MCP 插件和集成

定义

模型上下文协议（MCP）是 Anthropic 开发的开放标准，定义了 AI 模型如何与外部数据源和工具通信。在 Claude Code 的上下文中，MCP 服务器是扩展 Claude 可用工具集（超越其内置能力：文件系统访问、shell 命令、git）的插件。通过 MCP，Claude 可以查询数据库、调用外部 API、浏览网页、读取 Jira 工单、查询 Grafana 仪表板、与 GitHub 交互，以及 MCP 服务器实现的任何其他功能——所有这些都通过与内置工具相同的自然语言界面进行。

MCP 遵循客户端-服务器架构。Claude Code 充当 MCP 客户端：它从配置中发现可用的 MCP 服务器，在会话开始时连接到它们，并查询它们获取其暴露的工具列表。每个 MCP 服务器暴露一组工具（具有 JSON Schema 输入定义的函数，与内置工具结构相同）、可选的资源（只读数据源，如文档或数据库模式）以及可选的提示（可重用的提示模板）。当 Claude 决定调用 MCP 工具时，Claude Code 将调用路由到适当的服务器，执行操作，并将结果作为工具结果返回给模型。

MCP 相对于临时工具集成的核心优势是标准化。在 MCP 之前，每个 AI 助手都有自己的专有插件格式。MCP 定义了一个通用协议，使得编写一次的 MCP 服务器可以与任何兼容 MCP 的客户端配合使用——Claude Code、Claude Desktop 或任何其他 MCP 客户端。这意味着可用集成的生态系统正在迅速增长，构建新的集成不需要了解 Claude 特定的内部机制。

工作原理

MCP 服务器类型和传输

MCP 服务器有两种传输类型。stdio 服务器作为本地子进程运行：Claude Code 在会话开始时生成服务器进程，并通过 stdin/stdout 使用 JSON-RPC 进行通信。stdio 服务器是本地工具（数据库客户端、文件处理器、专业代码分析）最常见的类型。SSE（服务器发送事件）服务器作为持久 HTTP 服务器运行，并通过网络连接进行通信。SSE 服务器更适合远程服务、共享团队基础设施，或需要在多个客户端连接之间维护状态的服务器。

配置和发现

MCP 服务器在 Claude Code 的设置文件中配置，通常在 ~/.claude/settings.json（全局配置）或 .claude/settings.json（项目特定服务器）。每个服务器条目指定名称、传输类型以及启动或连接所需的命令（用于 stdio）或 URL（用于 SSE）。Claude Code 在会话开始时读取此配置，初始化到所有已配置服务器的连接，并获取其工具清单。所有已连接 MCP 服务器的工具与内置工具一起出现在模型的工具列表中——从模型的角度来看，没有区别。

工具调用流程

当 Claude 决定调用 MCP 工具时，Claude Code 充当中间人：它将工具调用参数序列化为 JSON，通过配置的传输向 MCP 服务器发送 tools/call 请求，等待响应，反序列化结果，并将其作为 tool_result 块返回给模型。整个往返对模型来说是透明的——它只是看到一个工具结果，就像内置工具调用一样。MCP 服务器可以返回文本、图像或结构化数据，Claude Code 都会将它们适当地转发给模型。

身份验证和安全性

MCP 服务器处理自己的身份验证。例如，GitHub MCP 服务器从服务器条目的 env 字段中配置的环境变量读取 GitHub 个人访问令牌。Claude Code 将配置的环境传递给子进程，但本身不管理机密——MCP 服务器负责向外部服务进行身份验证。由于 MCP 服务器以本地用户的权限执行代码，使用第三方 MCP 服务器时应谨慎：在将其添加到配置之前，请审查服务器的代码或信任发布者。

何时使用 / 何时不使用

使用场景	避免场景
需要 Claude 与外部服务（GitHub、Jira、Slack、数据库）交互	任务可以用内置工具（文件系统、shell）完成——无需增加复杂性
您的团队共享一组通用工具，并希望标准化集成层	您处于安全敏感环境，需要严格控制外部工具访问
您希望让 Claude 访问私有数据源（内部 API、专有数据库）	您需要快速的一次性集成——通过 Bash 工具调用的 shell 脚本更简单
您正在构建应该跨多个 AI 客户端工作的可重用工具	您想要使用的 MCP 服务器来自不受信任的来源——先审查其代码
您希望 Claude 实时访问系统状态（指标、日志、错误跟踪）	外部服务有速率限制，可能被 Claude 的自主工具调用超出

代码示例

// ~/.claude/settings.json — MCP server configuration
{
  "mcpServers": {
    // GitHub MCP server — gives Claude access to repos, issues, PRs
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "${GITHUB_TOKEN}"
      }
    },

    // PostgreSQL MCP server — gives Claude read access to your database schema and query capability
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"],
      "env": {
        "PGPASSWORD": "${DB_PASSWORD}"
      }
    },

    // Filesystem MCP server (extended) — gives Claude access to directories beyond the project root
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/me/projects",
        "/Users/me/documents/specs"
      ]
    },

    // Custom internal MCP server (stdio, local binary)
    "internal-tools": {
      "command": "/usr/local/bin/my-mcp-server",
      "args": ["--config", "/etc/my-mcp/config.json"],
      "env": {
        "INTERNAL_API_KEY": "${INTERNAL_API_KEY}"
      }
    },

    // Remote SSE server — shared team infrastructure
    "team-server": {
      "url": "https://mcp.internal.mycompany.com/sse",
      "headers": {
        "Authorization": "Bearer ${TEAM_MCP_TOKEN}"
      }
    }
  }
}

// Custom MCP server — TypeScript implementation using the official MCP SDK
// This example creates an MCP server that wraps an internal metrics API

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import { z } from "zod";

// Initialize the MCP server with a name and version
const server = new McpServer({
  name: "metrics-server",
  version: "1.0.0",
});

// Define a tool: get_error_rate
// The description is critical — Claude uses it to decide when to call this tool
server.tool(
  "get_error_rate",
  "Get the error rate for a service over a specified time window. Use this when the user asks about errors, reliability, or service health.",
  {
    // Zod schema — the SDK converts this to JSON Schema automatically
    service: z.string().describe("The service name, e.g. 'api', 'frontend', 'worker'"),
    window: z
      .enum(["1h", "6h", "24h", "7d"])
      .describe("Time window for the metric. Defaults to 1h."),
  },
  async ({ service, window }) => {
    // In production, this would call your metrics API (Prometheus, Datadog, etc.)
    const response = await fetch(
      `https://metrics.internal.mycompany.com/api/error-rate?service=${service}&window=${window}`,
      { headers: { Authorization: `Bearer ${process.env.METRICS_API_KEY}` } }
    );

    if (!response.ok) {
      return {
        content: [{ type: "text", text: `Error fetching metrics: ${response.statusText}` }],
        isError: true,
      };
    }

    const data = await response.json();
    return {
      content: [
        {
          type: "text",
          text: JSON.stringify({
            service,
            window,
            error_rate: data.errorRate,
            total_requests: data.totalRequests,
            error_count: data.errorCount,
            timestamp: new Date().toISOString(),
          }, null, 2),
        },
      ],
    };
  }
);

// Define a tool: list_services
server.tool(
  "list_services",
  "List all services that have metrics available for monitoring.",
  {},
  async () => {
    const response = await fetch("https://metrics.internal.mycompany.com/api/services", {
      headers: { Authorization: `Bearer ${process.env.METRICS_API_KEY}` },
    });
    const services = await response.json();
    return {
      content: [{ type: "text", text: JSON.stringify(services, null, 2) }],
    };
  }
);

// Start the server with stdio transport (for local subprocess use)
const transport = new StdioServerTransport();
await server.connect(transport);

# Install the MCP SDK for building custom servers
npm install @modelcontextprotocol/sdk zod

# Compile and run the custom server locally for testing
npx ts-node metrics-server.ts

# Add the custom server to your Claude Code configuration
cat >> ~/.claude/settings.json << 'EOF'
# (add to the mcpServers object in your existing settings.json)
"metrics": {
  "command": "node",
  "args": ["/path/to/metrics-server.js"],
  "env": {
    "METRICS_API_KEY": "your-api-key-here"
  }
}
EOF

# Inside a Claude Code session, use the MCP tools naturally:
claude
> What is the current error rate for the api service?
> List all services and show me the error rates for any that exceed 1% in the last hour
> Compare error rates across all services for the past 24 hours

实用资源

• MCP 文档——Anthropic — 官方 MCP 规范、协议概述和客户端/服务器架构。
• MCP TypeScript SDK — 用于在 TypeScript/JavaScript 中构建 MCP 服务器和客户端的官方 SDK。
• MCP 服务器仓库 — 官方参考 MCP 服务器集合：文件系统、GitHub、PostgreSQL、Google Drive、Slack 等。
• Claude Code MCP 集成指南 — 在会话中配置和使用 MCP 服务器的 Claude Code 专用指南。
• MCP 规范 — 实现自定义客户端或服务器的完整协议规范。

另请参阅

• Claude Code 概述
• Claude Code Skills
• Anthropic 工具使用