构建奖学金研究MCP服务器

为什么奖学金研究需要自动化工具

奖学金申报看起来像是填表单，但实际上它更像一项研究工作。你需要按照专业、GPA、国籍和截止日期筛选项目，保存备选名单，还要记录每封推荐信和每篇 essays 的写作思路。等到一周以后回过头来看备忘录时，往往连自己为什么收藏某个项目都记不清了。

一个 AI 助手可以帮助你完成这个流程，但前提是它能够查询真实的奖学金目录，并能保存你已经做出的决定。如果把聊天历史当成数据库，AI 就会一厉不停地胡编造截止日期，这比根本没有信息还要糟糕。

而 模型上下文协议（MCP）恰好解决了这个问题。它是一种开放协议，能够让 AI 应用通过统一接口访问外部工具和数据源。在本文中，我们将利用 Node.js、Express 和 MongoDB 构建一个奖学金研究 MCP 服务器。

什么是 MCP，它为什么适合开发者变现

MCP 就像是 AI 应用的 USB-C 接口：一条连接，适配无数宿主。无论是 Cursor、Claude Desktop 还是你自己开发的 AI Agent，都可以通过实现一次 MCP 协议，便捕获到丰富的外部能力。这样一来，开发者就不必为每个平台单独写一套对接代码，从而大幅降低维护成本。

这直接带来了一个 开发者变现 的新机会。你可以把自己的 MCP 服务器打包出售，或在闲鱼、猪八戒、淘宝服务等平台上提供“AI 奖学金助手搭建服务”，帮助同学们快速找到合适的奖学金项目。

项目架构一览

整个系统可以拆分为四个核心模块：

• 数据层：MongoDB 奖学金目录、收藏列表和笔记集合；
• 服务层：九个 MCP 工具，涵盖搜索、匹配、截止提醒、对比和研究追踪；
• 接口层：资源与提示词，让客户端无需调用工具即可读取目录，并能将学生档案转化为研究计划；
• 传输层：Express 应用，通过 Streamable HTTP 提供 MCP 服务。

这样设计的好处是：AI 模型只负责推理和对话，而你的服务器则掌控所有数据，确保信息的准确性和一致性。

环境准备

在开始之前，请确保你熟悉 JavaScript 和基本的 Express 路由。无需掌握 MCP 相关知识。所需环境包括：

• Node.js 20 及以上版本；
• 本地 MongoDB 实例或免费的 MongoDB Atlas 集群；
• Docker（可选）：一条命令即可启动 MongoDB：docker run -d --name mongo -p 27017:27017 mongo:7；
• 支持 MCP 的客户端（如 Cursor 或 Claude Desktop）。

连接 MongoDB 并建模

首先在项目中安装依赖：

npm install express mongodb @modelcontextprotocol/sdk

然后编写数据库连接逻辑，使用 mongoose 或原生驱动均可。奖学金数据模型通常包含以下字段：

• 名称（name）；
• 专业限制（fields）；
• 最低 GPA（minGPA）；
• 国籍要求（citizenship）；
• 截止日期（deadline）；
• 奖金额度（amount）。

此外，你还需要两个辅助集合：一个用于存储用户的收藏列表，另一个用于保存每条项目的研究笔记。

编写奖学金服务逻辑

服务层封装了所有数据库操作和业务逻辑。例如，搜索接口可以根据关键词、专业或 GPA 过滤奖学金；匹配接口则根据学生的基本信息（如 GPA、专业、国籍）自动打分排序；笔记接口则允许用户添加、查询和删除备注内容。

在实现时，建议将每项功能抽象为独立的函数，便于后续在 MCP 工具中复用。

注册 MCP 工具

MCP 提供了丰富的工具类型。在这个项目中，我们注册了九个工具，分别用于：

• 关键词搜索奖学金；
• 根据学生信息匹配项目；
• 列出即将到来的截止日期；
• 比较多个项目的优缺点；
• 添加或删除收藏；
• 记录或更新笔记；
• 查询收藏列表；
• 查询笔记；
• 生成研究计划。

每个工具都有一个清晰的描述和参数定义，方便 AI 模型理解并调用。

暴露资源与提示词

除了工具之外，MCP 还支持资源（Resource）和提示词（Prompt）。资源可以让客户端直接读取奖学金目录，无需经过工具调用；而提示词则可以根据学生的基本信息自动生成一份研究计划，指导用户逐步完成调查。

例如，你可以定义一个名为“studentProfile”的提示词，要求用户依次输入 GPA、专业和目标国家，从而生成个性化的奖学金申请清单。

基于 Express 提供 MCP 服务

借助 @modelcontextprotocol/sdk 提供的 Streamable HTTP 传输层，我们只需几行代码就能将 MCP 服务部署在 Express 之上：

const { McpServer } = require('@modelcontextprotocol/sdk/server/mcp.js');
const { StreamableHTTPServerTransport } = require('@modelcontextprotocol/sdk/server/transports/streamableHttp.js');

const server = new McpServer({ name: 'scholarship-server', version: '1.0.0' });
// 在此注册工具、资源和提示词...
const transport = new StreamableHTTPServerTransport({ server });
const app = express();
app.use('/mcp', transport.startServer());

这样一来，任何兼容 MCP 的客户端都可以通过 HTTP 与你的服务器通信。

导入示例数据

为了方便测试，你可以编写一个种子脚本，将一批模拟的奖学金项目导入 MongoDB。这些数据包括丰富的专业限制、不同的 GPA 要求和多样的截止日期，能够覆盖大多数常见场景。当然，所有数据仅供教学使用，具体信息以官网为准。

测试与客户端接入

你可以使用 mcp-inspector 工具快速验证服务器是否正常运行。接着，只需在 Cursor 或 Claude Desktop 的配置文件中添加 MCP 服务器路径，即可开始与 AI 对话，让它帮助你搜索奖学金、管理收藏和记录笔记。

一次完整的研究流程

假设一位学生 GPA 为 3.7，专业为计算机科学，来自中国。通过 AI Agent，你可以：

1. 输入基本信息，触发研究计划提示词；
2. 由 AI 自动调用匹配工具，列出十几个适合的项目；
3. 筛选感兴趣的项目并加入收藏；
4. 在笔记中记录每封推荐信的内容要点；
5. 设置截止日期提醒，避免错过报名时间。

整个过程既高效又可追踪，极大提升了申请效率。

匹配逻辑解析

匹配算法并不复杂，核心是加权打分。每条奖学金都有一组限制条件（如最低 GPA、专业限制等），系统会逐一比对，若完全符合则得满分；若部分符合则扣分；若不符合则直接淘汰。最后，按照得分降序排列即可。

你可以根据实际需求调整权重，例如更重视截近的项目，或更偏好奖金额度高的项目。

后续扩展方向

这个项目只是一个起点。你可以进一步拓展功能，如：

• 集成邮件提醒服务，自动发送截止日期通知；
• 接入国外教育机构的公开 API，实时更新奖学金信息；
• 开发专属网页版后台管理面板，方便非技术用户维护目录；
• 打包为 Docker 镜像，上传至阿里云等平台，提供 SaaS 服务。

这些方向都具备商业化潜力，特别是在校学生群体中，具备很强的市场需求。

总结

MCP 为 AI 赋能，让它不再局限于“聊天”，而是可以真正操作数据和执行任务。通过构建一个奖学金研究 MCP 服务器，你不仅能提升个人或他人的申请效率，还能借此掌握 Node.js 开发、MongoDB 建模和 AI Agent 集成等核心技能。

如果你感兴趣，不妨动手实践一下。这个项目不仅能拓宽你的技术视野，更可能成为你在闲鱼、猪八戒或淘宝服务上开展副业的起点。