写在前面 前面手写的 mini-Cursor，工具都是写死在本项目里的：读文件、写文件、跑命令，清一色 Node.js。换个 Python 写的工具？接不了。换个项目想复用？得把代码复制一遍。 这不怪

星悟接 MCP 的实践复盘。让聊天机器人作为 MCP Client 接入用户自配知识源，服务端预热、按需渐进注入工具。安全是红线，密钥不落盘，绝不执行用户配置里的命令。

你有没有过这种体验：让 AI 帮你填个表单、下个单，它要么疯狂截图"看"页面，要么对着 DOM 树猜哪个按钮是"提交"，猜错了就点飞。你心里 OS：这玩意儿怎么这么笨。 其实不是 AI 笨。网页从头到

前文分享了skill相关编写和使用方法，有兴趣的可以点击下方链接查看。 https://juejin.cn/post/7634085400538546191 今天分享的是MCP服务，那具体什么是MCP

开发者对 AI 编程工具并不陌生。Cursor、Claude Code、GitHub Copilot 已经能够生成高质量的代码片段，甚至完成跨文件的重构任务。但一个长期被忽视的问题，代码写完之后呢？

在使用 AI Agent 进行辅助我们的工作的时候，MCP 这个概念是什么，又是如何进行编写一个 MCP 服务来辅助我们的 Agent 来操控各种工具。

Cursor、Claude Code、Codex 等 AI 编程助手在开发工作流中的位置越来越重要了，开发者与本地环境的协同方式也发生了改变。为了让 AI 用起来更方便，必须要消除它与本地操作系统、数

Code2Skill 从现有前端或全栈源码中提取业务能力，生成 Function、MCP Tool、Agent Skill 与测试，让已有系统更快接入 Agent。

介绍 MCP的第一个风险点翻译过来实际上叫做Token管理不当和密钥泄露，这里为了方便，就统一叫做信息泄露。 MCP的整个架构中，模型通过MCP去调用服务端工具，会经常用到认证，可能是密码，可能是KE