MCP 实战指南：让你的 AI 助手真正能干活

最近有人问我：「你的 AI 助手是怎么帮你操作文件的？」

我说：「用 MCP。」

对方一脸问号。

于是我意识到，MCP 这个东西虽然在 AI 圈已经很火，但真正用过的人并不多——大多数人停留在「听说过」的阶段。这篇文章就来把它讲清楚，顺便分享一下我实际配置和使用的经验。

MCP 到底是什么？

MCP 全称 Model Context Protocol，是 Anthropic 在 2024 年底开源的一个协议。

用一句话描述：MCP 是让 AI 模型和外部工具”安全对话”的标准接口。

在 MCP 出现之前，AI 助手本质上是个”孤岛”。它能聊天、能写代码，但没办法真正接触你的文件系统、数据库、API——每次想让它帮你做点实际的事，要么手动复制粘贴内容给它，要么依赖各家平台自己实现的私有插件（比如 ChatGPT 的 Code Interpreter）。

问题在于这些私有方案不互通。你在 Claude 上配好的工具，换到 Cursor 就得重新搞一遍。

MCP 就是来解决这个问题的。它定义了一套标准协议，让任意 AI 客户端（Claude Desktop、Cursor、Cline、甚至你自己写的工具）都能对接任意 MCP Server。标准化之后，生态就起来了。

截止今天，GitHub 上已经有几百个开源 MCP Server，涵盖文件系统、数据库、浏览器控制、Slack/GitHub/Notion 集成、搜索引擎……能想到的基本都有。

架构：三分钟搞懂 MCP 的工作原理

MCP 的架构非常简洁，三个角色：

MCP Host（AI客户端）
    ↕ MCP协议
MCP Server（工具服务）
    ↕ 底层能力
外部系统（文件、数据库、API）

MCP Host 就是你用的 AI 工具，比如 Claude Desktop 或 Cursor。它负责发起请求：「我需要读取 /home/user/project 下的文件列表。」

MCP Server 是一个轻量进程，通常是一段 Node.js 或 Python 程序，运行在本地。它接收 Host 的请求，实际去操作文件系统、查数据库，然后把结果返回给 AI。

整个过程中，AI 模型本身并不直接接触你的系统——它只是通过协议”描述”自己想做什么，由 MCP Server 代为执行。这在安全性上是个很聪明的设计。

MCP Server 暴露给 AI 的能力分三类：

Tools（工具）：可以被 AI 调用的函数，比如「读取文件」「执行 SQL」
Resources（资源）：AI 可以订阅和读取的数据，比如文件内容、数据库 schema
Prompts（提示模板）：预定义的 prompt 片段，帮助 AI 更好地使用工具

我实际在用的 MCP Server

说了这么多理论，来看看真实的使用场景。以下是我目前常驻在 Claude Desktop 里的几个 MCP Server。

1. Filesystem Server——最常用

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/yourname/projects",
        "/Users/yourname/Documents"
      ]
    }
  }
}

配置就这么简单。把你想让 AI 访问的目录列进去，它就能读写那些路径下的文件。

我用它最多的场景是代码审查。直接告诉 Claude：「帮我看一下 /projects/myblog/blog/source/_posts 下最近5篇文章，找找有没有明显的写作问题。」它真的会去读文件，然后给出具体反馈，不需要我手动复制内容。

另一个场景是批量处理。比如「把 docs 目录下所有 markdown 文件的标题提取出来，输出成一个表格」——以前我可能要写个 shell 脚本，现在口头说一遍就行了。

2. SQLite Server——数据库查询神器

{
  "mcpServers": {
    "sqlite": {
      "command": "uvx",
      "args": ["mcp-server-sqlite", "--db-path", "/path/to/your.db"]
    }
  }
}

这个我用来分析本地的数据。比如我有一个记录网站访问量的 SQLite 数据库，以前要手动写 SQL 查询，现在直接跟 Claude 说「帮我分析一下过去30天哪些文章的访问量涨幅最大，可能的原因是什么」，它会自动生成 SQL、执行查询、然后给你分析。

这对不擅长 SQL 的人来说简直是解放。

3. Brave Search——联网搜索

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "你的API密钥"
      }
    }
  }
}

让 AI 能搜索实时信息。Brave Search 有免费额度，每月2000次查询，对个人使用完全够用。

我主要用它来追踪技术热点。比如在写 AI 周报时，让 Claude 搜索「本周 AI 领域重要进展」，它会真的去搜索，然后帮我整理成初稿。

4. GitHub Server——代码仓库操作

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "你的GitHub Token"
      }
    }
  }
}

这个可以让 AI 直接操作你的 GitHub 仓库——读文件、创建 Issue、查看 PR。

我用它来做代码迁移辅助。告诉 Claude「帮我看一下 jimmyxxxx/myproject 仓库里的 README，然后根据它生成一份中文版本」，它会直接拉取 GitHub 内容，省去了手动复制的步骤。

配置步骤：以 Claude Desktop 为例

如果你用的是 Claude Desktop，配置 MCP Server 只需要三步：

第一步：找到配置文件

macOS：~/Library/Application Support/Claude/claude_desktop_config.json
Windows：%APPDATA%\Claude\claude_desktop_config.json

第二步：按格式添加 Server 配置

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/你想开放的目录"
      ]
    }
  }
}

第三步：重启 Claude Desktop

重启后，对话界面左下角会出现一个锤子图标（🔨），点击可以看到所有可用工具。这说明 MCP Server 已经连上了。

如果没出现，大概率是 Node.js 没装或者 npx 找不到。先在终端跑一下 node -v 确认环境正常。

给 Cursor 用户的额外福利

Cursor 从 0.43 版本开始原生支持 MCP。配置入口在：

Settings → Features → Model Context Protocol

语法和 Claude Desktop 一样，可以直接复用配置。这就是协议标准化的好处——一套配置，多处复用。

在 Cursor 里，MCP 的用法略有不同：它主要在 Agent 模式下生效。普通对话模式下 AI 不会主动调用工具，切换到 Agent 模式（Ctrl+I → 点击 Agent 按钮），才能享受到 MCP 带来的能力扩展。

一个容易踩的坑

MCP Server 运行在你的本地机器上，意味着它的权限和你登录的用户一致。

如果你给 Filesystem Server 配置了根目录（/），理论上 AI 就能读写你整个硬盘。大多数 MCP Server 做了路径限制，但我还是建议：只开放你真正需要的目录，不要图省事配宽了。

另外，从不知名来源下载的 MCP Server 要谨慎。MCP 的安全模型依赖你信任这个 Server 的实现——如果 Server 本身是恶意的，它有能力在你不知情的情况下做很多事。Anthropic 和社区正在推进 MCP Server 的安全认证机制，目前还没有完善，使用时保持基本的安全意识即可。

未来：MCP 会成为标准吗？

最近几个月，MCP 的势头很明显。OpenAI 已经公开表示在研究对 MCP 的支持，Google 也在 Gemini 的相关文档里提到了它。主流 AI 编程工具（Cursor、Cline、Continue.dev）基本都已经支持或正在支持。

我觉得 MCP 大概率会成为这个领域的事实标准——不是因为它技术上有多革命性，而是因为它的时机刚好：AI 助手正在从「会聊天」向「能干活」进化，而行业需要一个统一的接口标准来协调这个过程。MCP 就是在这个节点出现的那个答案。

当然，协议标准化只是第一步。更重要的是之后会涌现出什么样的 MCP Server，以及开发者会用它搭出什么样的工作流。这个生态刚刚开始，有意思的事情还在后面。

如果你想动手试试，从 Filesystem Server 开始是最稳的选择：安装简单、没有外部依赖、效果直观。配好之后，让 Claude 帮你整理一次文档目录，你会立刻理解为什么这个东西值得花时间配置。

上一篇：技术债到底该不该还？我用 AI 审视了自己3年的工程决策

工具指南

#AI工具 #Claude #AI编程 #Cursor #MCP #开发效率

MCP 实战指南：让你的 AI 助手真正能干活

https://www.ohtudou.top/2026/04/08/2026-04-08-mcp-practical-guide/

作者

Tudo

发布于

2026年4月8日

许可协议

技术债到底该不该还？我用 AI 审视了自己3年的工程决策下一篇