# MCP vs API Calls: Which Should You Use for Python LLM Apps?

- 发布方：Real Python；作者：Valerio Maggio
- 形式：实践教程 · en
- 原始资源：[https://realpython.com/mcp-vs-api/](<https://realpython.com/mcp-vs-api/>)
- 本站页面：[https://oplearnx.com/resources/res\_fsas255r9ed5](<https://oplearnx.com/resources/res_fsas255r9ed5>)
- 学习主题：人工智能 / AI Agent / 工具调用与工作流；人工智能 / AI Agent；人工智能 / 大语言模型 LLM / 模型结构与预训练
- 内容状态：状态待核验
- 原始发布时间：2026-10-27 22:00
- 本站首次收录：2026-10-28 00:11

## 能学到什么

能判断何时用 MCP 服务器、何时用直接 API 调用接入 LLM 工具，并用 Python 分别实现两种方式下的同一个工具。

- 说明 MCP 与直接 API 调用在结构上的区别，以及 MCP 是在 HTTP 请求之上加一层而非替代 API
- 从安装成本、每个工具的代码量、复用范围、成熟度四个维度比较两种方案
- 用 Python 函数配合 Anthropic 客户端手写工具 schema，完成一次直接 API 调用的工具集成
- 把同一个工具封装成 MCP 服务器，让任意 MCP 客户端可以自动发现并调用
- 根据工具是否需跨应用、跨模型提供商复用，以及是否想少维护进程，为项目选出合适方案
- 搭建虚拟环境并安装 anthropic、mcp 依赖，配置模型 API 密钥后跑通示例

## 适合我吗

- 适合：适合正在用 Python 构建 LLM 应用、要把外部工具接给模型调用，并在「多应用复用」和「少维护一层服务」之间做取舍的开发者。
- 需要留意：不适合想系统学习 Agent 原理或从零搭建完整 Agent 循环的读者，本文定位是两种工具接入方式的对比教程。

## 前置条件与费用

- 知识前置：需熟悉 Python 函数、字典与 JSON；MCP 客户端示例用到 async/await 与 asyncio，基础薄弱需先补。
- 软件、账号与硬件：需要能运行 Python 3.10\+ 的本地环境；需自备 Anthropic API 密钥以便运行示例代码。
- 内容费用：免费：节选里可直接读到主要对比正文与代码示例，网页并写明可下载免费示例代码，未见对本文主要内容设付费墙。
- 实践费用：实践需要付费：文中示例使用 Anthropic 客户端，网页写明该客户端需要 API 密钥才能在 Claude Platform 创建，运行代码涉及 API 调用费用。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- Python 3.10\+：运行教程示例代码
- pip / venv：建虚拟环境并安装 anthropic 与 mcp 包
- [Anthropic API 密钥](<https://platform.claude.com/settings/keys>)：调用模型完成工具调用，需在 Claude Platform 创建

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「MCP vs API Calls: Which Should You Use for Python LLM Apps?」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/mcp-vs-api/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：本地运行 Python 示例，需自备 Anthropic API 密钥；文中还提供免费示例代码下载和配套测验，可用于自查。
课节（官方顺序）：
1. MCP vs API Calls: Which Should You Use for Python LLM Apps?：https://realpython.com/mcp-vs-api/

1. 环境
- Python 3.10 及以上（文中示例使用 3.14）
- 虚拟环境：python -m venv .venv 并激活
- pip install anthropic==1.4.0 mcp==2.1.1
- 环境变量 ANTHROPIC_API_KEY
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/mcp-vs-api/
3. 目录（最外层放在我确认的位置）
mcp-vs-api-calls-python/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-mcp-vs-api-calls-which/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - python -c "import anthropic, mcp; print(anthropic.__version__)"  → 能打印版本号且无 ImportError
  - python -c "import os; print(bool(os.environ.get('ANTHROPIC_API_KEY')))"  → 输出 True
  - 打开 https://realpython.com/mcp-vs-api/ 确认能下载免费示例代码  → 示例代码可下载，无需会员
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「MCP vs API Calls: Which Should You Use for Python LLM Apps?」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/mcp-vs-api/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：本地运行 Python 示例，需自备 Anthropic API 密钥；文中还提供免费示例代码下载和配套测验，可用于自查。
课节（官方顺序）：
1. MCP vs API Calls: Which Should You Use for Python LLM Apps?：https://realpython.com/mcp-vs-api/

1. 环境
- Python 3.10 及以上（文中示例使用 3.14）
- 虚拟环境：python -m venv .venv 并激活
- pip install anthropic==1.4.0 mcp==2.1.1
- 环境变量 ANTHROPIC_API_KEY
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/mcp-vs-api/
3. 目录（最外层放在我确认的位置）
mcp-vs-api-calls-python/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-mcp-vs-api-calls-which/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import anthropic, mcp; print(anthropic.__version__)"  → 能打印版本号且无 ImportError
  - python -c "import os; print(bool(os.environ.get('ANTHROPIC_API_KEY')))"  → 输出 True
  - 打开 https://realpython.com/mcp-vs-api/ 确认能下载免费示例代码  → 示例代码可下载，无需会员
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「MCP vs API Calls: Which Should You Use for Python LLM Apps?」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://realpython.com/mcp-vs-api/
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：本地运行 Python 示例，需自备 Anthropic API 密钥；文中还提供免费示例代码下载和配套测验，可用于自查。
课节（官方顺序）：
1. MCP vs API Calls: Which Should You Use for Python LLM Apps?：https://realpython.com/mcp-vs-api/

1. 环境
- Python 3.10 及以上（文中示例使用 3.14）
- 虚拟环境：python -m venv .venv 并激活
- pip install anthropic==1.4.0 mcp==2.1.1
- 环境变量 ANTHROPIC_API_KEY
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://realpython.com/mcp-vs-api/
3. 目录（最外层放在我确认的位置）
mcp-vs-api-calls-python/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-mcp-vs-api-calls-which/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - python -c "import anthropic, mcp; print(anthropic.__version__)"  → 能打印版本号且无 ImportError
  - python -c "import os; print(bool(os.environ.get('ANTHROPIC_API_KEY')))"  → 输出 True
  - 打开 https://realpython.com/mcp-vs-api/ 确认能下载免费示例代码  → 示例代码可下载，无需会员
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「MCP vs API Calls: Which Should You Use for Python LLM Apps?」。课程目录是 mcp-vs-api-calls-python/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [MCP vs API Calls: Which Should You Use for Python LLM Apps?](<https://realpython.com/mcp-vs-api/>)

## 指南参考

- [课程主页](<https://realpython.com/mcp-vs-api/>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：Anthropic API 密钥（在 Claude Platform 创建并导出为 ANTHROPIC\_API\_KEY）；Python 3.10\+ 虚拟环境，安装 anthropic==1.4.0 与 mcp==2.1.1
- **内容提示**：付费内容：站点导航含“Unlock All Content / Become a Python Expert”会员订阅入口，但本文正文与免费示例代码可直接访问，仅部分内容需账号或会员。
- 转载与修改 · 课程页面与材料：未找到明确许可。网页未给出本文内容的许可名称，仅见站点关于会员与订阅的提示 [依据](<https://realpython.com/mcp-vs-api/>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）