给 AI 开口子别贪多,八类 MCP 服务器按场景对号入座
问 AI 一句 Next.js 最新版的中间件怎么配,它张口就给你一套旧写法,跑不通。让它去看看仓库里那条新开的 issue,它说访问不了。你可能开始怀疑是不是模型不行了。模型没变笨,它只是被关在屋里,训练数据停在几个月前的某个时间点,那之后发布的新版本、新漏洞、新实践,它一概不知道,本地文件之外的世界它也够不着。
MCP 补的就是这条缝。全名模型上下文协议,一套开放标准,已经捐给 Linux 基金会。你可以把它理解成 AI 世界的 USB-C 口,以前每个 AI 工具要接一个外部服务,都得单独做一套适配,Claude 读 GitHub 一套方案,Cursor 读 GitHub 又一套,工具和服务每多一个,接入的工作量就翻一倍。有了统一标准,一个 MCP 服务器装一次,Claude Code、Cursor、VS Code、ChatGPT Desktop 都能接着用。
有没有这个口子,日常体验差得很远。没有的时候,你想查点新东西,得自己开浏览器搜,把结果复制粘贴给 AI,格式还经常乱掉;想让它看个网页,得你手动抓正文喂过去;它讲某个库的用法,可能用的是一年前训练时的旧 API;部署挂了,你还得自己去后台翻日志再贴给它。有了口子,这些活全部倒转,AI 自己去搜、自己去抓、自己查当前版本的文档、自己拉部署日志分析错误。你只负责把要解决的问题说清楚。
它跟传统插件也不是一回事。Chrome 插件只在 Chrome 里用,平台一改版就可能失效。MCP 是开放标准,一个服务器所有支持协议的工具都能接,而且能力范围大得多,插件大多只能读数据、改界面,MCP 能读也能写,建 issue、部署代码、发消息都行。一个不随某个产品更新而失效的开放协议,这才是敢把它当基础设施用的理由。
整件事拆开就三个角色。宿主是你在用的 AI 工具,Claude Code、Cursor 都算。服务器是挂在口子上的能力小程序,搜网页的、操作仓库的、抓网页的,一类一个。连接方式暂时不用深究,大部分服务器在你本机跑,随宿主启动,关掉就停,少数部署在云端走网络。
记住一个等式就够了,装一个服务器,等于给 AI 加一项能力。
先立规矩,常驻三五个就够
老雷给所有准备大干一场的人先泼盆冷水,别贪多。每个服务器都会把工具说明注进 AI 的视野,你装十五个、每个挂五个工具,就是七十五条描述挤在一起,它挑工具的时候会犹豫,推理变慢,偶尔还挑错。装得越多不等于越能干,反而先把自己拖垮。
老雷自己的做法是常用的三五个常驻,暂时不用的装完就关,需要时再开。怎么关,让 AI 把暂时不用的服务器设成停用状态就行,配置留着,随开随用,不用删。哪些算常用的,往下看场景清单,对着挑。
八类场景,一类一个推荐
下面按「你想让 AI 干什么」分八类,每类给一个社区验证最充分的推荐。你不需要会写配置,去对应官网申请一个免费密钥,然后把安装委托复制给 AI 助手,剩下的它自己办。
第一类,搜最新信息,用 Brave Search。训练数据有截止日期,最近的安全通告、新版本发布,AI 全都不知道。Brave 让它实时搜索互联网,每月两千次的免费额度对个人够用,中英文效果都好,而且它是 Anthropic 的官方参考实现,稳。安装委托直接抄这段。
帮我安装 Brave Search MCP Server,让你能搜索互联网获取最新信息。全局安装到固定路径,不要动态下载。API 密钥用环境变量管理,不写进配置文件。免费 Key 在 brave.com/search/api 申请。装完搜一个问题验证。
第二类,抓网页内容,用 Firecrawl。现在的网页大多是脚本渲染,直接抓只能拿到一个空壳,Firecrawl 会等页面加载完再抓,返回干净的文字。GitHub 上六千五百多个星标,抓取、搜索、批量采集、结构化提取都覆盖,是这个领域最成熟的选择,有免费额度。
第三类,操作代码仓库,用 GitHub 官方版。看 issue、建拉取请求、搜代码、读文件,这些日常动作不用再切浏览器。给令牌的时候用细粒度那种,只授权你真正要操作的仓库,别开全量。建 issue、发 PR 这类写操作,先拿小仓库试熟了再放到正式项目里。
第四类,查编程库文档,用 Context7。完全免费,不要密钥,覆盖几千个库的当前版本文档,专治开头那个旧写法的病。老雷建议第一个就装它,五分钟装好,当天就能看到回答质量的区别。委托词也给你备好了。
帮我安装 Context7 MCP Server,让你能查编程库的最新版本文档,避免拿过时的训练数据回答。不需要 API 密钥,全局安装到固定路径。装完查一下 React 最新版的某个 API 验证。
第五类,浏览器自动化,用 Playwright 微软官方版。打开页面、填表单、点按钮、截屏,让它替你验证一个网页是否正常,交付前验收页面跑没跑通,让它自己点一遍就知道。它靠页面的无障碍结构树来理解页面,比看截图又快又稳。
第六类,设计稿转代码,用 Figma 官方版。AI 直接读设计稿里的真实数据,间距、字体、颜色、组件结构,一个不差,不用再对着截图猜数值。需要 Dev Mode 权限。
第七类,部署和报错,用 Vercel 加 Sentry。部署失败时 AI 自己拉构建日志、分析原因、给修复建议,你不用开后台翻;线上出错时它直接从 Sentry 拿完整堆栈和触发环境,比你复制粘贴给它准确得多。两个都有官方版。
第八类,多平台聚合,用 Composio。要同时操作 Jira、Notion、Slack 好几个平台,逐个装太麻烦,它一个服务器连两百五十多个平台,OAuth 认证自动管。
优先级也给你排好了。搜索、抓网页、仓库这三类必装,覆盖大部分日常。文档类强烈推荐。浏览器、设计稿、部署监控、聚合这四类按需,用到再装。

安全三条铁律
MCP 让 AI 能碰真实系统,读文件、写代码、调接口,安全就不是可选项。三条铁律记牢。
第一条,密钥永远不进配置文件。密钥就是钥匙,写在配置文件里,可能跟着 Git 提交、同步盘、备份一起散出去。让 AI 用环境变量管,配置文件里只留变量名。装完可以补一句委托,让它检查所有已配置的服务器,发现明文密钥就迁到环境变量。
第二条,权限给最小范围。仓库令牌只开需要的仓库,文件类服务器只开指定目录。就像出入证只开你要去的楼层,别办全楼通行证。
第三条,优先用官方维护的。生态里几百个社区服务器,质量参差,认三个来源就够了,服务商自己维护的、Anthropic 官方参考实现、高星标且活跃维护的社区项目。拿不准就把它的 GitHub 地址发给 AI,让它帮你读一遍源码再决定装不装。
给 AI 开口子,开的其实是权限。口子开得越少越稳,每一个都得是你认识的。

出问题怎么办,三段话解决
大部分毛病不用你动手修,把话写给 AI 就行。
连不上了,让它检查所有已配置服务器的状态,找出哪些正常哪些有问题,有问题的逐个排查原因修复。最常见的根因其实特别朴素,本机没有 Node.js 环境,很多服务器是 npm 包,靠 npx 启动,命令行敲 node -v 确认一下,版本要 18 以上。不知道该装哪些,让它审计现有清单,列出每个的用途和最近一周的使用频率,给出保留常驻和临时关闭的建议,顺手把你常做但还没接上的事补齐。想看更多选择,GitHub 上有个 awesome-mcp-servers 清单,收录了四百多个服务器,按类别分好,也可以去 glama.ai 搜索预览。
收尾过一张验收清单。常驻的控制在三五个了吗。密钥全走环境变量了吗。令牌只开了必需的仓库吗。每个来源都查过吗。装完做验证动作了吗。哪条没过,回去补哪条。
AI 的能力边界,是你给它开的那些口子决定的。口子开对了,它才从会聊天的,变成能干活的。
从今天挑一类装起,五分钟的事。先装免费不要密钥的文档类,跑顺了再补搜索和抓网页,一周后你自然知道自己的高频场景是哪几个,剩下的关掉就好。整件事最难的不是技术,是克制,口子一个一个开,每开一个都验一遍。后面老雷AI实验室还会把每一类的配置细节单独拆开讲,你可以按自己的交付场景对着抄。
