作者：Manpreet Singh
编译：阿琪

我记得第一次听说 MCP（模型上下文协议）时，我的反应是：

“哈，又是一个新名词，仿佛我们已经淹没在各种术语的海洋里了！”

但当我意识到 MCP 就像 AI 接口的万能连接器 —— 就像 USB-C 之于手机和笔记本一样 —— 我变得异常兴奋。

不再需要与各种插件或只能在特定地方使用的奇怪脚本作斗争。

有了 MCP，我可以快速连接新工具。

这感觉就像是在打造一个定制的 AI 梦之队！

在这篇文章中，我将简单介绍一下我是如何在 Cline、WindSurf，甚至 Cursor 中使用 MCP 服务器的。

我会用简单的方式解释一切，所以你不会被复杂的术语压垮。

我还会提到一个我计划在电脑上尝试的个人案例研究（稍后会补充实际结果）。

让我们开始吧。

什么是 MCP，为什么要关注？

简单来说，MCP 是模型上下文协议（Model Context Protocol），由 Anthropic 开发的开放标准。

用更直白的话来说，有人提出了一个好主意：创建一个框架，让 AI 工具之间可以顺畅地交流，而不会“发脾气”。

所以，与其每次都为某个工具构建自定义适配器（比如读取 Figma 设计或管理数据库），只要主 AI 接口支持协议，MCP便可以轻松接入工具。

这就像插入 USB 设备一样，插上就能用。

MCP 在哪里？

MCP 并不是隐藏在某个秘密的开发者实验室中。

它其实已经在很多 AI 工具中出现，比如 Cline、WindSurf、Cursor 等。

你可能会注意到 Cline 中新增的“Marketplace”，叫做 MCP Marketplace。

这是一个浏览和安装各种服务器的地方——这些服务器就像 AI 插件，可以执行各种专业任务。

还有一些第三方仓库，你只需要复制一个命令，粘贴到 AI 工具的配置文件中，就能瞬间激活新功能。

这让我感叹：“哇，终于不用折腾了！”

不再需要一堆繁琐的脚本或复杂的操作教程。

打开 MCP 配置文件，粘贴链接，一切搞定。

我最喜欢的 MCP 服务器

经过一段时间的尝试，我玩过很多 MCP 服务器，有些太过实验性，但有几个我一直在用。

Sequential Thinker

一开始，我觉得这更像个噱头：“为什么需要 AI 按步骤思考？”

但实际上，如果你在使用本地模型，或者模型有时会搞混逻辑，这个插件可以帮助 AI 将推理拆解成更小的步骤。

如果你曾经遇到 AI 这样说：“让我想想...其实我得再检查一下。”

那么 Sequential Thinker 就是将这种过程系统化。

我在 Cline 和 WindSurf 中使用它，尤其在处理复杂编码任务时。

它不总是完美，但能避免逻辑跳跃。

npx 的 MCP 配置代码如下：

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

详细信息见：
github.com/modelcontextprotocol/servers/tree/main/src/sequentialthinking

Obsidian 集成

我是个笔记控。

我把几乎所有内容都存储在 Obsidian Vault 中 —— 待办事项、写作灵感、快速头脑风暴，甚至购物清单。

Obsidian MCP 服务器的出现改变了我的工作方式。

现在我可以在 Cline 这样的 AI 工具中说：“嘿，把 '买狗粮' 这个任务标记为完成。”

然后它会自动更新 Obsidian 笔记！

虽然看起来很小，但这种无缝工作流意味着我无需频繁切换应用。

如果你更习惯用 Jira 或 Notion，那也有对应的 MCP 服务器。

配置方式有两种：

第一种（推荐）：在服务器配置中添加 API Key。

{
  "mcp-obsidian":{
    "command":"uvx",
    "args":[
      "mcp-obsidian"
    ],
    "env":{
      "OBSIDIAN_API_KEY":"<your_api_key_here>"
    }
}
}

或者在工作目录下创建 .env 文件：

OBSIDIAN_API_KEY=your_api_key_here

API Key 可以在 Obsidian 插件配置中找到。

更多信息见：
https://github.com/MarkusPfundstein/mcp-obsidian

E2B MCP

这个服务器适合喜欢在安全环境中测试代码的人。

想象一下，你的代码在一个小泡泡中运行，不会影响主系统。

对于测试新的 Node 模块、Python 库或运行示例脚本来说非常方便。

如果你讨厌设置 Docker 或虚拟机的繁琐，E2B Sandbox 会是你的好帮手。

Python 的配置代码如下：

安装依赖：

uv install

然后在 Claude Desktop 中添加配置。

MacOS:

~/Library/Application Support/Claude/claude_desktop_config.json

Windows:

%APPDATA%/Claude/claude_desktop_config.json

{
  "mcpServers":{
    "e2b-mcp-server":{
      "command":"uvx",
      "args":["e2b-mcp-server"],
      "env":{"E2B_API_KEY":"${e2bApiKey}"}
    }
}
}

详细信息见：
github.com/e2b-dev/mcp-server?tab=readme-ov-file

Replicate MCP

如果你想在项目中快速生成 AI 图像，Replicate 的服务器非常方便。

你无需再从网页保存图片或折腾第三方工具，一切都能在本地完成。

配置需要 Replicate API Token。

推荐的方式是将其添加到 Claude Desktop 的配置中。

{
  "mcpServers":{
    "replicate":{
      "command":"mcp-replicate",
      "env":{
        "REPLICATE_API_TOKEN":"your_token_here"
      }
    }
}
}

更多信息见：
github.com/deepfates/mcp-replicate

数据库集成（Firebase, SupaBase 等）

非常适合自动化数据库任务。

比如，你只需一句提示词：

“创建一个名为 'newsletter_signups' 的表，列包括 email、signup_date 和 referrer。”

设置好数据库凭证后，效率提升巨大。

结语

MCP 就像是 AI 工具之间的万能翻译器。

无论你用它来读取设计文件、运行代码、管理数据库，还是组织任务，它都能极大减少工作流程中的摩擦。

如果你不确定从哪个服务器开始，不妨选择最适合自己的。

希望你能找到最适合你的 MCP 服务器！

祝你愉快地探索！