使用 go-zero MCP 实现动态 Prompt：打造更智能的 AI 应用

mrkong

在 AI 快速发展的时代，单纯依赖大模型本身，已无法满足多变且复杂的业务需求。要打造真正“聪明”的 AI 应用，模型不仅要理解用户意图，还需具备行动能力（Agency）——能感知上下文、动态生成响应、调用外部工具，甚至访问实时数据。

go-zero 的 MCP（Model Context Protocol）框架，正是为此而设计。它帮助开发者更高效地构建基于大模型的智能系统，让 AI 拥有灵活、可控、结构化的提示词（Prompt）机制。

本文将带你深入了解如何借助 go-zero MCP 实现动态 Prompt，让你的 AI 应用具备真正的“上下文感知”与“任务理解”能力。

什么是 MCP Prompt？MCP Prompt 是一种 标准化提示词协议，用于封装向大语言模型（LLM）传递的输入、结构化模型响应，并可灵活集成上下文、参数和外部资源。它具备以下核心能力：✅ 支持 参数化输入 与 上下文感知交互
✅ 规范化 LLM 的输入输出结构
✅ 支持 多步骤工作流调度
✅ 可与工具链（Tools）及资源系统（如日志、数据库、代码仓库等）无缝集成特别地，MCP 的最大亮点是支持 动态 Prompts —— 能根据用户输入和上下文，在运行时动态生成提示词，而不是一成不变的模板。

MCP 支持的 Prompt 类型

类型	描述
静态 Prompt	固定内容，不依赖用户输入
动态 Prompt	实时构建，结合用户输入与上下文

动态 Prompt 更加灵活，是实现智能交互、上下文适配的关键能力。

实战：用 go-zero MCP 构建动态提示词服务

下面我们通过实际代码，构建一个 MCP 动态 Prompt 服务。

第一步：配置文件 etc/config.yaml

1. name: prompt-service
   
2. port: 8080
   

复制代码

第二步：启动 MCP 服务器

1. package main
   
2. 
   
3. import (
   
4.     "flag"
   
5.     "github.com/zeromicro/go-zero/core/conf"
   
6.     "github.com/zeromicro/go-zero/core/logx"
   
7.     "github.com/zeromicro/go-zero/mcp"
   
8. )
   
9. 
   
10. var configFile = flag.String("f", "etc/config.yaml", "配置文件路径")
    
11. 
    
12. func main() {
    
13.     flag.Parse()
    
14. 
    
15.     var c mcp.McpConf
    
16.     conf.MustLoad(*configFile, &c)
    
17. 
    
18.     server := mcp.NewMcpServer(c)
    
19. 
    
20.     // 注册动态 Prompt
    
21.     registerMyPrompt(server)
    
22. 
    
23.     logx.Info("MCP 服务器已启动")
    
24.     server.Start()
    
25. }

复制代码

第三步：注册动态Prompt

1. func registerMyPrompt(server mcp.McpServer) {
   
2.     server.RegisterPrompt(mcp.Prompt{
   
3.         Name:        "get_custom_prompt",
   
4.         Description: "根据用户输入生成动态提示词",
   
5.         Arguments: []mcp.PromptArgument{
   
6.             {
   
7.                 Name:        "user_query",
   
8.                 Description: "用户输入的问题",
   
9.                 Required:    true,
   
10.             },
    
11.             {
    
12.                 Name:        "context_id",
    
13.                 Description: "可选的上下文 ID",
    
14.                 Required:    false,
    
15.             },
    
16.         },
    
17.         Handler: func(ctx context.Context, args map[string]string) ([]mcp.PromptMessage, error) {
    
18.             var req struct {
    
19.                 UserQuery string `json:"user_query"`
    
20.                 ContextID string `json:"context_id,optional"`
    
21.             }
    
22. 
    
23.             if err := mcp.ParseArguments(args, &req); err != nil {
    
24.                 return nil, fmt.Errorf("参数解析失败: %w", err)
    
25.             }
    
26. 
    
27.             return []mcp.PromptMessage{
    
28.                 {
    
29.                     Role: mcp.RoleUser,
    
30.                     Content: mcp.TextContent{
    
31.                         Text: fmt.Sprintf(`你是一个乐于助人的 AI 助手，请回答用户的问题：%s%s`,
    
32.                             req.UserQuery, getContextInstructions(req.ContextID)),
    
33.                     },
    
34.                 },
    
35.             }, nil
    
36.         },
    
37.     })
    
38. }
    
39. 
    
40. func getContextInstructions(contextID string) string {
    
41.     if contextID == "" {
    
42.         return ""
    
43.     }
    
44.     return fmt.Sprintf("\n请结合上下文 ID [%s] 提供更准确的回答。", contextID)
    
45. }
    

复制代码

该 Prompt 可以根据用户的输入内容，动态生成个性化的提示词，同时结合上下文 ID 提供更智能的响应。

实用案例：Go 语言代码审查助手

我们进一步通过一个实用示例，展示动态 Prompt 的强大功能 —— 创建一个 Go 代码审查助手。

1. server.RegisterPrompt(mcp.Prompt{
   
2.     Name:        "get_code_review_prompt",
   
3.     Description: "生成代码审查提示词",
   
4.     Arguments: []mcp.PromptArgument{
   
5.         {
   
6.             Name:        "code_snippet",
   
7.             Description: "待审查的代码片段",
   
8.             Required:    true,
   
9.         },
   
10.         {
    
11.             Name:        "focus_areas",
    
12.             Description: "审查重点（如性能、并发、安全）",
    
13.             Required:    false,
    
14.         },
    
15.     },
    
16.     Handler: func(ctx context.Context, args map[string]string) ([]mcp.PromptMessage, error) {
    
17.         var req struct {
    
18.             CodeSnippet string `json:"code_snippet"`
    
19.             FocusAreas  string `json:"focus_areas,optional"`
    
20.         }
    
21. 
    
22.         if err := mcp.ParseArguments(args, &req); err != nil {
    
23.             return nil, err
    
24.         }
    
25. 
    
26.         return []mcp.PromptMessage{
    
27.             {
    
28.                 Role: mcp.RoleUser,
    
29.                 Content: mcp.TextContent{
    
30.                     Text: fmt.Sprintf(`你是一位经验丰富的 Go 开发者，请审查以下代码并提供优化建议：
    
31. 
    
32. <go-code>
    
33. %s
    
34. </go-code>
    
35. 
    
36. 请重点关注以下方面：
    
37. 1. 可读性
    
38. 2. 性能
    
39. 3. 并发安全
    
40. 4. 潜在 Bug
    
41. 5. Go 最佳实践%s`, req.CodeSnippet, getFocusAreasInstructions(req.FocusAreas)),
    
42.                 },
    
43.             },
    
44.         }, nil
    
45.     },
    
46. })
    
47. 
    
48. func getFocusAreasInstructions(focus string) string {
    
49.     if focus == "" {
    
50.         return ""
    
51.     }
    
52.     return fmt.Sprintf("\n6. 特别关注：%s", focus)
    
53. }
    

复制代码

无论用户提交何种代码片段，Prompt 都能根据输入实时生成审查要求，甚至支持指定关注点（如并发或安全问题），极大增强了 AI 审查工具的灵活性和可用性。

交互流程演示

整个交互过程如下：

1.客户端调用 prompts/list 获取可用的 Prompt 列表；

2.客户端调用 prompts/list 获取可用的 Prompt 列表；

3.MCP 服务根据参数生成 Prompt 并返回；

4.客户端调用 LLM，执行推理并获取结果。

这一标准流程为 Prompt 的复用、调试和版本控制提供了极大便利。

总结：MCP 让AI更聪明

通过 go-zero 的 MCP，你可以：

✅ 统一 Prompt 调用与交互规范
✅ 实现上下文感知、动态提示词生成
✅ 支持多步骤工作流与外部工具集成
✅  更好地控制 LLM 的行为，提升输出质量

MCP 正在推动 AI 应用从“静态交互”向“智能体交互”进化，是构建高质量 AI 产品的重要基石。借助 go-zero MCP，你可以轻松打造更灵活、可扩展、可维护的智能系统。

如果你也在构建基于大模型的应用，欢迎尝试 go-zero MCP，让你的 AI 具备“理解力”与“执行力”。