接下来就让我们进入实操环节，动手为我们的智能体接入 MCP Server，来亲身感受一下 MCP 的魅力所在。 目前主流已经有多款开发者常用的客户端（MCP Host）支持接入 MCP Server，其中最典型的有： - Cursor 一款面向开发者的智能编程编辑器，原生支持 MCP 协议。Cursor 能通过 MCP 自动从外部系统获取上下文（如代码库、API、数据库等），并在对话或编辑过程中调用工具（tools），几乎是目前最完整的 MCP 客户端。 - VS Code Cline Cline 是 VS Code 中的智能体工作流扩展，它内部基于 MCP 协议与外部工具交互。通过接入 MCP Server，Cline 可以调用你提供的工具、访问资源或工作环境，让 VS Code 也具备了可调用外部工具的能力，最重要的是完全免费。 - Claude Desktop Claude 官方桌面客户端也已经内置 MCP 支持。Claude 可以能读取你的资源、执行工具、调用你注册的服务，这让 Claude 不再只是一个聊天助手，而是真正能够帮助你的智能体。
VS Code Cline
接下来我们以 Cline 为例来介绍下，如何接入 MCP Server？
首先你需要安装一个VS Code，各位可以去官网自行下载：Visual Studio Code - The open source AI code editor
安装完成后，打开VS Code的插件管理，然后在箭头的输入框中，搜索Cline这个插件，安装即可。
安装成功后，我们点击左边的机器人图标，即可进入Cline。
为了使用这个智能体助手，当然我们需要先配置大模型，点击右上角的齿轮按钮，进入设置界面，配置相应的大模型，这边你用千问的话，可以跟我保持一致，使用Open Compatiable。
到这里你就已经拥有了一个智能助手了，只是这个智能助手只有大脑，没有四肢，没法调用工具。我们可以简单尝试提问一下。
接下来我们就开始配置MCP Server，给这个智能体装上四肢。
MCP Server
NodeJs
在安装之前，我们还需要安装一下nodejs环境，因为大部分的stdio传输的MCP server都是基于nodejs开发的。可以自行去官网下载：Node.js — 在任何地方运行 JavaScript
我本地的nodejs版本如下，各位安装完成后，可以执行这个命令看下是否安装成功。
接入工具
Cline 中内置了一个MCP Server 仓库，可以方便的供你使用，点击三条杠的图标即可看到
在搜索框输入“FILE SYSTEM”，我们安装一个操作本地文件的工具试试效果。
安装的时候，Cline 会请求让你同意执行某些脚本，但这些脚本在实际执行中，会存在一些问题，比如他生成的这种命令。
cd C:\Users\Lenovo\Documents\Cline\MCP\filesystem-server && npx @modelcontextprotocol/create-server filesystem
其实你直接同意执行他是会报错的，因为windows是不允许这种 && 操作的。所以你在使用这种方式的时候，是需要一些门槛的，你需要自己判断他命令是否正确，然后选择执行，这种方式既浪费大模型的token，稳定性也比较差。
其实我们的目标就是想去安装一个：npx @modelcontextprotocol/create-server filesystem，并接入到智能体中来而已。那正确的做法应该是怎么样的呢？
点击Installed，再点击Configure MCP Servers，我们可以看到右边会有一个可编辑的JSON文件。如何来配置这个JSON文件呢？
我们点击进入到刚才FILE SYSTEM那个菜单，点击就会跳转到MCP Servers官方的仓库中：
类似如下的链接：
https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem
往下翻，我们可以看到它提供了很多接入的方式，我们选择使用npx的方式来接入：
将这块内容copy到我们刚才的settings.json文件中，并做出略微的修改，让MCP服务只操作我们本地的桌面文件，然后保存。
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"C:/Users/Lenovo/Desktop"
]
}
}
}
但是windows环境跟其他环境不太一样，他在使用npx mcp的时候，必须需要调整一下命令格式，变成如下：
{
"mcpServers": {
"filesystem": {
"command": "cmd", // 固定增加cmd
"args": [
"/c", // 固定增加/c
"npx", // 后面保持与原版一致
"-y",
"@modelcontextprotocol/server-filesystem",
"C:/Users/Lenovo/Desktop"
]
}
}
}
我们可以看到这时候MCP Server的后面的小圆灯就变成了绿色，说明我们的配置成功了。filesystem下面的红色的文字是一些告警，不用管它。
为了演示整体的效果，接下来我们再接入一个联网搜索的tavily工具：
可以在这个地址申请相应的APIKEY：https://app.tavily.com/home
{
"mcpServers": {
"filesystem": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-filesystem",
"C:/Users/Lenovo/Desktop"
]
},
"tavily-search": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"tavily-mcp"
],
"env": {
// 替换成自己的API_KEY
"TAVILY_API_KEY": "tvly-dev-XXXXXXXXXXXXXXXXXXXXXX"
},
"autoApprove": []
}
}
}
完成之后，点击右上角的Done按钮，我们试着提问一下：“帮我搜索下今天南京的天气如何，并将结果保存在桌面上。”
可以看出这个小助手已经成功帮我们完成了任务。目前市面上有很多的MCP Server仓库，有着大量的MCP工具供我们拿来即用，我们不需要再像以前一样，自己去写文件操作，或者联网查询的function。使用mcp，就可以快速扩展我们的智能体能力
MCP Server 仓库
MCP Server 仓库可以理解为一个集中管理的工具插件库，里面收录了各种已经实现好的能力模块，例如文件操作、数据库访问、搜索引擎等等。智能体只要接入其中的某个 MCP Server，就能立刻获得对应的能力，无需重复造轮子。可以理解为就是Java 的 Maven 仓库：开发者不必从头实现工具，而是像引入依赖一样，直接接入即可用，让智能体的能力扩展变得标准化、模块化、可插拔。 | 仓库名称 | 地址 | | --- | --- | | MCP 官方服务器仓库 | https://github.com/modelcontextprotocol/servers | | Awesome MCP Servers | https://github.com/punkpeye/awesome-mcp-servers | | GitHub MCP Server 仓库 | https://github.com/github/github-mcp-server | | CLine 专属 MCP 市场 | https://cline.bot/mcp-marketplace | | mcpservers.org | https://mcpservers.org/ | | 阿里云百炼 MCP 服务市场 | https://bailian.console.aliyun.com/?spm=5176.29619931.J__Z58Z6CX7MY__Ll8p1ZOR.1.3b24521cr2ypKX&tab=mcp#/mcp-market | | Cursor 专属 MCP 资源库 | https://cursor.directory/mcp | | Smithery 平台 | https://smithery.ai/ | | mcp.so 平台 | https://mcp.so/ | | Glama MCP 服务器集合 | https://glama.ai/mcp/servers | | Portkey MCP Servers | https://portkey.ai/mcp-servers | | modelscope 社区 | https://modelscope.cn/mcp |