大家好！上一期我们介绍了MCP Factory的核心功能与应用场景，很多小伙伴在社群中已经摩拳擦掌、准备动手试试了。

今天，我就带大家真正从零开始，五分钟快速部署一个MCP Server，帮你轻松打通AI与工具之间的连接通道！

通过本文，你将能够：

✅ 在Ubuntu服务器上一键完成环境初始化

✅ 掌握MCP Factory的快速部署方法；

✅ 独立运行一个功能完整的MCP服务端；

✅ 为后续开发自定义Tool或Resource打下基础。

1. 服务器基础配置：

• 
  

• 操作系统： Ubuntu 18.04或以上版本

• 硬件要求：最低配置 2核CPU/ 6G内存/ 200 GB 磁盘

• 磁盘空间：确保 /var/lib 目录有 ≥ 80GB可用空间

• 网络带宽：建议为每个用户分配 2MBps以上带宽

2. 网络与权限：

• 服务器需配置 静态IP地址

• 使用 root用户执行安装命令

准备好符合要求的服务器后，复制下面这条命令并执行即可开始安装：

bash
wget-qO https://mcpfactory.cn/release/download/ce/installer-linux-amd64 | bash -s mcpfactory-ce-k8s-containerd install

执行过程中脚本会自动完成依赖检查、容器运行时安装、K8s 集群初始化等步骤，你只需要耐心等待几分钟即可。

更详细的部署教程，请查看:

https://mcpfactory.cn/docs/install/quick-install/

显示这段话，即表示部署成功

1.快速创建MCP Server

首页点击创建MCP Server，填写基本信息，如名称、描述、标签等，选择语言框架，如python

2.编写业务代码

先进行初始化配置

然后就可以进行代码编写，按照我们给的的基础框架，完成您的业务逻辑

3.MCP Server一键测试

完成代码测试以后，可以点击MCP测试页面，进行MCP Server测试

4.MCP Server一键部署

测试完成以后，点击MCP Server进到部署页面，点击部署按钮，默认会选择K8S完成一键部署

5.通过MCP客户端连接到MCP Factory的MCP Server

部署完成以后，复制URL连接，打开MCP客户端，这里我以CherryStudio为例

至此，我们已经成功打通了从MCP Factory部署到 Jira工具集成，再到与大模型协同工作的全链路！

现在，你的AI助手已经不再是那个只会空想的“理论家”，而是一个能真正帮你查询项目进度、管理任务的“实干家”了。这正是MCP技术的魅力所在——它将AI的能力边界，扩展到了你业务所在的每一个角落。

这只是一个开始，期待看到大家创造出更多更强大的AI应用！如果你在实践过程中有任何心得或问题，欢迎在评论区分享交流。

加入技术社群（二维码有效期7天）

群无法进入可以添加 MCP Factory 小助手

关注公众号，后续会推出更多企业 MCP Server