说实话2026 年如果你还让 AI 只停留在聊天窗口里等于还在用旧世界的方式工作。过去一年我在项目里感受到的最大效率提升不是换了更强的大模型而是把一批外部工具通过 MCP 服务器接进了 Claude Code、Cursor 和 Codex。MCPModel Context Protocol模型上下文协议是 2024 年底由 Anthropic 提出的开放标准核心就一句话给大模型一个统一的“插头”让它能访问文件、数据库、设计稿、浏览器甚至是你们公司自己的业务系统。这篇文章会围绕 2026 年值得安装的 MCP 服务器清单把安装命令、配置方法和真实踩坑过程一次性讲完。如果你是第一次接触 MCP前两节是认知准备如果已经会装可以直接跳到第三节看实操命令、第四节看排错。1. MCP 凭什么成为 2026 年的 AI 基础设施——先理清 Host、Server、Tool 三层关系1.1 从“把数据喂给 AI”变成“AI 自己取数据”在 MCP 出现之前AI 应用接入外部工具的方式非常原始每个工具都要写一遍胶水代码。你想让模型读本地文件要自己实现文件读取接口想让它查数据库要单独封装 SQL 访问想让它操作设计稿更是每家的 API 都长得不一样。这个阶段的问题不是“能不能接”而是“接一次成本太高”导致大部分 AI 应用最终只能停留在聊天框里。MCP 改变了这一点。它把应用和数据源之间的通信方式标准化服务器只需要实现一次协议所有支持 MCP 的客户端都能直接使用。你可以把它理解成 AI 领域的 USB-C过去每个外设要专用线现在统一成一个接口谁都能插。这一年多来MCP 已经从“工程师玩具”变成了 Agent 工作流里的默认配置。Claude Code、Cursor、Codex、Cline 这些主流的 Host 端几乎都原生支持 MCP类似文件访问、网页抓取、浏览器自动化这样的高频能力现在已经有了很成熟的服务器实现不需要自己重复造轮子。1.2 Host、Server、Tool 三层关系一次讲透很多人第一次接触 MCP 会被 Host、Server、Tool 这几个词绕晕其实关系很简单Host承载 AI 对话和任务执行的客户端比如 Claude Desktop、Claude Code、Cursor、Codex CLI。Host 负责把可用的工具列表和工具的输入参数说明交给大模型并在模型发起调用时转发请求。Server提供工具的服务进程。可以跑在本机也可以跑在远程服务器上。Server 和 Host 之间通过 MCP 协议通信常用的传输方式有两种本地 stdio标准输入输出和远程 HTTP/SSE。ToolServer 暴露的具体能力比如“读取文件”“获取网页内容”“查询数据库”“点击网页按钮”。每个 Tool 都有明确的输入输出 Schema模型看到这些描述后决定在哪个步骤使用哪个工具。这里其实可以稍微展开说一下调用过程模型本身并不能直接调用工具它只是在回答里返回一个类似“我需要调用某工具参数是什么”的信号真正执行动作的是 Host。Host 拿到模型返回的调用请求后通过 MCP 协议把参数传给 ServerServer 执行完后把结果再交回给模型继续生成。所以整个链路里Tool 是能力的载体Host 是调度中心Server 是执行者。再补一个容易混淆的点MCP 不只提供 Tool还有 Resources 和 Prompts 两种类型。Resources 更像只读的数据文件适合给模型提供背景资料Prompts 是预设好的提示模板适合把常用操作封装成固定流程。只是日常安装的大部分服务器主要暴露的是 Tool所以大家习惯把“装 MCP 服务器”等同于“给 AI 加工具”。1.3 为什么在 2026 年这是“必装”而不是“可选”一个核心观察2026 年的 AI 编码、AI 办公类工具已经从“对话生成文本”全面转向“Agent 自主执行任务”。在这个转变里模型自身的能力差距正在缩小真正拉开效率差距的是它能不能顺畅地调用你现有的系统和数据。装 MCP 服务器这件事现在就像给电脑装上输入法不装也能打字装上以后才谈得上高效。而且好消息是安装大部分 MCP 服务器并不需要写代码复制一条命令、填一个 token顶多十分钟模型立刻从一个“只能聊天的脑子”变成一个“能打开文件、看网页、操作软件的助手”。这就是我把它放进 2026 必装清单的根本原因。2. 值得优先安装的 MCP 服务器清单——按使用场景排优先级2.1 通用开发类文件系统、Fetch、Playwright如果你只打算装两个服务器我会选文件系统和 Fetch。官方维护的 Filesystem Servernpm 包名 modelcontextprotocol/server-filesystem可以让 AI 读取、创建、编辑指定目录下的文件适合做本地知识库、批量处理文档、整理代码仓库。它不会允许 AI 访问整个磁盘而是只开放你启动时指定的目录这个设计对安全很重要。Fetch Servernpm 包名 modelcontextprotocol/server-fetch负责把网页抓下来转成 Markdown 或纯文本喂给模型。有了它AI 才能“上网”比如让它读取一篇技术文档、给你总结一个网页内容、甚至查官方发布说明。这两个配合起来已经能覆盖大量日常任务。再往后是 Playwright MCPnpm 包名 playwright/mcp它做了浏览器自动化包括打开网页、点击、输入文本、截图、读取控制台日志。对做 Web 自动化测试、爬取动态页面的场景特别有用。但它也最容易误操作建议在独立浏览器配置里使用避免和日常浏览器混在一起。2.2 设计协作类Figma MCP 与蓝湖 MCP如果你是前端开发、设计工程师或者经常需要跟 UI 稿打交道Figma MCP 几乎必装。Figma 官方提供的 figma-developer-mcp 可以读取设计稿里的图层结构、样式标注、组件属性甚至导出切图。接好之后你可以直接让 AI“看看这个设计稿写一个 React 组件”比人肉看标注再复制代码省了一半时间。这里顺带回应一个很多人问的问题Figma MCP 在 Trae、Cursor 等工具里怎么用其实逻辑完全一样——图省事的做法是把 figma-developer-mcp 当作普通的 stdio 服务器添加一次配上 Figma 的访问令牌然后在对话里把 Figma 文件链接发给 AI 就行。Host 端不会区分这是设计工具还是文件工具统一按 MCP 工具处理。和 Figma 类似的是蓝湖 MCP。蓝湖在国内设计协作里占有率很高官方也推出了 MCP 通道。通过蓝湖开放平台开通后会拿到一个服务地址和 Token一般在 Host 里以远程 HTTP/SSE 的方式接入。接好后可以让 AI 读取蓝湖项目里的设计图、标注和切图资源。对那些公司设计稿都在蓝湖的团队来说这个比 Figma MCP 更贴近实际工作流。2.3 数据与业务类GitHub、Postgres、通达信本地数据、Spring BootGitHub 官方有 github-mcp-server可以创建 Issue、查看 PR、读取仓库内容用自然语言管理项目提交记录。对于每天要处理 GitHub 事务的开发者这个解放效率很明显。数据库类建议从 Postgres MCP 这类服务器入手。它能让 AI 直接查询数据库理解表结构并生成 SQL。不过权限一定要控制好只给只读账号或者限制在测试库否则 AI 手滑执行 DELETE 的后果很严重。国内财经数据场景我最近试了一个社区做的“通达信本地数据 MCP”。它直接从通达信软件本地生成的数据文件中读取行情、板块、财务数据不需要联网拉接口适合做盘后复盘、本地量化分析。由于通达信版本和文件格式经常变使用前要在小范围数据上验证一下读取结果别直接拿它跑自动交易。最后是 Spring Boot MCP 这类企业级接入。现在 Spring AI 官方提供了 MCP Server StarterSpring Boot 项目只要加依赖、写几个 Tool 注解的方法就能把现有业务能力暴露给 AI Agent。这个后面第五节会展开讲配置并不复杂但价值很大。2.4 一张表梳理优先级把上面这些汇总成一张表方便你按自己的身份和场景选。MCP 服务器核心用途典型接入方式建议优先级Filesystem读取/编辑本地目录文件npx 启动高Fetch网页抓取、转 Markdownnpx 启动高Playwright浏览器自动化、网页截图npx 启动中测试场景高figma-developer-mcp读取 Figma 设计稿、导出切图npx Figma Token设计协作场景高蓝湖 MCP读取蓝湖设计资源、标注远程 HTTP/SSE设计协作场景高github-mcp-serverIssue/PR/仓库管理npx GitHub Token开发者中高Postgres MCP数据库查询、Schema 理解本地运行中注意权限通达信本地数据 MCP本地行情数据读取本地脚本按需Spring Boot MCP把 Java 业务方法暴露给 AI项目内集成企业团队按需优先级不等于所有人必装而是根据你的日常任务来决定。通用类两个建议保留其他按场景加。3. 安装实操Claude Code、Cursor、Codex 三种 Host 的接入命令与配置3.1 Claude Code命令行添加项目级配置写入 .mcp.jsonClaude Code 支持用命令行直接管理 MCP 服务器这是我最常用的方式。以添加文件系统服务器为例claude mcp add my-docs -- npx -y modelcontextprotocol/server-filesystem /Users/me/Documents解释一下这里的结构my-docs是你在 Claude Code 里给这个服务器起的名字--后面是要执行的完整启动命令路径是允许 AI 访问的根目录。命令执行完后可以用claude mcp list查看当前所有服务器及状态。如果服务器需要环境变量比如 Figma Token可以在命令里用--env参数传入claude mcp add figma --env FIGMA_API_KEYfigd_xxxx -- npx -y figma-developer-mcp --stdio对于需要团队共享的项目配置我更建议把配置写进项目根目录的.mcp.json文件这样同事拉到代码后无需重复配置{ mcpServers: { docs: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /Users/me/Documents] } } }如果你接的是远程 MCP 服务比如蓝湖命令会变成这样claude mcp add --transport http lanhu https://your-lanhu-endpoint/mcp远程模式不需要写启动命令只需要服务器地址Host 会直接通过 HTTP 和对方通信。这也是目前 MCP 在企业场景里最受欢迎的方式。3.2 Cursor界面点选与远程服务器两种接法在 Cursor 里安装 MCP 服务器主要走设置界面打开 Settings → Features往下找到 MCP Servers点 Add New。这里有两个选项选择 Command 类型时在输入框里填启动命令比如npx -y modelcontextprotocol/server-fetch如果有环境变量也可以在下方的 Env 字段填。选择 Remote 类型时填一个 http 开头的 MCP 服务器地址适合连蓝湖这类已部署在云端服务。添加完成后注意 MCP 服务器默认可能是未启用状态。你需要在服务器列表里手动打开开关让 Cursor 把工具注入到当前对话的上下文里。Cursor 同样支持项目级配置文件。把.cursor/mcp.json放进仓库团队所有人都能共用同一套 MCP 配置{ mcpServers: { fetch: { command: npx, args: [-y, modelcontextprotocol/server-fetch] } } }我在团队里的习惯是把核心 MCP 配置提交到 Git并且写进 README 说明“哪些是必开的、哪些是按需开的”避免大家各自为政。3.3 Codexconfig.toml 配置以及工具白名单Codex 的配置方式和前面两个不太一样它使用~/.codex/config.toml文件。把要加载的 MCP 服务器写在一个叫mcp_servers的表下例如[mcp_servers.fetch] command npx args [-y, modelcontextprotocol/server-fetch] [mcp_servers.figma] command npx args [-y, figma-developer-mcp, --stdio] env { FIGMA_API_KEY figd_xxxx }配置完还要注意一个关键点Codex 对工具的默认白名单策略比较严格MCP 提供的工具默认不会自动出现在模型可用工具列表里需要在tool_allowlist里显式声明。你可以写成这样tool_allowlist [mcp__files__read_file, mcp__files__list_directory]或者想放行某个 MCP 服务器的所有工具用前缀匹配tool_allowlist [mcp__fetch]这个坑我踩过一次第一次配好 Codex 后服务器连是连上了但模型始终说“我没有可用工具”后来才发现是白名单没加。如果你也遇到“配置正确但模型不调用”的情况优先检查这里。3.4 两个最容易卡住的资源前置准备Figma token 和蓝湖 MCP 地址Figma MCP 的 Token 获取路径是登录 Figma 网页端点击右上角头像 → Settings → Security往下找到 Personal access tokens点 Generate new token填个说明名称后生成。生成后只会显示一次一定要立刻复制保存。新版 Figma 的 token 一般以figd_开头配置到环境变量时记得带上整个字符串。如果你所在团队用的是 Figma Dev Mode 的企业集成也可以走 OAuth 另一种方式不过个人使用场景下 Personal access token 是最快的。要注意Token 里面包含设计数据的读取权限尽量只把这个 MCP 配在自己的机器上不要提交进公共仓库。蓝湖 MCP 的接入略微特殊。它不像 Filesystem 那样在本地跑命令而是要先到蓝湖开放平台或企业控制台开通 MCP 服务你会拿到两个关键信息一个 HTTP/SSE 地址一个鉴权 Token。之后不管在 Claude Code、Cursor 还是其他 Host 里都按“远程服务器”的方式来添加把地址填进去并在环境变量或请求头里带上 Token。开通时间因平台而异有即时开通的也有需要管理员审批的。如果你填进 Host 以后连不上可以先到浏览器里直接访问这个地址看是否返回正常响应这样能把问题快速定位在“服务端没开好”还是“Host 配置错误”。4. 高频故障排查链路连接不上、工具不生效、token 失效、远程服务器超时4.1 服务器已添加但 AI 始终不调用工具排查思路按下面的顺序走查看服务器连接状态。Claude Code 用claude mcp listCursor 看设置页的状态图标。如果显示 failed直接重跑一遍启动命令看进程是否能正常起来。检查工具的可见性。有些宿主端做了工具开关比如 Cursor 每台服务器都要手动启用Codex 还要在tool_allowlist里放行。配置不等于启用这是最常见的误判。检查启动命令是否真的能独立运行。把命令复制到终端不加任何 Host 包装直接执行。如果终端都报错问题一定出在服务器本身。确认路径和环境变量。如果命令里写的是相对路径Host 启动时的当前目录未必是你期望的目录尽量写绝对路径。环境变量拼写错误也会让工具“初始化失败”但表面上服务器看起来是连着的。还有一个隐蔽问题有些自研 MCP 服务器在代码里用了console.log打印日志而 stdio 传输模式下 stdout 是协议通道任何多余的输出都会破坏消息解析导致 Host 无法识别工具。如果你开发过内部 MCP记得日志要写到 stderr 或文件别直接打 stdout。4.2 Figma MCP 反复 401遇到 401优先检查 Token 本身。旧版 Figma token 和新版figd_格式差异较大如果你的 token 是几个月前生成的建议重新生成一个再试。Figma 的 Personal access token 只在创建时显示一次丢失后无法找回只能重新生成。然后检查环境变量名是否和服务器要求的一致。figma-developer-mcp 通常读取FIGMA_API_KEY如果你的宿主环境用了别的变量名或者变量名拼写错了模型会在调用时收到“无效 token”。这里有个小技巧在 Claude Code 里用claude mcp list查看配置时不会明文显示环境变量值但你可以在对话里让模型调用一个最简单的工具看报错内容里是否包含 token 相关字段。如果是 OAuth 模式还要确认是否在弹窗里完成了授权。有的 Headless 环境弹不出浏览器这时需要切回 Personal access token 方式或者换到有图形界面的机器上先完成授权。4.3 远程 MCP 服务器连不上远程服务器的排查链路和本地不一样。第一步直接用curl测试地址是否可达别急着怀疑 Hostcurl -i https://your-lanhu-endpoint/mcp如果返回 200 或 4xx 但没有超时至少说明服务和网络是通的。如果一直卡住或 SSL 报错问题大概率在网络层。第二步确认你填的是不是正确协议。老版本 MCP 常用 SSE新规范则统一到了 Streamable HTTP。很多远程服务同时兼容两种但 Host 端的参数可能不同。Claude Code 里用--transport http有的 Host 还保留sse选项填错就会握手失败。第三步检查运行环境是否有网络限制。公司内网、云服务器安全组、本地代理设置都会影响远程连接。最常见的是本地代理拦掉了非浏览器流量或者目标服务器没打开对应端口。处理方式和普通网络排查一样先用 curl 确认基线。4.4 npx 或 docker 命令在 Host 里启动不了终端里能跑、Host 里启动失败的场景90% 是 PATH 问题。终端会加载 shell 配置里的路径而很多桌面端 Host比如 Cursor启动时不加载你的 shell 配置导致它找不到npx或node。解决办法是把命令里的可执行文件换成绝对路径先用which npx、which node找到路径再写进配置。Windows 上还有另一种坑宿主端传npx命令时可能找不到的是npx.cmd。碰到 ENOENT 报错可以改成npx.cmd -y ...或者用 Docker 方式启动 MCP 服务器绕开 npm 可执行文件解析问题。如果你是在 VS Code 里通过 SSH 连到远程服务器开发MCP 服务器也可以跑在远程环境里但本地 Host 启动时经常会因为远程 PATH 没初始化而找不到 Node。这时候最省事的办法是在配置里写死远程机器上的绝对路径例如/usr/local/bin/npx别依赖~/.bashrc里的环境变量。如果命令能启动但一直重启看进程的最后几行日志。常常是 Node 版本不符合要求比如某些 MCP 服务器要求 Node 18 以上、某些新包要求 Node 20。用node -v确认版本必要时用 nvm 切换。5. 把 MCP 用在真实工作流里的三条进阶路径5.1 用 Spring Boot MCP 把公司业务系统接入 Agent对不少团队来说最值得做的一件长期正确的事就是把公司内部的业务能力暴露成 MCP 工具。Spring Boot 项目现在接入成本很低官方有 Spring AI MCP Server Starter核心思路是在 Spring 容器里通过注解声明一个可调用的业务方法dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-starter-mcp-server/artifactId /dependency然后在配置类中写一个方法Tool(description 根据订单ID查询订单状态和物流信息) public String getOrderStatus(String orderId) { return orderService.queryStatus(orderId); }项目通常要求 JDK 17 或以上。启动项目后这个 Spring Boot 应用本身就变成了一个 MCP Server团队的 AI Agent 可以通过标准协议直接调用“查询订单状态”这个能力。相比临时写 API、再做工具封装这种方式的优势是业务逻辑不用迁移修改服务端代码后 Agent 拿到的工具自动更新。需要注意的是一旦 AI 能直接调用业务方法权限控制就极其重要。建议先用只读接口跑通流程再把写操作逐步放开。5.2 用“Fetch Filesystem”搭一个私有知识摄取管线如果你有一个经常变化的外部资料源比如官方文档、竞争产品博客想让 AI 持续跟踪并沉淀到本地可以用两个通用 MCP 服务器搭一条简易管线Fetch 负责抓取网页Filesystem 负责把内容存成本地 Markdown。让 Agent 定期执行“读取指定 URL → 提取正文 → 转成 Markdown 写到 knowledge 目录”这个流程几周后你的知识库就积累出一批结构化的私有资料。之后在任何支持 MCP 的 Host 里都让模型先检索这个目录再回答效果相当于给 AI 配了一个持续更新的私有知识库。整个过程不需要写业务服务也不需要数据库两个官方服务器就能覆盖。缺点是文件量大了以后检索会变慢但作为初版方案非常实用。5.3 本地复盘流通达信本地数据 MCP 的具体用法和执行边界把通达信这类本地数据 MCP 放到进阶里讲因为它背后代表的是一种“不依赖外网 API直接在本地数据上做 AI 分析”的思路。日常盘后你不需要去各个数据平台手动查行情和资金流而是让 Agent 读取本地数据文件按你的复盘模板生成当日总结甚至可以跨多个交易日做趋势对比。我自己的建议用法是写一个 PowerShell 或 bash 脚本盘后定时把通达信数据目录同步到一个干净的工作目录再让 MCP 服务器只挂载这个工作目录避免 Agent 误读正在运行中的软件文件。首次使用时先让 AI 读取最简单的“日线数据”字段并打印前几行确认格式解析正确再扩大分析范围。因为通达信各版本的本地文件格式并不完全相同社区 MCP 通常只适配了某几个版本这个验证步骤不能省。另外要提醒一点本地数据 MCP 更适合做研究和复盘辅助不适合在没有严格校验的情况下直接驱动自动化交易。金融场景里一点数据解析错误都可能带来实质损失MCP 再方便也只建议当它是个“读取工具”而不是“决策工具”。最后再分享一个我这段时间用得最顺手的组合Cursor 里只开 Filesystem、Fetch 和蓝湖 MCP需要做 Web 端到端验证时临时打开 Playwright。开工时先让 Agent 去蓝湖拉设计稿、读标注再写前端代码体感等于多了一个熟悉设计系统的初级前端在配合我。MCP 服务器不是装得越多越好而是该出现在哪个环节就只让它出现在那个环节。这大概才是 2026 年玩 Agent 工作流最舒服的状态。 MCP服务器实战：2026年AI Agent工具扩展与配置指南
说实话2026 年如果你还让 AI 只停留在聊天窗口里等于还在用旧世界的方式工作。过去一年我在项目里感受到的最大效率提升不是换了更强的大模型而是把一批外部工具通过 MCP 服务器接进了 Claude Code、Cursor 和 Codex。MCPModel Context Protocol模型上下文协议是 2024 年底由 Anthropic 提出的开放标准核心就一句话给大模型一个统一的“插头”让它能访问文件、数据库、设计稿、浏览器甚至是你们公司自己的业务系统。这篇文章会围绕 2026 年值得安装的 MCP 服务器清单把安装命令、配置方法和真实踩坑过程一次性讲完。如果你是第一次接触 MCP前两节是认知准备如果已经会装可以直接跳到第三节看实操命令、第四节看排错。1. MCP 凭什么成为 2026 年的 AI 基础设施——先理清 Host、Server、Tool 三层关系1.1 从“把数据喂给 AI”变成“AI 自己取数据”在 MCP 出现之前AI 应用接入外部工具的方式非常原始每个工具都要写一遍胶水代码。你想让模型读本地文件要自己实现文件读取接口想让它查数据库要单独封装 SQL 访问想让它操作设计稿更是每家的 API 都长得不一样。这个阶段的问题不是“能不能接”而是“接一次成本太高”导致大部分 AI 应用最终只能停留在聊天框里。MCP 改变了这一点。它把应用和数据源之间的通信方式标准化服务器只需要实现一次协议所有支持 MCP 的客户端都能直接使用。你可以把它理解成 AI 领域的 USB-C过去每个外设要专用线现在统一成一个接口谁都能插。这一年多来MCP 已经从“工程师玩具”变成了 Agent 工作流里的默认配置。Claude Code、Cursor、Codex、Cline 这些主流的 Host 端几乎都原生支持 MCP类似文件访问、网页抓取、浏览器自动化这样的高频能力现在已经有了很成熟的服务器实现不需要自己重复造轮子。1.2 Host、Server、Tool 三层关系一次讲透很多人第一次接触 MCP 会被 Host、Server、Tool 这几个词绕晕其实关系很简单Host承载 AI 对话和任务执行的客户端比如 Claude Desktop、Claude Code、Cursor、Codex CLI。Host 负责把可用的工具列表和工具的输入参数说明交给大模型并在模型发起调用时转发请求。Server提供工具的服务进程。可以跑在本机也可以跑在远程服务器上。Server 和 Host 之间通过 MCP 协议通信常用的传输方式有两种本地 stdio标准输入输出和远程 HTTP/SSE。ToolServer 暴露的具体能力比如“读取文件”“获取网页内容”“查询数据库”“点击网页按钮”。每个 Tool 都有明确的输入输出 Schema模型看到这些描述后决定在哪个步骤使用哪个工具。这里其实可以稍微展开说一下调用过程模型本身并不能直接调用工具它只是在回答里返回一个类似“我需要调用某工具参数是什么”的信号真正执行动作的是 Host。Host 拿到模型返回的调用请求后通过 MCP 协议把参数传给 ServerServer 执行完后把结果再交回给模型继续生成。所以整个链路里Tool 是能力的载体Host 是调度中心Server 是执行者。再补一个容易混淆的点MCP 不只提供 Tool还有 Resources 和 Prompts 两种类型。Resources 更像只读的数据文件适合给模型提供背景资料Prompts 是预设好的提示模板适合把常用操作封装成固定流程。只是日常安装的大部分服务器主要暴露的是 Tool所以大家习惯把“装 MCP 服务器”等同于“给 AI 加工具”。1.3 为什么在 2026 年这是“必装”而不是“可选”一个核心观察2026 年的 AI 编码、AI 办公类工具已经从“对话生成文本”全面转向“Agent 自主执行任务”。在这个转变里模型自身的能力差距正在缩小真正拉开效率差距的是它能不能顺畅地调用你现有的系统和数据。装 MCP 服务器这件事现在就像给电脑装上输入法不装也能打字装上以后才谈得上高效。而且好消息是安装大部分 MCP 服务器并不需要写代码复制一条命令、填一个 token顶多十分钟模型立刻从一个“只能聊天的脑子”变成一个“能打开文件、看网页、操作软件的助手”。这就是我把它放进 2026 必装清单的根本原因。2. 值得优先安装的 MCP 服务器清单——按使用场景排优先级2.1 通用开发类文件系统、Fetch、Playwright如果你只打算装两个服务器我会选文件系统和 Fetch。官方维护的 Filesystem Servernpm 包名 modelcontextprotocol/server-filesystem可以让 AI 读取、创建、编辑指定目录下的文件适合做本地知识库、批量处理文档、整理代码仓库。它不会允许 AI 访问整个磁盘而是只开放你启动时指定的目录这个设计对安全很重要。Fetch Servernpm 包名 modelcontextprotocol/server-fetch负责把网页抓下来转成 Markdown 或纯文本喂给模型。有了它AI 才能“上网”比如让它读取一篇技术文档、给你总结一个网页内容、甚至查官方发布说明。这两个配合起来已经能覆盖大量日常任务。再往后是 Playwright MCPnpm 包名 playwright/mcp它做了浏览器自动化包括打开网页、点击、输入文本、截图、读取控制台日志。对做 Web 自动化测试、爬取动态页面的场景特别有用。但它也最容易误操作建议在独立浏览器配置里使用避免和日常浏览器混在一起。2.2 设计协作类Figma MCP 与蓝湖 MCP如果你是前端开发、设计工程师或者经常需要跟 UI 稿打交道Figma MCP 几乎必装。Figma 官方提供的 figma-developer-mcp 可以读取设计稿里的图层结构、样式标注、组件属性甚至导出切图。接好之后你可以直接让 AI“看看这个设计稿写一个 React 组件”比人肉看标注再复制代码省了一半时间。这里顺带回应一个很多人问的问题Figma MCP 在 Trae、Cursor 等工具里怎么用其实逻辑完全一样——图省事的做法是把 figma-developer-mcp 当作普通的 stdio 服务器添加一次配上 Figma 的访问令牌然后在对话里把 Figma 文件链接发给 AI 就行。Host 端不会区分这是设计工具还是文件工具统一按 MCP 工具处理。和 Figma 类似的是蓝湖 MCP。蓝湖在国内设计协作里占有率很高官方也推出了 MCP 通道。通过蓝湖开放平台开通后会拿到一个服务地址和 Token一般在 Host 里以远程 HTTP/SSE 的方式接入。接好后可以让 AI 读取蓝湖项目里的设计图、标注和切图资源。对那些公司设计稿都在蓝湖的团队来说这个比 Figma MCP 更贴近实际工作流。2.3 数据与业务类GitHub、Postgres、通达信本地数据、Spring BootGitHub 官方有 github-mcp-server可以创建 Issue、查看 PR、读取仓库内容用自然语言管理项目提交记录。对于每天要处理 GitHub 事务的开发者这个解放效率很明显。数据库类建议从 Postgres MCP 这类服务器入手。它能让 AI 直接查询数据库理解表结构并生成 SQL。不过权限一定要控制好只给只读账号或者限制在测试库否则 AI 手滑执行 DELETE 的后果很严重。国内财经数据场景我最近试了一个社区做的“通达信本地数据 MCP”。它直接从通达信软件本地生成的数据文件中读取行情、板块、财务数据不需要联网拉接口适合做盘后复盘、本地量化分析。由于通达信版本和文件格式经常变使用前要在小范围数据上验证一下读取结果别直接拿它跑自动交易。最后是 Spring Boot MCP 这类企业级接入。现在 Spring AI 官方提供了 MCP Server StarterSpring Boot 项目只要加依赖、写几个 Tool 注解的方法就能把现有业务能力暴露给 AI Agent。这个后面第五节会展开讲配置并不复杂但价值很大。2.4 一张表梳理优先级把上面这些汇总成一张表方便你按自己的身份和场景选。MCP 服务器核心用途典型接入方式建议优先级Filesystem读取/编辑本地目录文件npx 启动高Fetch网页抓取、转 Markdownnpx 启动高Playwright浏览器自动化、网页截图npx 启动中测试场景高figma-developer-mcp读取 Figma 设计稿、导出切图npx Figma Token设计协作场景高蓝湖 MCP读取蓝湖设计资源、标注远程 HTTP/SSE设计协作场景高github-mcp-serverIssue/PR/仓库管理npx GitHub Token开发者中高Postgres MCP数据库查询、Schema 理解本地运行中注意权限通达信本地数据 MCP本地行情数据读取本地脚本按需Spring Boot MCP把 Java 业务方法暴露给 AI项目内集成企业团队按需优先级不等于所有人必装而是根据你的日常任务来决定。通用类两个建议保留其他按场景加。3. 安装实操Claude Code、Cursor、Codex 三种 Host 的接入命令与配置3.1 Claude Code命令行添加项目级配置写入 .mcp.jsonClaude Code 支持用命令行直接管理 MCP 服务器这是我最常用的方式。以添加文件系统服务器为例claude mcp add my-docs -- npx -y modelcontextprotocol/server-filesystem /Users/me/Documents解释一下这里的结构my-docs是你在 Claude Code 里给这个服务器起的名字--后面是要执行的完整启动命令路径是允许 AI 访问的根目录。命令执行完后可以用claude mcp list查看当前所有服务器及状态。如果服务器需要环境变量比如 Figma Token可以在命令里用--env参数传入claude mcp add figma --env FIGMA_API_KEYfigd_xxxx -- npx -y figma-developer-mcp --stdio对于需要团队共享的项目配置我更建议把配置写进项目根目录的.mcp.json文件这样同事拉到代码后无需重复配置{ mcpServers: { docs: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /Users/me/Documents] } } }如果你接的是远程 MCP 服务比如蓝湖命令会变成这样claude mcp add --transport http lanhu https://your-lanhu-endpoint/mcp远程模式不需要写启动命令只需要服务器地址Host 会直接通过 HTTP 和对方通信。这也是目前 MCP 在企业场景里最受欢迎的方式。3.2 Cursor界面点选与远程服务器两种接法在 Cursor 里安装 MCP 服务器主要走设置界面打开 Settings → Features往下找到 MCP Servers点 Add New。这里有两个选项选择 Command 类型时在输入框里填启动命令比如npx -y modelcontextprotocol/server-fetch如果有环境变量也可以在下方的 Env 字段填。选择 Remote 类型时填一个 http 开头的 MCP 服务器地址适合连蓝湖这类已部署在云端服务。添加完成后注意 MCP 服务器默认可能是未启用状态。你需要在服务器列表里手动打开开关让 Cursor 把工具注入到当前对话的上下文里。Cursor 同样支持项目级配置文件。把.cursor/mcp.json放进仓库团队所有人都能共用同一套 MCP 配置{ mcpServers: { fetch: { command: npx, args: [-y, modelcontextprotocol/server-fetch] } } }我在团队里的习惯是把核心 MCP 配置提交到 Git并且写进 README 说明“哪些是必开的、哪些是按需开的”避免大家各自为政。3.3 Codexconfig.toml 配置以及工具白名单Codex 的配置方式和前面两个不太一样它使用~/.codex/config.toml文件。把要加载的 MCP 服务器写在一个叫mcp_servers的表下例如[mcp_servers.fetch] command npx args [-y, modelcontextprotocol/server-fetch] [mcp_servers.figma] command npx args [-y, figma-developer-mcp, --stdio] env { FIGMA_API_KEY figd_xxxx }配置完还要注意一个关键点Codex 对工具的默认白名单策略比较严格MCP 提供的工具默认不会自动出现在模型可用工具列表里需要在tool_allowlist里显式声明。你可以写成这样tool_allowlist [mcp__files__read_file, mcp__files__list_directory]或者想放行某个 MCP 服务器的所有工具用前缀匹配tool_allowlist [mcp__fetch]这个坑我踩过一次第一次配好 Codex 后服务器连是连上了但模型始终说“我没有可用工具”后来才发现是白名单没加。如果你也遇到“配置正确但模型不调用”的情况优先检查这里。3.4 两个最容易卡住的资源前置准备Figma token 和蓝湖 MCP 地址Figma MCP 的 Token 获取路径是登录 Figma 网页端点击右上角头像 → Settings → Security往下找到 Personal access tokens点 Generate new token填个说明名称后生成。生成后只会显示一次一定要立刻复制保存。新版 Figma 的 token 一般以figd_开头配置到环境变量时记得带上整个字符串。如果你所在团队用的是 Figma Dev Mode 的企业集成也可以走 OAuth 另一种方式不过个人使用场景下 Personal access token 是最快的。要注意Token 里面包含设计数据的读取权限尽量只把这个 MCP 配在自己的机器上不要提交进公共仓库。蓝湖 MCP 的接入略微特殊。它不像 Filesystem 那样在本地跑命令而是要先到蓝湖开放平台或企业控制台开通 MCP 服务你会拿到两个关键信息一个 HTTP/SSE 地址一个鉴权 Token。之后不管在 Claude Code、Cursor 还是其他 Host 里都按“远程服务器”的方式来添加把地址填进去并在环境变量或请求头里带上 Token。开通时间因平台而异有即时开通的也有需要管理员审批的。如果你填进 Host 以后连不上可以先到浏览器里直接访问这个地址看是否返回正常响应这样能把问题快速定位在“服务端没开好”还是“Host 配置错误”。4. 高频故障排查链路连接不上、工具不生效、token 失效、远程服务器超时4.1 服务器已添加但 AI 始终不调用工具排查思路按下面的顺序走查看服务器连接状态。Claude Code 用claude mcp listCursor 看设置页的状态图标。如果显示 failed直接重跑一遍启动命令看进程是否能正常起来。检查工具的可见性。有些宿主端做了工具开关比如 Cursor 每台服务器都要手动启用Codex 还要在tool_allowlist里放行。配置不等于启用这是最常见的误判。检查启动命令是否真的能独立运行。把命令复制到终端不加任何 Host 包装直接执行。如果终端都报错问题一定出在服务器本身。确认路径和环境变量。如果命令里写的是相对路径Host 启动时的当前目录未必是你期望的目录尽量写绝对路径。环境变量拼写错误也会让工具“初始化失败”但表面上服务器看起来是连着的。还有一个隐蔽问题有些自研 MCP 服务器在代码里用了console.log打印日志而 stdio 传输模式下 stdout 是协议通道任何多余的输出都会破坏消息解析导致 Host 无法识别工具。如果你开发过内部 MCP记得日志要写到 stderr 或文件别直接打 stdout。4.2 Figma MCP 反复 401遇到 401优先检查 Token 本身。旧版 Figma token 和新版figd_格式差异较大如果你的 token 是几个月前生成的建议重新生成一个再试。Figma 的 Personal access token 只在创建时显示一次丢失后无法找回只能重新生成。然后检查环境变量名是否和服务器要求的一致。figma-developer-mcp 通常读取FIGMA_API_KEY如果你的宿主环境用了别的变量名或者变量名拼写错了模型会在调用时收到“无效 token”。这里有个小技巧在 Claude Code 里用claude mcp list查看配置时不会明文显示环境变量值但你可以在对话里让模型调用一个最简单的工具看报错内容里是否包含 token 相关字段。如果是 OAuth 模式还要确认是否在弹窗里完成了授权。有的 Headless 环境弹不出浏览器这时需要切回 Personal access token 方式或者换到有图形界面的机器上先完成授权。4.3 远程 MCP 服务器连不上远程服务器的排查链路和本地不一样。第一步直接用curl测试地址是否可达别急着怀疑 Hostcurl -i https://your-lanhu-endpoint/mcp如果返回 200 或 4xx 但没有超时至少说明服务和网络是通的。如果一直卡住或 SSL 报错问题大概率在网络层。第二步确认你填的是不是正确协议。老版本 MCP 常用 SSE新规范则统一到了 Streamable HTTP。很多远程服务同时兼容两种但 Host 端的参数可能不同。Claude Code 里用--transport http有的 Host 还保留sse选项填错就会握手失败。第三步检查运行环境是否有网络限制。公司内网、云服务器安全组、本地代理设置都会影响远程连接。最常见的是本地代理拦掉了非浏览器流量或者目标服务器没打开对应端口。处理方式和普通网络排查一样先用 curl 确认基线。4.4 npx 或 docker 命令在 Host 里启动不了终端里能跑、Host 里启动失败的场景90% 是 PATH 问题。终端会加载 shell 配置里的路径而很多桌面端 Host比如 Cursor启动时不加载你的 shell 配置导致它找不到npx或node。解决办法是把命令里的可执行文件换成绝对路径先用which npx、which node找到路径再写进配置。Windows 上还有另一种坑宿主端传npx命令时可能找不到的是npx.cmd。碰到 ENOENT 报错可以改成npx.cmd -y ...或者用 Docker 方式启动 MCP 服务器绕开 npm 可执行文件解析问题。如果你是在 VS Code 里通过 SSH 连到远程服务器开发MCP 服务器也可以跑在远程环境里但本地 Host 启动时经常会因为远程 PATH 没初始化而找不到 Node。这时候最省事的办法是在配置里写死远程机器上的绝对路径例如/usr/local/bin/npx别依赖~/.bashrc里的环境变量。如果命令能启动但一直重启看进程的最后几行日志。常常是 Node 版本不符合要求比如某些 MCP 服务器要求 Node 18 以上、某些新包要求 Node 20。用node -v确认版本必要时用 nvm 切换。5. 把 MCP 用在真实工作流里的三条进阶路径5.1 用 Spring Boot MCP 把公司业务系统接入 Agent对不少团队来说最值得做的一件长期正确的事就是把公司内部的业务能力暴露成 MCP 工具。Spring Boot 项目现在接入成本很低官方有 Spring AI MCP Server Starter核心思路是在 Spring 容器里通过注解声明一个可调用的业务方法dependency groupIdorg.springframework.ai/groupId artifactIdspring-ai-starter-mcp-server/artifactId /dependency然后在配置类中写一个方法Tool(description 根据订单ID查询订单状态和物流信息) public String getOrderStatus(String orderId) { return orderService.queryStatus(orderId); }项目通常要求 JDK 17 或以上。启动项目后这个 Spring Boot 应用本身就变成了一个 MCP Server团队的 AI Agent 可以通过标准协议直接调用“查询订单状态”这个能力。相比临时写 API、再做工具封装这种方式的优势是业务逻辑不用迁移修改服务端代码后 Agent 拿到的工具自动更新。需要注意的是一旦 AI 能直接调用业务方法权限控制就极其重要。建议先用只读接口跑通流程再把写操作逐步放开。5.2 用“Fetch Filesystem”搭一个私有知识摄取管线如果你有一个经常变化的外部资料源比如官方文档、竞争产品博客想让 AI 持续跟踪并沉淀到本地可以用两个通用 MCP 服务器搭一条简易管线Fetch 负责抓取网页Filesystem 负责把内容存成本地 Markdown。让 Agent 定期执行“读取指定 URL → 提取正文 → 转成 Markdown 写到 knowledge 目录”这个流程几周后你的知识库就积累出一批结构化的私有资料。之后在任何支持 MCP 的 Host 里都让模型先检索这个目录再回答效果相当于给 AI 配了一个持续更新的私有知识库。整个过程不需要写业务服务也不需要数据库两个官方服务器就能覆盖。缺点是文件量大了以后检索会变慢但作为初版方案非常实用。5.3 本地复盘流通达信本地数据 MCP 的具体用法和执行边界把通达信这类本地数据 MCP 放到进阶里讲因为它背后代表的是一种“不依赖外网 API直接在本地数据上做 AI 分析”的思路。日常盘后你不需要去各个数据平台手动查行情和资金流而是让 Agent 读取本地数据文件按你的复盘模板生成当日总结甚至可以跨多个交易日做趋势对比。我自己的建议用法是写一个 PowerShell 或 bash 脚本盘后定时把通达信数据目录同步到一个干净的工作目录再让 MCP 服务器只挂载这个工作目录避免 Agent 误读正在运行中的软件文件。首次使用时先让 AI 读取最简单的“日线数据”字段并打印前几行确认格式解析正确再扩大分析范围。因为通达信各版本的本地文件格式并不完全相同社区 MCP 通常只适配了某几个版本这个验证步骤不能省。另外要提醒一点本地数据 MCP 更适合做研究和复盘辅助不适合在没有严格校验的情况下直接驱动自动化交易。金融场景里一点数据解析错误都可能带来实质损失MCP 再方便也只建议当它是个“读取工具”而不是“决策工具”。最后再分享一个我这段时间用得最顺手的组合Cursor 里只开 Filesystem、Fetch 和蓝湖 MCP需要做 Web 端到端验证时临时打开 Playwright。开工时先让 Agent 去蓝湖拉设计稿、读标注再写前端代码体感等于多了一个熟悉设计系统的初级前端在配合我。MCP 服务器不是装得越多越好而是该出现在哪个环节就只让它出现在那个环节。这大概才是 2026 年玩 Agent 工作流最舒服的状态。