大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



 
  
    
     
大家好～ 最近很多小伙伴问我“MCP到底是什么？”“怎么用MCP让AI调用本地文件/工具？”，作为踩过不少坑、实战过多个MCP场景的过来人，今天整理了这篇「保姆级MCP学习博客」，全程无晦涩术语，每一步都带实例、附直达链接，不管你是AI新手还是刚接触协议开发，跟着走就能上手，彻底搞懂MCP的核心用法！
 

先划重点：本文全程围绕「实用」展开，不堆砌理论，重点讲“能直接用的操作”，包含 3个基础实战案例+1个自定义开发案例，所有工具、代码、配置都可直接复制使用，配套官方链接和避坑指南，看完就能动手实操。

---

很多人被“协议”“架构”吓到，其实MCP特别好理解，用一句话就能说清：

MCP（Model Context Protocol，模型上下文协议），是Anthropic推出的开放标准，相当于AI和外部工具、本地数据之间的“通用数据线”——它不限制具体的大模型，只规定了AI和外部资源（文件、数据库、API等）的交互规则，让AI能安全、标准化地调用本地/远程资源，不用再为每个工具单独写适配代码。

1. 核心价值（为什么要学MCP？）

• 告别“接口适配地狱”：传统AI调用工具，每个工具都要单独写适配代码，MCP把复杂度从“M×N”降到“M+N”，一次开发多端复用，比如你写的MCP服务，既能给Claude用，也能给Cursor用。
• 本地数据更安全：支持本地文件、数据库直接调用，数据不用上传到云端，满足隐私合规需求，适合处理敏感文件、企业内部数据。
• 生态成熟，上手快：Claude、Cursor、VS Code等主流AI工具已原生支持，还有多语言SDK（Python、Node.js），不用从零造轮子。
• 适用场景极广：AI读/写本地文件、操作数据库、调用私有API、IDE代码调试、企业ERP/CRM对接，都能用到MCP。

2. 关键概念（不用死记，理解就好）

MCP采用C/S架构，核心就3个组件，类比成“手机（AI）+数据线（MCP）+充电器（外部资源）”，一下子就懂了：

• 「MCP主机（Host）」：就是你用的AI应用，比如Claude Desktop、Cursor，相当于“手机”，提供交互界面，运行MCP客户端。
• 「MCP客户端（Client）」：藏在主机里的“数据线”，负责把AI的需求打包成MCP标准请求，发送给外部资源，再把结果解析后返回给AI。
• 「MCP服务器（Server）」：对接外部资源（文件、数据库等）的“充电器”，接收客户端的请求，执行操作（比如读文件、查天气），再返回结构化结果。

3. 必备前置工具（提前下载，不耽误实操）

所有工具都附直达链接，点击就能下载，全程免费，新手直接按顺序安装即可：

1. AI主机（二选一即可，推荐Claude Desktop，操作最简单）：

• Claude Desktop：https://claude.ai/download（支持Windows、Mac，原生支持MCP，不用额外装插件）
• Cursor（代码开发者首选）：https://www.cursor.sh/（IDE编辑器，内置MCP支持，适合代码调试场景）

2. 运行环境（必装，用于启动MCP Server）：

• Node.js（用于运行官方文件系统Server）：https://nodejs.org/zh-cn/download/（下载LTS版本，默认安装即可，勾选“Add to PATH”）
• Python（用于自定义MCP Server）：https://www.python.org/downloads/（3.8及以上版本，安装时勾选“Add Python to PATH”）

3. 辅助工具（可选，提升效率）：

• JSON校验工具：https://jsonlint.com/（校验MCP配置JSON，避免格式错误）
• 日志查看工具（Windows用记事本，Mac用文本编辑）：用于排查MCP连接问题，后续会用到。

小贴士：安装完Node.js和Python后，打开终端（Windows用CMD，Mac用终端），输入node -v和python -V，能显示版本号就是安装成功了。

---

这部分是核心，每个案例都按“步骤+代码+效果”展开，所有代码可直接复制，配置完就能用，新手建议从案例1开始，循序渐进。

案例1：最常用——配置MCP Server，让AI读取/写入本地桌面文件

目标：让Claude Desktop通过MCP调用本地文件系统，实现“AI读桌面文件、写文件到桌面”，不用手动上传文件，解决AI无法访问本地文件的痛点。

步骤1：启动Claude Desktop，进入MCP配置界面

1. 打开安装好的Claude Desktop（登录账号，没有账号注册一个即可，免费版足够用）。
2. 点击右上角「设置图标（⚙️）」→ 选择「Developer」→ 找到「MCP Servers」，点击「Add Server」（添加MCP服务器）。

步骤2：配置文件系统MCP Server（核心步骤）

复制下面的JSON配置，替换其中的「你的用户名」，粘贴到配置框中（注意：Windows和Mac的路径格式不同，别写错！）：

GPT plus 代充 只需 145{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", // Windows路径示例（替换成你的桌面路径） "C:\Users\你的用户名\Desktop", // Mac路径示例（替换成你的桌面路径） // "/Users/你的用户名/Desktop" ] } } } 

避坑提醒：Windows系统路径用「」（两个反斜杠），Mac用「/」（斜杠）；一定要替换成自己的用户名，比如Windows用户路径可能是「C:UsersZhangSanDesktop」，写错会导致无法访问文件。

步骤3：保存配置，重启Claude，测试效果

1. 点击「Save」保存配置，然后关闭Claude，重新打开（必须重启，配置才能生效）。
2. 测试1（读文件）：在桌面新建一个「test.txt」，写入内容（比如“Hello MCP！”），然后在Claude中输入指令：“帮我读取桌面的test.txt文件，显示内容”，AI会直接返回文件内容，不用上传。
3. 测试2（写文件）：在Claude中输入指令：“帮我在桌面新建一个mcp_test.txt文件，写入内容‘我学会MCP啦！’”，执行后去桌面查看，会发现新建的文件和内容，完美生效！

补充：如果遇到“连接失败”，先检查路径是否正确，再打开终端输入npx -y @modelcontextprotocol/server-filesystem 你的桌面路径，看是否能正常启动服务，若提示“命令不存在”，重新安装Node.js即可。

案例2：最实用——配置Time MCP Server，解决AI“时间幻觉”

目标：让AI通过MCP获取当前实时时间（精确到秒），解决AI无法获取实时时间、出现“时间幻觉”的问题（比如AI以为现在是昨天），适合需要实时时间的场景（如日程规划、时间记录）。

步骤1：安装Time MCP Server（Python环境）

1. 打开终端（Windows CMD、Mac终端），输入以下命令，安装Time Server依赖（复制粘贴即可，全程自动安装）：pip install mcp-server-time
2. 安装完成后，输入pip list | findstr mcp-server-time（Windows）或pip list | grep mcp-server-time（Mac），能看到版本号就是安装成功。

步骤2：在Claude中添加Time Server配置

1. 打开Claude → 设置 → Developer → MCP Servers，点击「Add Server」，粘贴下面的JSON配置（无需修改，直接用）： { "mcpServers": { "time": { "command": "python", "args": ["-m", "mcp_server_time", "--tz", "Asia/Shanghai"] } }}
2. 说明：--tz Asia/Shanghai 表示设置时区为中国上海，确保时间准确，若需要其他时区，可替换为对应时区代码（如America/New_York）。
   
   
   

步骤3：重启Claude，测试效果

1. 关闭Claude，重新打开，输入指令：“帮我获取当前实时时间，精确到秒”。
2. 正常情况下，AI会返回当前上海时区的时间（比如“当前时间：2026-03-02 10:50:30”），再也不会出现时间幻觉啦！

小贴士：如果提示“找不到mcp_server_time模块”，大概率是Python环境未配置PATH，重新安装Python，勾选“Add Python to PATH”即可；若仍有问题，可在终端输入python -m mcp_server_time --tz Asia/Shanghai，手动启动服务后再测试。

案例3：最易上手——配置MCP Server，让AI调用本地数据库（以SQLite为例）

目标：让AI通过MCP调用本地SQLite数据库（轻量、无需安装），实现“查询数据、插入数据”，适合需要AI处理本地数据的场景（如个人台账、小型数据统计）。

步骤1：安装SQLite MCP Server依赖

1. 打开终端，输入以下命令，安装依赖：pip install mcp-server-sqlite

步骤2：配置SQLite MCP Server

1. 在Claude中添加MCP Server配置，粘贴下面的JSON（无需修改，默认会在本地生成一个mcp_db.sqlite数据库文件）： { "mcpServers": { "sqlite": { "command": "python", "args": ["-m", "mcp_server_sqlite", "--db-path", "./mcp_db.sqlite"] } }}
2. 说明：--db-path ./mcp_db.sqlite 表示数据库文件生成在当前用户目录下（Windows：C:Users你的用户名，Mac：/Users/你的用户名），后续可通过SQLite工具打开查看数据。

步骤3：重启Claude，测试数据库操作

1. 重启Claude后，输入指令：“帮我在SQLite数据库中创建一个名为user的表，包含id（主键）、name（用户名）、age（年龄）三个字段，然后插入一条数据：id=1，name=张三，age=25”。
2. AI执行完成后，再输入指令：“帮我查询user表中的所有数据”，AI会返回插入的数据，证明MCP成功连接数据库并执行操作。

补充：SQLite查看工具推荐（免费）：https://sqlitebrowser.org/dl/，下载后打开「mcp_db.sqlite」文件，就能直观看到表和数据。

---

如果基础案例满足不了需求，比如你想让AI管理个人任务、调用私有API，就可以自定义MCP Server，下面以“个人任务管理”为例，手把手教你编写、配置、使用自定义MCP服务，代码可直接复制运行。

步骤1：安装自定义MCP Server依赖

1. 打开终端，输入以下命令，安装核心依赖：pip install mcp-server

步骤2：编写自定义MCP Server代码（任务管理功能）

1. 打开记事本（Windows）或文本编辑（Mac），粘贴下面的Python代码，保存为「task_server.py」（保存路径建议放在桌面，方便后续配置）： `from mcp_server import MCPServer, tool, resourcefrom typing import List, Dict

tasks: List[Dict] = []

class TaskServer(MCPServer): # 定义“添加任务”工具，AI可调用该方法添加任务 @tool() def add_task(self, title: str) -> str: “”“添加个人任务，参数title为任务标题（字符串）”“” tasks.append({“title”: title, “done”: False}) return f"任务添加成功！当前任务总数：{len(tasks)}，新增任务：{title}"

# 定义“列出所有任务”工具 @tool() def list_tasks(self) -> List[Dict]: """列出所有个人任务，返回任务列表（包含标题和完成状态）""" return tasks # 定义“标记任务完成”工具 @tool() def mark_done(self, index: int) -> str: """标记任务为完成，参数index为任务索引（从0开始）""" if 0 <= index < len(tasks): tasks[index]["done"] = True return f"任务{index+1}（{tasks[index]['title']}）已标记为完成！" return "任务索引无效，请输入正确的索引（从0开始）" 

if name == “main”: server = TaskServer() server.run() # 启动后，终端会显示“MCP Server running on http://localhost:5005”`

2. 代码说明：这段代码定义了3个核心功能（添加任务、列出任务、标记任务完成），AI可以通过自然语言调用这些功能，无需手动写代码。

步骤3：配置自定义MCP Server到Claude

1. 打开Claude → 设置 → Developer → MCP Servers，点击「Add Server」，粘贴下面的JSON配置，替换「你的桌面路径」为你保存「task_server.py」的路径（比如Windows：C:Users你的用户名Desktop ask_server.py）： { "mcpServers": { "task-manager": { "command": "python", "args": ["你的桌面路径 ask_server.py"] } }}

步骤4：启动服务，测试自定义功能

1. 打开终端，进入「task_server.py」所在的路径（比如桌面：输入cd Desktop），然后输入命令启动服务：python task_server.py
2. 终端显示“MCP Server running on http://localhost:5005”，说明服务启动成功（不要关闭终端，关闭会导致服务停止）。
3. 重启Claude，输入指令测试：

• “帮我添加一个任务：学习MCP自定义开发”
• “帮我列出所有任务”
• “帮我标记索引为0的任务为完成”

4. AI会精准执行这些操作，返回对应的结果，你的专属MCP服务就搭建成功啦！

避坑提醒：启动服务后，终端不能关闭；如果提示“端口被占用”，可修改代码中「server.run()」为「server.run(port=5006)」（修改端口号），同时修改Claude配置中的端口，保持一致即可。

如果想让MCP服务更强大，可尝试以下高级特性，同样附代码示例，直接复制修改即可使用：

1. 资源订阅（实时推送）

实现“AI订阅某个资源，资源更新时主动推送消息”，比如订阅系统日志、实时数据，示例代码（添加到自定义MCP Server中）：

GPT plus 代充 只需 145 @resource("monitor://system/logs", subscribe=True) asyncdefget_system_logs() ->str: """获取系统实时日志，支持订阅推送，每次日志更新会主动推送给AI""" withopen("/var/log/syslog", "r") asf: # Mac/Linux路径，Windows路径：C:\Windows\System32\Logs\System return" ".join(f.readlines()[-10:]) # 返回最新10条日志 

2. 进度通知（异步任务）

处理大文件、耗时任务时，让AI实时显示进度，示例代码（添加到自定义MCP Server中）：

 importasyncio frommcp_serverimportContext @tool() asyncdefprocess_large_file(file_path: str, ctx: Context) ->str: """处理大文件，实时推送进度给AI""" total = 100 # 模拟总进度 foriinrange(total): awaitasyncio.sleep(0.1) # 模拟处理耗时 awaitctx.report_progress(i+1, total, f"文件处理进度：{i+1}%") # 推送进度 returnf"大文件{file_path}处理完成！"} 

整理了新手实操中最常遇到的5个问题，附解决方案，不用再到处查资料：

1. 问题：MCP Server连接失败，提示“连接超时”“ECONNREFUSED”

解决方案：检查终端是否启动了MCP服务（自定义Server需手动启动，基础案例无需手动启动）。检查防火墙设置，允许MCP服务端口（默认5005）出站，避免被防火墙拦截。测试连通性：终端输入telnet localhost 5005，能连接说明服务正常，无法连接则重启服务。

2. 问题：AI无法调用MCP工具，提示“权限被拒绝”

解决方案： 以管理员身份运行终端和Claude，尤其是访问本地文件、数据库时，需要管理员权限。检查MCP Server配置的路径，确保路径有读写权限，避免选择系统盘根目录等受限制路径。

3. 问题：JSON配置报错，提示“格式错误”

解决方案： 用前面推荐的JSON校验工具（https://jsonlint.com/）校验配置，修复语法错误（比如少逗号、引号不匹配）。Windows路径用「」，Mac用「/」，不要混用，否则会导致配置解析失败。

4. 问题：自定义Server启动失败，提示“模块找不到”

解决方案： 检查依赖是否安装成功，重新执行pip install mcp-server。确保Python环境配置正确，终端输入python能进入Python交互界面，若提示“不是内部或外部命令”，重新安装Python并勾选“Add to PATH”。

5. 问题：MCP服务响应缓慢，AI调用工具延迟高

解决方案： 关闭闲置的MCP服务，减少资源占用，尤其是多服务配置时，只保留当前使用的服务。本地MCP服务优先使用Unix域套接字（比TCP/IP更快），远程服务可启用压缩功能。

领取方式在文末

目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

目前，开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景，其中，应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过 30%。

人工智能大潮已来，不加入就可能被淘汰。如果你是技术人，尤其是互联网从业者，现在就开始学习AI大模型技术，真的是给你的人生一个重要建议！

只要你真心想学习AI大模型技术，这份精心整理的学习资料我愿意无偿分享给你，但是想学技术去乱搞的人别来找我！

在当前这个人工智能高速发展的时代，AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长，真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料，能够帮助更多有志于AI领域的朋友入门并深入学习。

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发


【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

自我们与MoPaaS魔泊云合作以来，我们不断打磨课程体系与技术内容，在细节上精益求精，同时在技术层面也新增了许多前沿且实用的内容，力求为大家带来更系统、更实战、更落地的大模型学习体验。

希望这份系统、实用的大模型学习路径，能够帮助你从零入门，进阶到实战，真正掌握AI时代的核心技能！

01 教学内容

• 从零到精通完整闭环：【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块，内容比传统教材更贴近企业实战！
• 大量真实项目案例： 带你亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

02适学人群

应届毕业生‌： 无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌： 非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能突破瓶颈： 传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

vx扫描下方二维码即可
【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】

本教程比较珍贵，仅限大家自行学习，不要传播！更严禁商用！

03 入门到进阶学习路线图

大模型学习路线图，整体分为5个大的阶段：

04 视频和书籍PDF合集

从0到掌握主流大模型技术视频教程（涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向）

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路（不吹牛，真有用）

05 行业报告+白皮书合集

收集70+报告与白皮书，了解行业最新动态！

06 90+份面试题/经验

AI大模型岗位面试经验总结（谁学技术不是为了赚$呢，找个好的岗位很重要）

07 deepseek部署包+技巧大全

由于篇幅有限

只展示部分资料

并且还在持续更新中…

真诚无偿分享！！！
vx扫描下方二维码即可
加上后会一个个给大家发


【附赠一节免费的直播讲座，技术大佬带你学习大模型的相关知识、学习思路、就业前景以及怎么结合当前的工作发展方向等，欢迎大家~】