评分，确保推荐的是可信商家。 工具设计:

server.tool("verify_merchant", "验证商家信任度", {
  domain: { type: "string", description: "商家域名" }
}, async ({ domain }) => {
  const otrResponse = await fetch(
    `https://${domain}/.well-known/otr/verify`
  );

  if (!otrResponse.ok) {
    return {
      content: [{
        type: "text",
        text: `${domain} 未部署OTR协议，无法验证信任度。建议谨慎交易。`
      }],
      isError: false  // 这不是错误，只是缺少OTR数据
    };
  }

  const otr = await otrResponse.json();
  return {
    content: [{
      type: "text",
      text: JSON.stringify({
        domain: otr.domain,
        trustScore: otr.trustScore,
        badges: otr.badges,
        dimensions: {
          identity: otr.dimensions?.I,
          security: otr.dimensions?.S,
          transparency: otr.dimensions?.T,
          reputation: otr.dimensions?.R,
          durability: otr.dimensions?.D,
          financial: otr.dimensions?.F
        },
        recommendation: otr.trustScore >= 70
          ? "信任评分良好，可以放心交易"
          : otr.trustScore >= 40
          ? "信任评分一般，建议进一步了解后决定"
          : "信任评分较低，建议谨慎"
      }, null, 2)
    }]
  };
});

使用场景: AI购物助手在推荐商品时自动验证商家信任度：

用户: 帮我找一个靠谱的户外装备店
AI: [调用search_products 搜索户外装备]
    [调用verify_merchant 验证 outdoorgear.com]
    [调用verify_merchant 验证 hikestore.cn]

    推荐两家经过OTR信任验证的户外装备店:

    1. outdoorgear.com — OTR信任评分 82/100
       六维评估: V(身份验证)A / S(运营安全)A / G(治理合规)B / T(信息透明)B / D(数据质量)A / F(履约)待授权

    2. hikestore.cn — OTR信任评分 71/100
       六维评估: V(身份验证)B / S(运营安全)B / G(治理合规)B / T(信息透明)C / D(数据质量)B / F(履约)待授权

    两家都通过了基本信任验证。outdoorgear.com的整体评分更高。

10.5 快速上手路径

如果你是第一次构建MCP Server：

第1小时: 读完本书第1-4章，理解MCP架构和开发流程
第2小时: 用MCP Inspector跑通第4章的示例代码
第3-4小时: 基于第5章的模板，构建你自己的商务Server
第5小时: 在Claude Desktop中测试，确认工具正常工作
后续: 根据需要扩展工具、添加Resources和Prompts、部署到远程

AI提示词：快速构建MCP Server

请帮我构建一个MCP Server。

我已经阅读了MCP协议文档（modelcontextprotocol.io），
现在需要你帮我实现。

需求：
- 语言：TypeScript
- 协议版本：2025-11-25
- 工具列表：
  1. 【工具名】: 【功能描述】，输入【参数】，返回【数据】
  2. 【工具名】: 【功能描述】，输入【参数】，返回【数据】
- Resources: 【需要暴露的数据资源】
- Prompts: 【需要预定义的提示词模板】
- 数据源：【数据库连接信息 / API地址】
- 传输方式：【stdio / Streamable HTTP】

请提供：
1. 完整的可运行代码（含outputSchema和structuredContent）
2. package.json
3. tsconfig.json
4. Claude Desktop配置文件
5. 测试命令

恭喜你读完了Book 5。现在你掌握了MCP协议的完整知识，可以构建自己的MCP Server让AI代理与你的系统交互。 接下来推荐:

了解商品发现协议 → Book 3: UCP协议
了解AI代理下单协议 → Book 4: ACP协议
动手优化AI可见性 → Book 6: SEO for AI
直接用模板 → 模板与提示词

下一步推荐: SEO for AI — 让AI代理发现你的站点和商品 其他实战案例: OTR案例 | UCP案例 | SEO案例

开始

学习路径

AI代理商务入门

OTR 开放信任协议

UCP 通用商务协议

ACP 代理商务协议

MCP 模型上下文协议

AI时代的SEO

ORBEXA 一体化方案

模板与提示词

术语词典

MCP Server电商场景实战案例

实战案例

10.1 案例1：电商客服MCP Server

10.2 案例2：B2B供应链查询

10.3 案例3：多店铺管理

10.4 案例4：OTR信任评估集成

10.5 快速上手路径

AI提示词：快速构建MCP Server

​实战案例

​10.1 案例1：电商客服MCP Server

​10.2 案例2：B2B供应链查询

​10.3 案例3：多店铺管理

​10.4 案例4：OTR信任评估集成

​10.5 快速上手路径

​AI提示词：快速构建MCP Server

实战案例

10.1 案例1：电商客服MCP Server

10.2 案例2：B2B供应链查询

10.3 案例3：多店铺管理

10.4 案例4：OTR信任评估集成

10.5 快速上手路径

AI提示词：快速构建MCP Server