MCP——Model Context Protocol（模型上下文协议）——是过去两年AI领域最重要的集成进展之一。Anthropic于2024年末推出MCP，OpenAI、Google和Microsoft在2025年陆续采用；到2026年，它已经成为将AI连接到工具的通用方式，无需为每个供应商重新实现集成。
你无需成为工程师也能从中受益，只需了解MCP是什么、你的用例有哪些可用服务器，以及如何安装和配置它们。本文就是一份面向非工程师的指南。
MCP到底是什么
MCP是AI助手连接工具的标准。在MCP出现前，每种AI工具都有自己的集成系统——ChatGPT先有Plugins，后来是Custom GPT actions；Claude有自己独立的一套方式；每个框架也各行其是。结果是，“我想让AI读取Gmail”会因所用AI工具不同而需要不同的实现工作。
MCP通过定义单一协议解决了这个问题——它就是开放的 Model Context Protocol，由Anthropic负责维护，并被各供应商采用。MCP服务器是一种小型程序，用于开放某个工具的能力（读取日历活动、发送Slack消息、搜索Notion）。MCP客户端则是任何懂得该协议的AI助手——Claude、ChatGPT、Cursor等。
只要某个工具有了服务器，任何兼容的AI助手都能使用它。只要客户端支持MCP，就能与任何兼容服务器通信。这种组合带来的工作量节省极其可观。
一个恰当的类比是：MCP之于AI，就像USB之于硬件。USB出现前，每种设备都有不同接口；USB出现后，任何设备都能连接任何计算机。MCP就是AI集成领域的USB。
如今可以用MCP做什么
2026年，可用MCP服务器数量庞大且仍在增长。大致包括：
生产力：
- Gmail、Outlook、Google Calendar、Microsoft Calendar
- Notion、Obsidian、Roam Research、Logseq
- Slack、Discord、Teams
- Linear、Jira、Asana、Trello、Monday
- Google Drive、Dropbox、OneDrive、S3
开发：
- GitHub、GitLab、Bitbucket
- Cursor的文件系统、终端、浏览器
- Docker、Kubernetes
- AWS、GCP、Azure（默认只读）
- Postgres、MySQL、MongoDB（通常只读）
Web：
- Brave Search、Google Search、Tavily、Exa
- 浏览器自动化（基于Playwright、Puppeteer）
- 特定网站抓取器
数据：
- Sheets、Airtable
- 通过自定义连接器连接的各种数据库
- BI工具（Metabase、Cube）
专业领域：
- Stripe、QuickBooks（财务）
- Salesforce、HubSpot（CRM）
- Calendly、Cal.com（日程安排）
- Twilio（短信）
大多数热门工具至少有一个由社区维护的MCP服务器，许多工具还有官方服务器。
设置你的第一个MCP服务器
下面逐步完成实际设置。我们以Claude Desktop和Gmail MCP服务器为例；在Cursor或ChatGPT中，模式相同。
第1步：选择AI客户端。 Claude Desktop、ChatGPT Desktop、Cursor等都支持MCP。选择你最常使用的一个。
第2步：为所需工具寻找MCP服务器。 MCP生态系统有几个目录网站——modelcontextprotocol.io 提供官方列表；Smithery.ai等社区目录则汇总社区服务器。搜索“Gmail MCP server”，就能找到多个选项。
第3步：安装服务器。 大多数MCP服务器通过以下方式之一分发：
npx命令（基于Node）。uvx命令（基于Python）。- Docker容器。
任意服务器的典型安装方式如下（确切软件包名称来自该服务器的README——并不存在一个所有人都使用的统一“Gmail”服务器名称）：
# 方案A：通过npx（如果已安装Node）
npx -y <some-mcp-server-package>
# 方案B：通过uvx（如果已安装uv）
uvx <some-mcp-server-package>
# 方案C：Docker
docker run <some-mcp-server-image>
你无需自行判断选择哪一种——服务器文档会说明。许多MCP服务器已预先打包，甚至无需手动安装；AI客户端会在首次运行时下载所需内容。
第4步：配置客户端。 每个AI客户端都有配置MCP服务器的位置。在Claude Desktop中，是Claude配置目录内的 claude_desktop_config.json 文件（macOS上为 ~/Library/Application Support/Claude/）。配置通常如下：
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["-y", "<your-gmail-mcp-server-package>"],
"env": {
"GMAIL_CLIENT_ID": "your-client-id",
"GMAIL_CLIENT_SECRET": "your-secret"
}
}
}
}
你需要向相应工具（本例中为Gmail）验证服务器身份。对于Google服务，通常需要在Google Cloud console中创建OAuth凭据。服务器文档会逐步指导你完成。
对于不使用OAuth的服务（Notion API token、Linear API token等），在服务设置中生成API密钥，然后粘贴到配置中。
第5步：重启客户端并使用。 配置完成后，重启Claude Desktop。MCP服务器会自动启动。打开新对话，就会看到Claude现在可以使用与Gmail相关的工具。
现在可以提出如下要求：
本周有哪些与第二季度路线图有关的未读邮件？
为优先级最高的三封未读邮件起草回复。发送任何内容前，先向我展示每份草稿。
总结与Anna讨论营销预算的电子邮件会话。
Claude会调用MCP服务器的工具，获取数据并生成有据可依的回复。
完整设置示例：以生产力为重点的技术栈
假设你希望使用MCP建立一套实用的生产力技术栈。合理的起点是：
- Gmail MCP服务器——用于电子邮件分诊、草稿生成和搜索。
- Google Calendar MCP服务器——用于安排日程、会议准备和空闲时间查询。
- Notion MCP服务器——用于个人知识库、项目笔记和文档起草。
- Linear或Jira MCP服务器——如果工作中使用这些工具，可用于问题分诊。
- Brave Search或Tavily MCP服务器——用于有来源依据的Web搜索。
每个服务器需要10–20分钟安装和配置。总设置时间约为一个晚上。
由此可以实现：
- 了解你日历情况的对话式电子邮件分诊。
- 从Notion提取笔记、从Gmail提取近期邮件的会议准备。
- “安排一次与上周二会议相同人员参加的会议”——可以完成。
- 根据对话在Linear中创建问题。
- 带引用的实时研究。
这种质变在于，AI不再是单独标签页中的聊天机器人，而开始了解你真实的上下文。
安全与权限
MCP服务器运行在你的计算机上，并拥有你授予的账户访问权限。它能力强大，因此需要认真对待。
使用限定范围的凭据。 创建OAuth凭据或API密钥时，只授予必要的最小范围。“读取日历、写入活动”远比“完整访问Google”范围更窄。
审查所安装的服务器。 大多数热门MCP服务器都是开源的，可以检查代码。对于冷门或无人维护的服务器，应谨慎授予权限。
不要从随机来源安装。 坚持使用已知发布者（Anthropic、得到认可的社区维护者、工具的官方供应商）提供的MCP服务器，或使用会审核收录内容的成熟目录。
谨慎使用开放shell访问的服务器。 一些MCP服务器会向AI开放终端命令执行能力。这对部分工作流很实用，但若不谨慎，也会带来重大安全风险。如果授予这种能力，AI就能在你的计算机上执行任意命令。
将MCP服务器视为AI信任面的延伸。 AI能够通过服务器读取、查看或操作的内容，就如同它直接进行这些活动。应据此规划。
MCP在哪些方面做得不好（2026年）
以下是一些客观局限：
发现。 为工具找到合适的MCP服务器仍然比应有的程度更混乱。目前没有唯一的权威目录，多个社区网站相互竞争。
质量参差不齐。 开源MCP服务器既有“生产级”产品，也有“周末随手做的项目”。服务器出现故障会破坏工作流，因此质量很重要。
文档。 许多MCP服务器的文档不够完善。README会告诉你如何安装，却不一定解释所有可用工具的完整范围。
客户端之间存在差异。 尽管协议是标准的，不同客户端公开MCP功能的方式有时并不一致。Claude Desktop的MCP集成最完善；Cursor在开发方面表现出色；ChatGPT正在追赶。
有状态操作。 MCP最适合无状态的“读取此内容”/“执行此操作”。长时间运行的多步流程会比较别扭。
这些方面都在快速改进。到2026年末，其中大部分问题将基本解决。
何时应自行编写MCP服务器
MCP生态系统涵盖大多数热门工具，但并非所有工具。如果希望连接：
- 公司自行构建的内部工具。
- 没有公开MCP服务器的SaaS产品。
- 只有自定义API的旧系统。
- 以自定义方式组合多个工具的特定工作流。
……那么自行编写MCP服务器就很合理。虽然听起来技术性很强，但实际工作量并不大——使用MCP SDK编写几百行TypeScript或Python代码即可。
如果你具备任何技术能力（或团队中有开发者），这是一项投入产出比很高的工作。一个下午即可创建持久集成，团队中任何使用MCP兼容AI客户端的人都能使用。
我们另有一篇高级文章，专门介绍如何使用TypeScript构建MCP服务器。
MCP与Zapier / n8n：何时使用哪个
一个常见问题是：如果已经有Zapier或n8n，还需要MCP吗？
答案是：“两者互为补充，用法不同。”
使用MCP，如果：
- 你正在与AI助手对话，希望执行操作或查找数据。
- 操作是一次性的或取决于上下文（而不是“每次发生X都……”）。
- 你在进行交互式工作，而不是构建自动化。
使用Zapier / n8n，如果：
- 你希望工作流由触发器启动并自主运行。
- 工作流重复且定义明确。
- 不需要人工参与对话循环。
许多用户两者都用。MCP适合“我正在对话，需要查看X”类任务；Zapier或n8n适合“每当符合条件的新邮件到达，就这样处理”。
两者还有一个有趣的重叠之处：n8n可以充当MCP客户端（在工作流中调用MCP服务器），也可以充当MCP服务器（向AI客户端开放n8n工作流）。这恰好模糊了两者的界线：你可以在n8n中构建一次工作流，然后从任何MCP兼容AI中使用。
几种实用模式
使用MCP进行对话式分诊。 打开Claude，询问“我的收件箱、日历和Slack中目前有哪些需要关注的事项？”模型会并行使用三个MCP服务器，并生成统一的分诊报告。
使用MCP准备会议。 连接Calendar、Gmail和Notion。询问“我3点要和Acme团队开会——请给我一份会前简报。”模型会提取会议详情、查找相关电子邮件、找到以往与该团队开会时留下的笔记，然后生成简报。
使用可靠来源开展研究。 连接搜索MCP服务器，提出任何事实性问题。模型会通过服务器搜索Web，并生成带引用的答案。效果类似Perplexity，但就在你常用的AI工具中。
使用完整的文件系统和终端访问编写代码。 Cursor（以及越来越多的其他工具）使用MCP让AI访问本地文件系统和沙盒终端。模型可以读取代码、运行测试、安装软件包——使AI从“代码建议工具”变成“能够实际执行任务的协作者”。
一个能产生复利的小习惯
当你发现自己正在AI对话与其他工具之间手动复制数据——把电子邮件内容粘贴到ChatGPT、把ChatGPT输出复制到Notion等——请暂停一下。这座手动桥梁几乎肯定可以由MCP服务器自动搭建。
花20分钟安装相应的MCP服务器。此后，这座桥梁便不再可见。坚持几个月后，你会拥有一套集成，让AI工作流远比普通用户流畅。
从三个服务器开始
MCP是2025–2026年最重要的AI基础设施。它并不光鲜，也不适合做华丽演示，却正是让AI从聊天机器人变成与你真实工作相连接的系统的那一层。
生态系统已经足够成熟，非工程师也能从中受益。设置工作只需一次，花几个晚上，而不是几周时间。AI为你提供帮助的方式会发生显著质变。
选择你最常用的三个工具，找到相应的MCP服务器，先安装它们。
