企业官网建设流程全解析

1. MCP 到底是什么，为什么 IDE 里突然都在聊它

如果你最近在 Claude、Cursor、Windsurf 这些工具里频繁看到 MCP 这个词，却始终没搞明白它跟自己写代码有什么关系，这篇内容就是为你准备的。MCP 全称 Model Context Protocol，翻成大白话就是「模型上下文协议」，它解决的是一个非常具体的问题：让 AI 模型能够用统一的方式去调用外部工具和数据源。你可以把它理解成 AI 世界里的 USB-C 接口——以前每个工具都要单独给模型写一套适配代码，现在只要工具支持 MCP，任何兼容 MCP 的客户端都能直接调用它。

它适合谁？适合刚接触 AI 编程工具、想让 AI 帮自己查资料、读本地文件、操作笔记软件、甚至生成网页的开发者。你不需要理解协议底层怎么实现，只需要知道两件事：第一，MCP 让 AI 从「只会聊天」变成「能动手做事」；第二，配置 MCP 的核心就是填对三个东西——命令、参数、环境变量。

我试过在 Cursor 和 Windsurf 里配 MCP，最大的感受是：难点不在协议本身，而在于命令行的写法、API Key 的获取、以及 JSON 配置的格式。这篇文章会把这几个坑一个个填平，给你可以直接复制的配置片段，并且告诉你配完之后怎么验证它真的生效了。

先说清楚 MCP 的两种通信模式，这决定了你配置时该选哪种类型。Stdio 模式跑在本地，通过标准输入输出跟本地进程通信，适合操作本地文件、本地软件，比如读取 Obsidian 仓库、调用本地脚本。SSE 模式跑在远程，通过一个 URL 连接在线服务，适合本身就有云端 API 的工具。目前绝大多数实用 MCP 都是 Stdio 模式，所以下面重点讲这种。

为什么 IDE 厂商都在推 MCP？因为过去模型要调用工具，得同时改模型端和工具端，适配成本极高。MCP 把这件事变成单向的：工具端按协议暴露能力，客户端按协议调用，模型只要兼容协议就能用。对普通开发者来说，这意味着你可以在 Cursor 里让 AI 读你的 Figma 设计稿、在 Windsurf 里让 AI 查你 Obsidian 的笔记、在 Claude 里让 AI 搜最新新闻并存进 Flomo。这些不是概念演示，是配好就能跑的真实工作流。

接下来我会先讲前置准备，再给可复制的配置，然后带你验证连接，最后把常见报错一个个拆开。你跟着做，至少能跑通第一个 MCP 工作流。

2. 前置准备：uv、Node.js 与 API Key 的获取路径

在配置任何 MCP 之前，你需要先装好两个命令行工具，因为大部分 MCP Server 的启动命令都依赖它们。这一步在 Windows 上比 Mac 容易出问题，如果你没有编程经验又是 Windows 电脑，遇到报错先别怀疑自己，按下面的步骤重来一遍通常能解决。

第一个是 uv，它提供了 uvx 命令，用来运行 Python 写的 MCP Server。Windows 用户按 Win 键搜索 PowerShell，右键选择「以管理员身份运行」，粘贴下面这行命令回车，跑完记得重启终端：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

Mac 用户打开「启动台」搜索「终端」，输入下面这行回车：

curl -LsSf https://astral.sh/uv/install.sh | sh

第二个是 Node.js，它提供了 npx 命令，用来运行 JavaScript 写的 MCP Server。直接访问 nodejs.org 下载对应系统的安装包，一路默认安装即可。装完之后在终端输入node -v和npx -v，能打印出版本号就说明成功了。

注意：如果你在终端里输入 uvx 或 npx 提示「command not found」，八成是安装后没有重启终端，或者环境变量没刷新。关掉终端重新打开一次，再试。

接下来是 API Key 的获取。不同的 MCP Server 需要不同的 Key，但获取路径有规律：去对应服务的开发者控制台创建。比如 Exa 搜索去 dashboard.exa.ai/api-keys 点创建，高德地图去 console.amap.com/dev/key/app 创建应用后添加 Web 服务类型的 Key，Figma 去设置里的 Security 选项生成 Token，Flomo 去 webhook 设置页复制 API 链接。这些 Key 就是你后面填进环境变量的东西，先拿到手，配置时直接粘贴。

关于 MCP Server 从哪里找，目前有几个聚合站点，比如 mcp.so 和 smithery.ai。它们的用法差不多：在页面里找到你想要的 MCP，填入必要的 API Key，网站会帮你生成一段 JSON 配置。你复制这段 JSON，填到客户端的配置文件里就行。下面配置部分我会分别讲 Windsurf 和 ChatWise 两种客户端的操作，你可以按自己用的工具选看。

这里提前说一个关键点：JSON 配置里通常长这样，mcpServers下面挂一个个服务名，每个服务名下面有command、args、env三个字段。你后面在 IDE 里填的「命令」和「环境变量」，其实就是把这段 JSON 拆开填进去。理解了这个对应关系，配置就不会乱。

{ "mcpServers": { "服务名": { "command": "npx", "args": ["-y", "某个包名"], "env": { "API_KEY": "你的Key" } } } }

3. 可复制配置：Windsurf、Cursor 与 ChatWise 的接入片段

这一节给你可以直接复制的配置片段。先讲 Windsurf，再讲 Cursor，最后讲 ChatWise。不管你用哪个，核心都是把 JSON 填对位置，然后确认服务名前出现绿点。

Windsurf 的配置入口在右上角头像，打开「Windsurf Settings」，找到 MCP Servers，点右边的「Add Server」。它内置了一些常用服务，如果没有你想要的，点「Add custom server」，会打开一个配置文件。你把从 MCP 网站复制的 JSON 填进去保存即可。这里有个容易踩的坑：当你配置第二个服务时，不要把整段新 JSON 直接贴在第一个后面，而是只取mcpServers里面的那个服务对象，追加到已有对象里。结构应该是这样：

{ "mcpServers": { "time": { "command": "uvx", "args": ["mcp-server-time", "--local-timezone", "Asia/Shanghai"] }, "exa": { "command": "npx", "args": ["-y", "exa-mcp-server"], "env": { "EXA_API_KEY": "你的ExaKey" } } } }

如果你不确定 JSON 写得对不对，把整段配置丢给 AI，问它「这个 JSON 写法有什么问题吗？如果有帮我修复」，然后把修复后的版本贴回去。保存后看服务名前面是不是绿点，绿点代表连接成功，红点代表配置有问题。

Cursor 的配置在设置里的 MCP 选项，同样支持 JSON 编辑。它的格式跟上面一致，也是mcpServers结构。Cursor 的好处是它本身是 IDE，配好之后你在写代码时就能让 AI 直接调用这些工具，比如让 AI 读你的 Figma 链接生成组件代码。

ChatWise 的配置更直观。点左下角头像进设置，找到「工具」，点加号添加。它需要你填四个东西：类型、ID、命令、环境变量。类型选 Stdio，ID 自己起个名字，命令和环境变量就是上面 JSON 里拆出来的command加args拼成一行，以及env里的键值对。比如高德 MCP 的配置：

{ "mcpServers": { "amap": { "command": "npx", "args": ["-y", "@amap/amap-maps-mcp-server"], "env": { "AMAP_MAPS_API_KEY": "你的高德Key" } } } }

在 ChatWise 里，命令填npx -y @amap/amap-maps-mcp-server，环境变量填AMAP_MAPS_API_KEY=你的高德Key。填完点「查看工具」，如果调试没问题会列出具体工具名，有问题会返回报错，把报错发给 AI 通常能定位到是命令缺参数还是 Key 填错了。

提示：ChatWise 现在支持从剪切板导入 JSON，你从 Windsurf 或 MCP 网站复制的 JSON 可以直接导入，省去手动拆命令的步骤。导入后记得单独点一下要启用的服务，出现对号才算开启。

如果你用的是 Claude Code 这类命令行工具，配置思路一样，只是入口在配置文件里。核心三件套永远是：Base URL、Key、Model ID。对于 MCP 来说，Base URL 通常不需要你填，因为 Stdio 模式走本地进程；但如果你接的是远程 SSE 服务，就需要填服务地址。把这三样对齐，配置就不会跑偏。

4. 验证请求：怎么确认 MCP 真的连上了

配完不等于能用，你得验证。这一节给你几个具体的检查动作，从客户端状态到实际调用，一步步确认。

第一步，看客户端里的状态指示。Windsurf 里服务名前面是绿点，说明进程启动成功；红点说明启动失败。ChatWise 里点「查看工具」能列出工具列表，说明连接正常；如果弹出报错，说明配置有问题。这一步是最快的判断方式，先过这一关再往下走。

第二步，发一个最小请求测试。比如你配了 Time MCP，就在对话框里问「现在几点了」，看 AI 是否调用了时间工具并返回正确时区的时间。如果它没调用，可能是你没在输入框里启用这个 MCP，或者模型没意识到需要调用工具。你可以在提问里明确说「用时间工具查一下现在几点」。

第三步，看返回内容是否符合预期。以 Exa 搜索为例，你问「帮我搜一下最近的 AI 新闻」，正常流程是 AI 先调用 Time 获取当前时间，再调用 Exa 搜索，最后汇总结果。如果它只返回了训练数据里的旧信息，说明搜索工具没被调用。这时候检查两点：MCP 是否启用，以及 API Key 是否有效。

第四步，检查日志。Windsurf 和 Cursor 在 MCP 配置页面通常能看到服务日志，如果进程启动失败，日志里会有具体报错，比如「command not found」或者「401 Unauthorized」。ChatWise 在调试时会直接返回错误信息。把这些报错复制出来，是排障的关键。

第五步，做一次端到端验证。以 Flomo 为例，你让 AI「把刚才的搜索结果保存到 Flomo，标签用 AI 新闻」，然后去 Flomo 里看是否真的多了一条笔记。这一步能确认从模型到 MCP 到外部服务的整条链路都通了。

注意：有些 MCP 工具有敏感操作风险，比如写文件、发请求。ChatWise 里可以勾选「自动执行工具」提高效率，但如果你不确定这个工具会做什么，先别勾，手动确认每次调用更安全。

验证通过之后，你就可以把这些 MCP 组合起来用。比如 Time 加 Exa 做 AI 搜索，Figma 加网页生成做设计稿转代码，Obsidian 加任意模型做知识库问答。下面一节把常见报错列出来，你遇到问题时对照排查。

5. 常见报错排查：401、local proxy failed、reading choices 与 OAuth

配置 MCP 时最容易卡在报错上，这一节把几个高频错误拆开讲，每个都给你定位方法和修复动作。

401 Unauthorized：这个最直接，就是 API Key 错了或者没填。检查环境变量里的 Key 是否跟服务商控制台里的一致，注意有没有多余空格。有些服务要求 Key 放在请求头里，MCP Server 会自动处理，你只需要确保env字段里的键名跟文档一致。比如 Exa 是EXA_API_KEY，高德是AMAP_MAPS_API_KEY，写错键名等于没填。

local proxy failed / connection refused：这个通常出现在 SSE 模式的远程 MCP 上，说明客户端连不上那个地址。检查 URL 是否完整、服务是否在线。如果是 Stdio 模式出现类似报错，多半是命令写错了，比如npx后面少了-y，或者包名拼错。把命令单独复制到终端里跑一遍，看能不能启动，能启动说明命令没问题，问题在客户端配置。

reading choices / unexpected response：这个报错一般出现在模型返回格式不符合预期时，常见于 MCP 返回的数据结构跟客户端解析逻辑不匹配。排查方法是看 MCP Server 的版本是否最新，有些老版本返回格式跟新客户端不兼容。升级包版本通常能解决，比如把npx -y 包名改成npx -y 包名@latest。

OAuth 相关报错：有些 MCP 服务需要 OAuth 授权，比如访问 Google 日历。这类服务在配置时不是填 API Key，而是走授权流程。如果你看到 OAuth 报错，检查是否在服务商那边完成了授权，以及回调地址是否填对。Stdio 模式下 OAuth 通常由 MCP Server 自己处理，你只需要保证本地能打开浏览器完成授权。

工具列表为空：ChatWise 里点「查看工具」如果列表是空的，说明 MCP Server 启动了但没暴露工具。检查命令参数是否完整，有些 Server 需要额外参数才启用某些工具。比如 arxiv MCP 需要指定--storage-path才能下载论文，不指定的话可能只有查询功能。

绿点变红点：Windsurf 里配置后绿点变红，说明进程崩溃了。最常见原因是依赖没装好，比如 uvx 命令找不到，或者 Node.js 版本太低。在终端里手动跑一遍启动命令，看报什么错，按报错装依赖。

提示：排障时把完整报错复制给 AI，问「这个 MCP 报错怎么修」，通常能直接得到修复命令。但要注意别把 API Key 一起贴出去，贴之前把 Key 替换成占位符。

如果你在接入文档里看到更详细的参数说明，可以对照检查。遇到 401 先查 Key，遇到连接失败先查命令，遇到格式错误先升级版本，这三条能覆盖大部分情况。

6. 从跑通到用好：把 MCP 接进日常编码流

跑通第一个 MCP 之后，你可能会想怎么把它用进日常。我的建议是从一个具体场景开始，别贪多。比如你经常查论文，就把 arxiv MCP 配好，让 AI 帮你检索和下载；你经常写笔记，就把 Flomo MCP 配好，让 AI 把对话结果直接存进去。一个场景跑顺了，再叠加第二个。

组合使用是 MCP 真正有意思的地方。Time 加 Exa 能做实时搜索，Figma 加网页生成能做设计稿转代码，Obsidian 加任意模型能做本地知识库问答。这些组合不需要你写代码，只需要把对应的 MCP 都配上，然后在提问时让 AI 按顺序调用。比如「先查现在时间，再搜最近的 AI 新闻，最后把结果存到 Flomo 并打上标签」，一句话就能串起三个工具。

对于长期做编码和 Agent 开发的场景，可以考虑用 Coding Plan 这类方案来管理模型调用和额度，把精力放在工作流设计上而不是环境折腾上。模型对话入口适合快速验证某个 MCP 是否按预期返回，API Keys 页面用来管理你申请到的各种 Key，接入文档里有每个服务的详细参数说明。这些入口在需要的时候查一下就行，不用一开始就全部配齐。

最后说一个实用技巧：把你配好的 MCP JSON 存一份到笔记里，换电脑或者重装客户端时直接粘贴，省去重新找 Key 和命令的时间。另外，定期检查你用的 MCP Server 有没有更新，有些包更新后会修复兼容性问题，升级命令通常就是在包名后加@latest。

MCP 生态还在快速变化，今天需要手动填 JSON，明天可能就有一键安装。但底层逻辑不会变：命令、参数、环境变量三件套填对，连接就能通。你把这篇文章里的配置跑一遍，遇到报错按第五节排查，基本就能在自己的开发环境里跑通第一个 MCP 工作流了。