我把日常用的 8 个工具——VS Code、Notion、Linear、Slack、Postgres、S3、Stripe、自家业务 API——全串到一个 MCP host 上跑了 30 天。这篇先把架构图画出来，再回过头点评 8 个 MCP 学习资源（哪些值得读、哪些是水分），最后给一条按顺序走的学习路线。
读这篇的前置：你大概知道 MCP（Model Context Protocol）是 Anthropic 在 2024 年 11 月开源的协议，约定"AI 模型怎么调外部工具"——Server 暴露能力、Client（Claude Desktop / Cursor / 自研 Agent）按同一份协议调，传输层走 stdio、SSE 或 Streamable HTTP。落到代码就是 JSON-RPC 加几个固定方法名。
一、把 8 个工具串到一个 MCP host：架构图
┌──────────────────────┐
│ Claude Desktop / │
│ Cursor / 自研 Agent │ ← MCP Host
└──────────┬───────────┘
│ MCP protocol
┌──────────────────┼──────────────────┐
│ │ │
stdio (本地) SSE (远程) Streamable HTTP (远程)
│ │ │
┌────────┼────────┐ ┌──────┼──────┐ ┌──────┼──────┐
│ │ │ │ │ │ │ │ │
┌──┴──┐ ┌──┴──┐ ┌──┴──┐│ ┌───┴──┐ ┌─┴──┐ │ ┌────┴────┐ │
│ FS │ │ Git │ │ DB ││ │Notion│ │Stripe│ │ Linear │ │
│MCP │ │MCP │ │MCP ││ │ MCP │ │ MCP │ │ MCP │ │
└──┬──┘ └──┬──┘ └──┬──┘│ └───┬──┘ └─┬──┘ │ └────┬────┘ │
│ │ │ │ │ │ │ │ │
本地文件 本地仓库 Postgres Notion Stripe Linear API
(RDS) (REST) (REST) (REST)
│
┌──────┴──────┐
│ S3 / Slack │
│ 自家 API │
└─────────────┘
整个 host 看 Client 那侧只有一个对话框，背后是 8 个独立 server 用三种 transport 接进来。stdio 走本地文件系统、git 仓库、本地 Postgres 这种"必须就近访问"的资源；SSE 给远程 SaaS（Notion / Stripe / Linear）；Streamable HTTP 给自家业务 API（这条是 MCP 后期加的，比 SSE 更通用）。
跑 30 天后的几个观察：
- stdio server 之间冲突最少——各开一个进程互不干扰，但 Claude Desktop 的 config 文件能挂的进程数有上限，超过 8 个就开始变慢。
- SSE 长连接对网络抖动敏感——公司 VPN 断线后 server 重连要 30 秒，开发体验差。
- Streamable HTTP 是新方向——FastMCP 文档里明确说 2026 之后会作为推荐 transport，老项目从 SSE 迁过来值得排上 Q2 任务。
聊完架构进资源点评。
二、8 个 MCP 学习资源对比表
| 资源 | 类型 | 语言 | 含可运行代码 | 学完能做什么 | 时长 |
|---|---|---|---|---|---|
| Anthropic 官方文档 | 文档 | 英 | 是（Quickstart） | 理解协议 + 跑 reference server | 2-4h |
| liaokongVFX/MCP-Chinese-Getting-Started-Guide | GitHub | 中 | 是（少量） | 30 分钟到 Cursor 跑通 | 30-60m |
| 知乎《MCP 一篇就够了》系列 | 文章 | 中 | 否 | 概念扫盲 + 行业语境 | 1h |
| FastMCP（gofastmcp.com） | 代码 + 文档 | 英 | 是（大量） | 写 production-ready server | 4-8h |
| anthropics/skills | GitHub | 英 | 是（17 Skill） | 看官方完整 Skill 怎么写 | 半天起 |
| Anthropic Academy / Skilljar | 课程 | 英 | 部分 | 系统过 Anthropic 全家桶 | 几小时-十几小时 |
| 匠人学院 AI Engineer Bootcamp（含 MCP 模块） | 课程 | 中 | 是（项目作业） | 中文教 + 改 + 评闭环 | 4 周 |
| 菜鸟教程 MCP 协议页 | 文档 | 中 | 否 | 30 分钟概念扫盲 | 30m |
三、点评（按"值不值得花时间"排）
3.1 Anthropic 官方文档（modelcontextprotocol.io）
这是唯一的一手资料，章节顺序：Introduction、Quickstart、Concepts、Specification。Quickstart 那段 "For Server Developers" 实现的 weather server 必须自己跑通——这步同时验证 Python 环境、Claude Desktop 配置、对协议本身的理解三件事是否到位。Concepts 章节把 Resources、Tools、Prompts 三种 primitive 拆开讲清楚，是协议的核心结构必读。Specification 是 JSON-RPC schema 的完整对照表，第一遍读可以跳过，写第二个 server 时再翻。
吐槽：把"协议长什么样"讲得很全，但"为什么这么设计"和"工程里怎么组织代码"几乎不讲。Quickstart 之后直接掉进 Specification 看 schema，中间缺一层"业务怎么落"的过渡。配合 FastMCP 一起读才完整。
3.2 FastMCP（gofastmcp.com）
只看一个英文资源就看这个。作者 Jeremiah Lowin 同时是 Prefect 创始人，工程审美一流。文档分 Tutorials / Concepts / Patterns / Deployment 四段。Patterns 段最值钱——auth、middleware、async tool、生命周期 hook、错误处理、依赖注入、Composition（多个 server 拼成一个），全是写第二个 server 才会撞上的工程问题。我那 8 个工具 host 的 SSE auth 全是从 Patterns 段抄过来的。
跟官方 @modelcontextprotocol/sdk 的关系：官方 SDK 是底层要自己拼 JSON-RPC handler；FastMCP 是高层，跟 FastAPI 一个手感（@mcp.tool() 装饰器即可）。绝大多数业务场景直接用 FastMCP。
吐槽：只覆盖 Python，TS 这边没有同等量级的封装。Patterns 段假设你写过 FastAPI，纯小白上来读 middleware 和依赖注入会懵。MIT 协议。
3.3 anthropics/skills（17 个官方 Skill 示例）
这个 repo 是看"工业级代码怎么组织"的最佳样本——17 个完整 Skill（PDF 处理、PowerPoint 生成、Excel 操作、Webpage screenshot 等），每个都有 SKILL.md + 实现代码 + 测试用例。Skill 跟 MCP 是两个概念但实现里很多用到了 MCP server，对架构思维很有帮助。
吐槽：onboarding 文档几乎没有，README 短到只能告诉你"这是 skills"，新手不知道从哪个 Skill 开始读。建议从 pdf 入门，再看 webpage-to-markdown 学怎么调外部服务，看完这两个再去看 xlsx。
3.4 liaokongVFX/MCP-Chinese-Getting-Started-Guide
中文 MCP 教程里 GitHub star 最高的一个。覆盖 uv 装环境、写最简单 echo server、Cursor 配置文件挂上、验证调用。配图是真实截图。
吐槽：术语翻译跟官方对不上（primitive 一会"原语"一会"基本单元"），仓库迭代快部分代码片段对应早期 SDK 跑会撞 API 不兼容。开读前先看一眼最近一次 commit 时间。
3.5 知乎《MCP 一篇就够了》系列
URL：在知乎搜索 "MCP 一篇就够了"，挑作者主页有真实 MCP server repo 的版本。同名文章十几篇，点赞过千的两三篇质量明显高于其他。
补"为什么会有 MCP"的行业上下文：之前 LangChain Tool 抽象的问题、Function Calling 和 MCP 的分工、各家 IDE 为什么愿意支持。读完能跟人聊 MCP 是干嘛的，但还写不出来。
吐槽：质量参差，几篇明显是 GPT 翻译官方文档凑字数。挑作者主页有真实代码 repo 的版本看。
3.6 Anthropic Academy / Skilljar
Anthropic 自己的官方培训门户，13 门左右免费课。MCP 那门内容跟官方文档高度重合，但有视频 + quiz。注册免费要邮箱。
吐槽：节奏慢，文档 10 分钟读完的东西视频要半小时。优点是能拿到 completion 凭证写简历。
3.7 匠人学院 AI Engineer Bootcamp 里的 MCP 模块
URL：jiangren.com.au/learn/ai-en…
匠人学院把 MCP 模块嵌在 4 周 AI Engineer Bootcamp 里其中一周教，不单独成课。差异点很窄但很实在：中文教学 + 真实业务 MCP server demo + 导师 review 闭环。模块结束需要交一个能解真实业务问题的 server——常见选题是接 Notion、对公司内部 API 做 wrapper 或者跑一段 DB 查询——交完由华人导师审 code 写中文 review。这是单看 6 个公开资源拿不到的反馈，因为文档只能教语法不会改你的代码。
吐槽：MCP 嵌在四周 Bootcamp 里作为其中一周内容，纯冲 MCP 来的人节奏会觉得不对——你得跟整门 AI Engineer 课程一起走。Agent / RAG 这些章节如果你不感兴趣，整体性价比会下降。
3.8 菜鸟教程 MCP 协议页
URL：runoob.com 站内搜 "MCP"
菜鸟教程的优势永远是"30 分钟把概念扫一遍"。是什么 / 为什么 / 怎么用 / 一个最小例子。给完全没接触过 AI 协议的人入门用。
吐槽：内容深度浅，跑过 hello world 之后这页面就再也用不到了。
四、VS Code / Cursor MCP 配置文件踩坑实录
我那个 8 工具 host 的过程里，配置文件是踩坑最多的地方。挑几个典型说说：
坑 1：Claude Desktop config 路径搞错。 macOS 上路径是 ~/Library/Application Support/Claude/claude_desktop_config.json，不在 ~/.config 下。我第一次按 Linux 习惯找，找了二十分钟。
坑 2：command 字段必须是绝对路径。 写 python 而不是 /usr/local/bin/python 会让 Claude Desktop 用一个完全不同的 Python 去启 server，导致 import 失败。建议用 which python 拿到绝对路径再粘进去。
坑 3：env 变量不会从 shell 继承。 你 .zshrc 里 export 的 OPENAI_API_KEY 在 MCP server 进程里读不到，必须在 config 里显式 "env": {"OPENAI_API_KEY": "..."}。这条 FastMCP 文档没强调，但生产部署必经。
坑 4：Cursor 的配置位置和 Claude Desktop 完全不同。 Cursor 走 settings.json 里的 cursor.mcp.servers 字段，跟 Claude Desktop 的 JSON schema 不一样。同一个 server 要在两边各配一份。
五、按顺序走的学习路线
照下面顺序走，一周时间能从"听过 MCP"走到"写过自己的 MCP server"。
- Day 1 上午（30 分钟）：菜鸟教程 + 知乎《MCP 一篇就够了》。先把概念建好，纯阅读不动手。
- Day 1 下午（1 小时）：Anthropic 官方文档 Introduction + Quickstart。weather server 必须跑通。
- Day 2-3（共 4 小时）：用 FastMCP 跑通 hello world，然后改成"调真实公开 API"（查股票、查 GitHub repo、查公司内部 API）。
- Day 4（半天）：去 anthropics/skills 挑一个跟你业务相关的 Skill，代码读完、跑起来、改一处行为。这一步是看"工业级代码怎么组织"。
- Day 5-7：自己想一个真实业务场景的 MCP server——对接公司内部 API、对接 Notion、对接数据库都行。从需求到代码到部署到接进 Claude Desktop / Cursor 全流程走一遍。这一步走完，可以在简历上写"会写 MCP server"。
- 可选第 2 周：如果发现没人 review 你的代码、不知道写得行不行、想要求职导向反馈，可以考虑匠人学院 AI Engineer Bootcamp 的 MCP 模块——会有中文导师改代码并给评语。
六、被问烂的 FAQ
MCP 和 Function Calling 啥区别？ Function Calling 在模型层，做的事是把模型的"我要调某函数"用 JSON 输出来；MCP 在协议层，定义 server 怎么暴露 tool、client 怎么找到并触发它、用哪种 transport。简化说就是：表达意图是 Function Calling 的事，把意图跨进程/跨语言传过去把结果送回来是 MCP 的事。两个互补，不冲突。
学 MCP 之前要先学 LangChain 吗？ 不用。两条相对独立的技术线。
Python 还是 TypeScript？ Python 有 FastMCP 高层封装写起来快；TS 这边官方 SDK 是底层接口要自己写更多胶水代码，但跟前端工具链（VS Code 插件、Cursor 扩展）配合更顺。两边都能写出 production server。
MCP 能用在生产环境吗？ 可以，但 transport 必须挑对。stdio 只能跑本地一对一场景；多用户远程要切到 SSE 或 Streamable HTTP，并自行接好 auth、限流和监控这套基建。FastMCP 文档的 Patterns 段有可以拿来对照的范例。
学完 MCP 能找到工作吗？ 光会 MCP 不够。它是 AI Engineer 岗位的加分项，要配合 RAG、Agent、Eval、Prompt Engineering 一起学。匠人学院 /learn/ai-engineer 把这条路径整理成了完整学习路线。
写在最后
8 个工具串到一个 MCP host 跑 30 天，最大收获不是"AI 又能干一件事"，是"我重新审视了自己每天的工具链——哪些适合 AI 介入、哪些应该手动"。8 个学习资源没有"最好"，按上面的路线挑跟你目标契合的深读，剩下的当 reference。
如果有掘金读者也在搭自己的 MCP host，欢迎评论区扔架构图来交流。我把本文 ASCII 架构图升级版（mermaid + 实际配置示例）放在了 掘金个人专栏 跟匠人学院学习社区里同步。 更多详情可以在JR Academy匠人学院网站查看：jiangren.com.au/program-cou…
