【AI】常用MCP服务器详解与应用指南

一、MCP服务器概述

MCP（Model Context Protocol）服务器是连接AI模型与外部工具、数据和系统的桥梁。通过MCP服务器，AI模型能够获取外部信息、执行特定任务并将结果返回，极大扩展了AI在编程和其他领域的能力范围。

（一）MCP服务器的基本原理

MCP服务器基于一种标准化协议工作，该协议由Anthropic推出，允许AI模型：

识别可用工具及其功能
发送工具调用请求
接收工具执行结果
基于结果提供更准确的回应

（二）MCP服务器的分类

根据功能和用途，MCP服务器主要分为以下几类：

信息检索类：如Web搜索、文档检索
文件操作类：如文件系统访问、代码分析
开发工具类：如GitHub集成、代码执行
自动化类：如浏览器自动化、UI测试
数据处理类：如数据库访问、数据分析
辅助思考类：如顺序思考工具、问题分解工具

二、常用MCP服务器详解

（一）文件系统服务器

基本信息

名称：File System MCP Server
功能：提供本地文件系统访问能力
官方仓库：modelcontextprotocol/server-filesystem
安装命令：

NPX方式：

npx -y @modelcontextprotocol/server-filesystem

JSON配置（通用）：

{
  "mcpservers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem"
      ]
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y @modelcontextprotocol/server-filesystem

VS Code安装：

code --install-mcp "{\"name\":\"filesystem\",\"command\":\"npx\",\"args\":[\"-y\",\"@modelcontextprotocol/server-filesystem\"]}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

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

主要功能

读取文件内容
写入文件内容
列出目录内容
创建/删除文件和目录

使用场景

需要AI助手读取项目文件进行分析
需要AI助手创建或修改配置文件
需要AI助手管理文件系统

（二）Web搜索服务器

基本信息

名称：Brave Search MCP Server
功能：提供网络搜索能力
官方仓库：smithery-ai/brave-search
安装命令：

NPX方式：

npx -y @smithery/cli@latest run @smithery-ai/brave-search --config "{\"braveApiKey\":\"YOUR_BRAVE_API_KEY\"}"

JSON配置（通用）：

{
  "mcpservers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@smithery-ai/brave-search",
        "--config",
        "{\"braveApiKey\":\"YOUR_BRAVE_API_KEY\"}"
      ]
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y @smithery/cli@latest run @smithery-ai/brave-search --config "{\"braveApiKey\":\"YOUR_BRAVE_API_KEY\"}"

VS Code安装：

code --install-mcp "{\"name\":\"brave-search\",\"command\":\"npx\",\"args\":[\"-y\",\"@smithery/cli@latest\",\"run\",\"@smithery-ai/brave-search\",\"--config\",\"{\\\"braveApiKey\\\":\\\"YOUR_BRAVE_API_KEY\\\"}\"]}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@smithery-ai/brave-search",
        "--config",
        "{\"braveApiKey\":\"YOUR_BRAVE_API_KEY\"}"
      ]
    }
  }
}

主要功能

执行网络搜索查询
返回相关搜索结果
支持过滤和排序选项

使用场景

需要AI助手获取最新信息
需要AI助手查找特定主题的资料
需要AI助手验证事实或数据

（三）GitHub集成服务器

基本信息

名称：GitHub MCP Server
功能：提供GitHub API集成能力
官方仓库：github/github-mcp-server
安装命令：

Docker方式：

docker run -i --rm -e GITHUB_PERSONAL_ACCESS_TOKEN=<your-token> ghcr.io/github/github-mcp-server

JSON配置（通用）：

{
  "mcpservers": {
    "github": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GITHUB_PERSONAL_ACCESS_TOKEN",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "YOUR_GITHUB_TOKEN"
      }
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: docker run -i --rm -e GITHUB_PERSONAL_ACCESS_TOKEN=<your-token> ghcr.io/github/github-mcp-server

VS Code安装：

code --install-mcp "{\"name\":\"github\",\"command\":\"docker\",\"args\":[\"run\",\"-i\",\"--rm\",\"-e\",\"GITHUB_PERSONAL_ACCESS_TOKEN\",\"ghcr.io/github/github-mcp-server\"],\"env\":{\"GITHUB_PERSONAL_ACCESS_TOKEN\":\"YOUR_GITHUB_TOKEN\"}}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "github": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "-e",
        "GITHUB_PERSONAL_ACCESS_TOKEN",
        "ghcr.io/github/github-mcp-server"
      ],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "YOUR_GITHUB_TOKEN"
      }
    }
  }
}

主要功能

访问仓库内容
创建和更新文件
管理分支和提交
处理Issues和Pull Requests

使用场景

需要AI助手帮助管理GitHub仓库
需要AI助手分析代码变更
需要AI助手自动创建Issue或PR

（四）Python代码执行服务器

基本信息

名称：MCP Code Executor
功能：提供Python代码执行环境
官方仓库：bazinga012/mcp_code_executor
安装命令：

NPX方式：

npx -y mcp-code-executor

JSON配置（通用）：

{
  "mcpservers": {
    "code-executor": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-code-executor"
      ],
      "env": {
        "CODE_STORAGE_DIR": "/path/to/code/storage",
        "ENV_TYPE": "conda",
        "CONDA_ENV_NAME": "your-conda-env"
      }
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y mcp-code-executor

VS Code安装：

code --install-mcp "{\"name\":\"code-executor\",\"command\":\"npx\",\"args\":[\"-y\",\"mcp-code-executor\"],\"env\":{\"CODE_STORAGE_DIR\":\"/path/to/code/storage\",\"ENV_TYPE\":\"conda\",\"CONDA_ENV_NAME\":\"your-conda-env\"}}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "code-executor": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-code-executor"
      ],
      "env": {
        "CODE_STORAGE_DIR": "/path/to/code/storage",
        "ENV_TYPE": "conda",
        "CONDA_ENV_NAME": "your-conda-env"
      }
    }
  }
}

主要功能

执行Python代码
安装依赖包
检查已安装包
支持增量代码生成

使用场景

需要AI助手执行数据分析代码
需要AI助手测试和调试Python代码
需要AI助手生成可执行的代码示例

（五）Puppeteer浏览器自动化服务器

基本信息

名称：Puppeteer MCP Server
功能：提供浏览器自动化能力
官方仓库：merajmehrabi/puppeteer-mcp-server
安装命令：

NPX方式：

npx -y puppeteer-mcp-server

JSON配置（通用）：

{
  "mcpservers": {
    "puppeteer": {
      "command": "npx",
      "args": [
        "-y",
        "puppeteer-mcp-server"
      ]
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y puppeteer-mcp-server

VS Code安装：

code --install-mcp "{\"name\":\"puppeteer\",\"command\":\"npx\",\"args\":[\"-y\",\"puppeteer-mcp-server\"]}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "puppeteer": {
      "command": "npx",
      "args": [
        "-y",
        "puppeteer-mcp-server"
      ]
    }
  }
}

主要功能

网页导航
截取屏幕截图
点击和填写表单
执行JavaScript代码
连接到现有Chrome实例

使用场景

需要AI助手自动化Web任务
需要AI助手测试网站功能
需要AI助手提取网页内容

（六）Playwright浏览器自动化服务器

基本信息

名称：Playwright MCP Server
功能：提供跨浏览器自动化能力
官方仓库：microsoft/playwright-mcp
安装命令：

NPX方式：

npx -y @playwright/mcp@latest

JSON配置（通用）：

{
  "mcpservers": {
    "playwright": {
      "command": "npx",
      "args": [
        "-y",
        "@playwright/mcp@latest"
      ]
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y @playwright/mcp@latest

VS Code安装：

code --install-mcp "{\"name\":\"playwright\",\"command\":\"npx\",\"args\":[\"-y\",\"@playwright/mcp@latest\"]}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "playwright": {
      "command": "npx",
      "args": [
        "-y",
        "@playwright/mcp@latest"
      ]
    }
  }
}

主要功能

跨浏览器自动化（Chrome、Firefox、Safari）
页面快照和截图
元素交互（点击、输入、选择）
网络请求监控
支持无头和有头模式

使用场景

需要AI助手在多种浏览器中测试
需要AI助手分析网页结构
需要AI助手自动填写表单

（七）顺序思考工具服务器

基本信息

名称：Sequential Thinking MCP Server
功能：提供结构化思考和问题分解能力
官方仓库：spences10/mcp-sequentialthinking-tools
安装命令：

NPX方式：

npx -y mcp-sequentialthinking-tools

JSON配置（通用）：

{
  "mcpservers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-sequentialthinking-tools"
      ]
    }
  }
}

Cursor配置：
在Cursor中，导航至 Settings > Features > MCP Servers，点击”+ Add New MCP Server”，选择stdio类型，输入：

命令: npx -y mcp-sequentialthinking-tools

VS Code安装：

code --install-mcp "{\"name\":\"sequential-thinking\",\"command\":\"npx\",\"args\":[\"-y\",\"mcp-sequentialthinking-tools\"]}"

Claude Desktop配置：
在Claude Desktop中，进入设置，添加新的MCP服务器，使用以下配置：

{
  "mcpServers": {
    "sequential-thinking": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-sequentialthinking-tools"
      ]
    }
  }
}

主要功能

分解复杂问题为可管理步骤
为每个步骤推荐合适的工具
提供信心评分和工具推荐理由
支持思考过程的分支和修订

使用场景

需要AI助手解决复杂问题
需要AI助手进行系统性分析
需要AI助手评估多种解决方案

三、MCP服务器的安装与配置

（一）安装前准备

在安装MCP服务器之前，需要确保系统满足以下条件：

Node.js环境：大多数MCP服务器基于Node.js开发，需要安装Node.js和npm
Docker：某些MCP服务器提供Docker镜像，需要安装Docker
Python环境：Python相关的MCP服务器需要Python环境
API密钥：某些服务器（如搜索服务器）需要相应的API密钥

（二）安装方法

MCP服务器的安装方法通常有以下几种：

1. 使用NPX直接运行

这是最简单的方法，无需本地安装，直接通过npx命令运行：

npx -y @modelcontextprotocol/server-filesystem

2. 使用Docker容器

对于提供Docker镜像的MCP服务器，可以通过Docker运行：

docker run -i --rm -e API_KEY=your_key image_name

3. 本地安装

先安装包，然后运行：

npm install -g package-name
package-name

（三）配置方法

1. Claude Desktop配置

在Claude Desktop中配置MCP服务器：

打开Claude Desktop
进入设置
添加新的MCP服务器
输入配置信息（命令、参数和环境变量）

2. Cursor编辑器配置

在Cursor中配置MCP服务器：

打开Cursor设置
导航至Features > MCP Servers
点击”+ Add New MCP Server”
选择类型（通常是stdio）
输入命令和参数

3. VS Code配置

在VS Code中配置MCP服务器：

使用命令行安装MCP服务器
或者在设置文件中添加配置

四、MCP服务器的应用实践

（一）基本使用流程

使用MCP服务器的基本流程如下：

安装和配置：按照上述方法安装和配置MCP服务器
启动AI助手：打开支持MCP的AI助手（如Claude、Cursor中的Copilot）
使用工具：在对话中自然地描述需求，AI助手会自动调用相应的MCP工具
审阅结果：查看AI助手返回的结果，必要时提供反馈

（二）常见应用场景

1. 代码开发场景

使用文件系统服务器读取和修改项目文件
使用GitHub服务器管理代码仓库
使用代码执行服务器测试代码片段

2. 信息检索场景

使用Web搜索服务器获取最新信息
使用浏览器自动化服务器提取特定网站内容

3. 自动化测试场景

使用Puppeteer或Playwright服务器进行UI自动化测试
结合代码执行服务器进行端到端测试

4. 问题解决场景

使用顺序思考工具服务器分解复杂问题
结合其他工具服务器实现完整解决方案

（三）最佳实践

组合使用：将多个MCP服务器组合使用，发挥协同效应
明确指令：向AI助手提供明确的指令，帮助其选择合适的工具
安全考虑：对于敏感操作，设置适当的权限限制
定期更新：保持MCP服务器的版本更新，获取最新功能和安全修复

五、MCP服务器开发指南

（一）开发环境设置

要开发自己的MCP服务器，需要准备以下环境：

Node.js或Python：根据偏好选择开发语言
MCP SDK：安装相应语言的MCP SDK
- Node.js: npm install @modelcontextprotocol/sdk
- Python: pip install mcp
开发工具：选择合适的IDE或编辑器

（二）基本开发流程

定义功能：明确MCP服务器要提供的功能
实现工具：使用MCP SDK实现工具函数
定义资源：如果需要，实现资源访问功能
测试：使用MCP Inspector或AI助手测试服务器功能
发布：将MCP服务器发布为npm包或Python包

（三）示例代码

Node.js示例

const { Server } = require('@modelcontextprotocol/sdk');

// 创建服务器
const server = new Server('example-server');

// 定义工具
server.registerTool({
  name: 'hello',
  description: '返回问候信息',
  parameters: {
    name: {
      type: 'string',
      description: '要问候的名字'
    }
  },
  handler: async (params) => {
    return `Hello, ${params.name}!`;
  }
});

// 启动服务器
server.start();

Python示例

from mcp.server.fastmcp import FastMCP

# 创建服务器
mcp = FastMCP("Example")

# 定义工具
@mcp.tool()
def hello(name: str) -> str:
    """返回问候信息"""
    return f"Hello, {name}!"

# 启动服务器
if __name__ == "__main__":
    mcp.run()

六、MCP服务器的未来发展

（一）技术趋势

MCP服务器技术正在快速发展，未来可能会出现以下趋势：

更多专业领域服务器：针对特定行业或领域的专业MCP服务器
更强的安全机制：更完善的权限控制和安全审计
更好的互操作性：不同MCP服务器之间的协作能力
更智能的工具推荐：基于上下文自动推荐合适的工具

（二）应用前景

MCP服务器在以下领域有广阔的应用前景：

软件开发：代码生成、测试、部署自动化
数据分析：数据获取、清洗、分析、可视化
内容创作：研究、写作、设计、发布
知识管理：信息检索、组织、总结、分享

（三）参与贡献

如果你对MCP服务器感兴趣，可以通过以下方式参与贡献：

使用现有服务器：提供使用反馈和改进建议
开发新服务器：针对特定需求开发新的MCP服务器
完善文档：帮助改进MCP服务器的文档
参与社区：加入MCP相关的开发者社区

七、总结

MCP服务器作为AI模型与外部世界交互的桥梁，极大地扩展了AI助手的能力范围。通过本文介绍的七种常用MCP服务器，用户可以根据自己的需求选择合适的服务器，实现文件操作、网络搜索、代码执行、浏览器自动化等多种功能。

随着MCP技术的不断发展，我们可以期待更多功能强大、易于使用的MCP服务器出现，为AI助手提供更广泛的能力，帮助用户更高效地完成各种任务。

参考资料

#MCP #AI编程 #开发工具 #Cursor #工具集成

【BUG解决】数据库Comparison method violates its general contract错误分析与解决上一篇

【AI】MCP协议详解与应用实践下一篇