AI完成claude mcp落地，让小AI给我打工

从零开始 Claude MCP 服务：小白也能实现的团队部署效率提升。

本文记录了为 Claude Code 开发 MCP (Model Context Protocol) 服务的过程，通过自定义工具实现项目部署信息的一键查询，大幅提升开发效率。

背景

以下信息是AI根据总结生成，AI可以帮我们做很多事情，尤其有了调用mcp和使用tools之后。可以自己执行动作，比如修改代码，推送分支，那么一直让我不得不浪费时间去做的一件事是，打开公司pmo的项目管理平台，然后找到自己的分支点击去部署跳转到meta平台选择分支和项目进行测试环境的功能部署，链路非常长，一个打开功能需要很多步。程序员的时间也是时间。

所以我有了想法就是实现一个mcp在我claudecode使用，核心的方法就是完成一个mcp服务，接受一个pmo号或者git分支号，调用服务直接返回拼接好的链接。和信息打开即可。

我有的资源：claudecode ，network查到的一个根据pmo获取信息的接口，meta的标准化链接。claude code标准mcp的接入方式。

通过这些的组合让ai帮我完成自己测试就好了。最终的使用方式也就是提供一个包直接运行.sh就完成全部注册了。 有mcp管理平台完全可以参考一下。还是那句话，AI帮我提高生产力，我们负责管理他们。不断发现身边问题不断解决，才是我们的真正工作。各位加油。

在日常开发中，我们经常需要查看项目的部署信息或触发部署。让我们先看看原来的操作流程。

原来的操作链路

场景：需要查看或触发某个项目的部署

1. 打开浏览器，输入 PMO 平台地址
2. 登录（如果未登录）
3. 在搜索框输入项目编号（如 PROJ-12345）
4. 从搜索结果中找到对应项目
5. 点击进入项目详情
6. 点击「发布 Beta」按钮
7. 选择目标环境（测试/预发等）
8. 选择要发布的分支
9. 点击「确认发布」

整个流程下来，至少需要 30-60 秒，而且需要多次点击和记忆环境 ID、分支名等信息。

新的操作方式

安装 MCP 服务后：

用户: 查看 PROJ-12345 的部署信息

Claude: [自动调用工具，2秒内返回]
      项目编号: PROJ-12345
      环境 ID: 10058
      应用: 业务系统 (app-code)
      分支: feature-new-fix
      部署链接: https://deploy.internal.com/...

只需要一句话，5 秒内获取到所有信息，点击链接即可直接进入部署页面。

效率对比

指标	原方式	新方式	提升
耗时	30-60 秒	5 秒	6-12 倍
操作步骤	9 步	1 步	9 倍
上下文切换	需要	不需要	✅
记忆负担	需要记住环境 ID	自动显示	✅

什么是 MCP

MCP (Model Context Protocol) 是 Claude 推出的开放协议，允许 AI 助手连接外部数据源和工具。通过 MCP，我们可以：

• 让 AI 调用内部 API 获取数据
• 自定义工具扩展 AI 能力
• 实现 AI 与企业系统的集成

项目架构

┌─────────────────┐      ┌─────────────────┐      ┌─────────────────┐
│   Claude Code   │─────│  MCP Server     │─────│   PMO API       │
│                 │      │  (stdio)        │      │                 │
└─────────────────┘      └─────────────────┘      └─────────────────┘
        │                        │
        │                        │
    用户对话              解析输入/调用API

核心实现

1. 项目初始化

mkdir pmo-mcp-server
cd pmo-mcp-server
npm init -y
npm install @modelcontextprotocol/sdk

2. MCP 服务基础结构

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  CallToolRequestSchema,
  ListToolsRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";

// 创建服务器实例
const server = new Server({
  name: "pmo-deploy-server",
  version: "1.0.0",
}, {
  capabilities: { tools: {} }
});

// 启动服务
const transport = new StdioServerTransport();
await server.connect(transport);

3. 定义工具

MCP 通过 "工具" (Tools) 暴露功能给 AI：

server.setRequestHandler(ListToolsRequestSchema, async () => {
  return {
    tools: [{
      name: "get_deploy_info",
      description: "获取项目部署信息并生成部署页面链接",
      inputSchema: {
        type: "object",
        properties: {
          input: {
            type: "string",
            description: "项目编号或分支名"
          }
        },
        required: ["input"]
      }
    }]
  };
});

4. 智能输入解析

用户可能输入项目编号，也可能是分支名，需要智能识别：

function parseInput(input) {
  const trimmed = input.trim();
  // 匹配项目编号格式，如 PROJ-12345
  const match = trimmed.match(/(PROJ|PRJ)-\d+/i);
  if (match) {
    const projectId = match[0].toUpperCase();
    // 判断是纯项目编号还是从分支名提取的
    const type = trimmed === projectId ? "direct" : "from_branch";
    return { type, projectId, originalInput: trimmed };
  }
  return { type: "unknown" };
}

5. 调用内部 API

async function fetchDeployInfo(projectId) {
  const url = `https://internal-api.com/deploy?projectId=${projectId}`;

  return new Promise((resolve, reject) => {
    https.get(url, (res) => {
      let data = "";
      res.on("data", (chunk) => data += chunk);
      res.on("end", () => {
        const result = JSON.parse(data);
        resolve({
          projectId: result.data.id,
          envId: result.data.envId,
          applications: result.data.apps.map(app => ({
            code: app.code,
            name: app.name,
            branch: app.branch,
            deployUrl: generateDeployUrl(result.data.envId, app.code, app.branch)
          }))
        });
      });
    }).on("error", reject);
  });
}

6. 处理工具调用

server.setRequestHandler(CallToolRequestSchema, async (request) => {
  const { name, arguments: args } = request.params;

  if (name === "get_deploy_info") {
    const parsed = parseInput(args.input);

    if (parsed.type === "unknown") {
      return {
        content: [{
          type: "text",
          text: "无法识别输入，请提供有效的项目编号或分支名"
        }]
      };
    }

    const info = await fetchDeployInfo(parsed.projectId);

    // 格式化输出
    let output = `项目部署信息\n`;
    output += `项目编号: ${info.projectId}\n`;
    output += `环境 ID: ${info.envId}\n\n`;

    for (const app of info.applications) {
      output += `应用: ${app.name} (${app.code})\n`;
      output += `分支: ${app.branch}\n`;
      output += `部署链接: ${app.deployUrl}\n\n`;
    }

    return { content: [{ type: "text", text: output }] };
  }
});

安装配置

安装脚本

为了让团队成员快速安装，编写了安装脚本：

#!/bin/bash
# 安装依赖
npm install

# 添加到 Claude（用户级别）
INDEX_JS="$(pwd)/index.js"
claude mcp add --scope user deploy-info -- node "$INDEX_JS"

# 验证安装
claude mcp list

配置文件

安装后会在 ~/.claude.json 的根目录添加配置：

{
  "mcpServers": {
    "deploy-info": {
      "type": "stdio",
      "command": "node",
      "args": ["/path/to/pmo-mcp-server/index.js"]
    }
  }
}

使用效果

安装完成后，在 Claude 中自然对话即可：

用户: 查看 PROJ-12345 的部署信息

Claude: [调用 get_deploy_info 工具]
      项目部署信息
      项目编号: PROJ-12345
      环境 ID: 10058
      应用: 业务系统 (app-code)
      分支: feature-xxx-PROJ-12345
      部署链接: https://deploy.internal.com/...

用户: feature-new-fix-proj 这个分支部署在哪里？

Claude: [自动解析分支名中的项目编号，调用工具]
      已从分支名解析出项目编号: PROJ-12345
      [显示部署信息...]

技术要点

1. stdio 通信

MCP 使用标准输入输出进行通信，这是 Claude 与扩展服务通信的标准方式：

// 错误日志输出到 stderr（不影响通信）
console.error("Server starting...");

// 正常数据通过 MCP 协议传输
await server.connect(new StdioServerTransport());

2. 正则匹配技巧

使用精确的正则避免误匹配：

// ❌ 太宽泛，可能匹配错误
/([A-Z]+)-\d+/

// ✅ 精确匹配特定前缀
/(PROJ|PRJ|TASK)-\d+/

3. 错误处理

try {
  const info = await fetchDeployInfo(projectId);
  return { content: [{ type: "text", text: formatOutput(info) }] };
} catch (error) {
  return {
    content: [{
      type: "text",
      text: `获取部署信息失败: ${error.message}`
    }]
  };
}

分发方案

本地分发

# 打包（排除 node_modules）
tar --exclude=node_modules -czf deploy-mcp.tar.gz .

# 其他成员解压后安装
tar -xzf deploy-mcp.tar.gz
cd pmo-mcp-server
bash install.sh

远程一键安装

curl -sSL https://raw.githubusercontent.com/xxx/repo/main/install.sh | bash

收益与总结

通过开发这个 MCP 服务：

1. 效率提升：查询部署信息从 30 秒缩短到 5 秒
2. 体验优化：在对话中自然完成操作，无需切换应用
3. 团队赋能：一次开发，全团队受益

关键收获

• MCP 协议简洁高效，易于集成
• stdio 通信方式让扩展更灵活
• AI + 企业系统集成是未来趋势

展望

后续可以扩展更多功能：

• 一键部署触发
• 部署状态查询
• 多环境管理
• 版本回滚操作

---

相关资源

• MCP 官方文档: modelcontextprotocol.io
• Claude Code: code.anthropic.com

本文介绍了如何通过 MCP 协议扩展 Claude AI 的能力，实现与企业内部系统的集成。希望能给有类似需求的团队提供参考。