前言

在 AI 开发过程中，模型上下文协议（Model Context Protocol，简称 MCP）为我们提供了强大的工具集成能力。通过 MCP，我们可以让 AI 助手访问各种外部工具和服务，大大提升开发效率。本文记录 MCP 的配置和使用经验。

什么是 MCP

MCP（Model Context Protocol）是一种标准化协议，允许 AI 模型与外部工具和服务进行交互。通过 MCP 服务器，AI 可以执行文件操作、网络请求、数据库查询等复杂任务。

MCP 服务配置

文本编辑器服务

{
  "mcpServers": {
    "textEditor": {
      "command": "npx",
      "args": ["-y", "mcp-server-text-editor"]
    }
  }
}

功能：提供文件读写、编辑功能
用途：代码修改、文档编辑、配置文件更新

DeepWiki 知识库

{
  "mcpServers": {
    "DeepWiki": {
      "command": "npx",
      "args": ["mcp-remote", "https://mcp.deepwiki.com/sse"]
    }
  }
}

功能：访问技术文档和知识库
用途：技术查询、最佳实践获取、概念解释

桌面命令执行器

{
  "mcpServers": {
    "desktop-commander": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@sondotpin/desktopcommandermcp",
        "--key",
        "2a89e84d-c4d7-4fb0-82b5-4fb06449f09d"
      ]
    }
  }
}

功能：执行系统命令、文件操作
用途：项目构建、测试运行、文件管理

任务管理器

{
  "mcpServers": {
    "mcp-shrimp-task-manager": {
      "command": "npx",
      "args": ["mcp-shrimp-task-manager"]
    }
  }
}

功能：任务拆解和依赖管理
用途：项目规划、进度跟踪、任务协调

用户交互工具

{
  "mcpServers": {
    "cunzhi": {
      "command": "D:\\cunzhi\\寸止.exe",
      "args": [],
      "env": {}
    }
  }
}

MCP 集合网站网址

MCP Servers 市场：https://lobehub.com/zh/mcp
Open-Source MCP servers：https://glama.ai/mcp/servers
Smithery.ai：https://smithery.ai/

MCP 工作流程

功能：用户确认和反馈
用途：关键节点确认、用户交互

开发流程

研究阶段：使用 DeepWiki 获取技术背景
构思阶段：结合知识库设计方案
计划阶段：使用任务管理器拆解任务
执行阶段：通过文本编辑器和命令执行器实现
评审阶段：验证功能完整性

工具协同

代码编辑：textEditor + desktop-commander
知识查询：DeepWiki + 技术文档
任务管理：mcp-shrimp-task-manager
用户交互：cunzhi 确认关键节点

配置注意事项

路径配置

确保可执行文件路径正确
检查环境变量设置
验证网络连接（远程服务）

权限设置

文件读写权限
系统命令执行权限
网络访问权限

实际应用场景

项目开发

需求分析 → DeepWiki 查询技术方案
任务规划 → task-manager 拆解任务
代码实现 → textEditor 编写代码
测试验证 → desktop-commander 运行测试
用户确认 → cunzhi 获取反馈

文档编写

使用 textEditor 创建和编辑文档
通过 DeepWiki 获取参考资料
desktop-commander 进行文件管理

系统维护

批量文件操作
自动化脚本执行
配置文件更新

总结

MCP 为 AI 开发提供了强大的工具集成能力，通过合理配置和使用这些服务，可以大大提升开发效率。关键是要理解每个工具的特点，在合适的场景下使用合适的工具，形成高效的工作流程。

在实际使用中，建议：

熟悉各工具的功能边界
建立标准化的工作流程
注意安全性和权限控制
定期更新和维护配置

通过 MCP，我们可以让 AI 助手真正成为开发过程中的得力助手。