我使用的MCP服务器工具包完整指南

我使用的MCP服务器工具包完整指南

通过7个MCP服务器最大化Claude Code开发生产力。分享Serena、Context7、Sequential Thinking等实战经验

概述

MCP（Model Context Protocol）是Anthropic开发的开放协议，旨在标准化AI模型与外部数据源和工具之间的连接方式。在Claude Code等AI编程代理中，MCP服务器扮演着至关重要的角色——它们扩展了AI的能力边界，使其能够访问实时数据、执行代码分析、进行浏览器自动化等操作。

传统的AI助手受限于训练数据的截止日期和固定的功能集。而通过MCP服务器，我们可以：

  • 获取最新的库文档和API信息
  • 进行精确的代码导航和语义分析
  • 执行浏览器自动化和性能测试
  • 实现复杂的多步骤推理过程

本文将详细介绍我在日常开发中使用的7个MCP服务器，分享每个工具的配置方法和实战经验。

我使用的MCP服务器

2.1 Serena（代码分析）

角色：语义代码分析，基于LSP（Language Server Protocol）的符号导航

Serena是一个强大的代码分析MCP服务器，它通过LSP提供精确的代码导航能力。与传统的文本搜索不同，Serena理解代码的语义结构，能够准确找到函数定义、类型引用、符号使用等。

使用原因：

  • 节省token：只返回需要的代码片段，而非整个文件
  • 精确导航：通过符号名直接定位，避免模糊搜索
  • 跨文件分析：轻松追踪函数调用和类型依赖

配置示例：

{
  "serena": {
    "command": "uvx",
    "args": ["serena-mcp"],
    "env": {
      "SERENA_LSP_SERVERS_CONFIG": "/path/to/lsp_servers.json",
      "SERENA_PROJECTS_CONFIG": "/path/to/projects.json"
    }
  }
}

实际使用：

# 查找符号定义
find_symbol "BlogPost" --depth 1

# 获取文件符号概览
get_symbols_overview "src/components/Header.astro"

# 查找引用
find_referencing_symbols "getCollection" --relative_path "src/pages"

2.2 Context7（文档检索）

角色：最新库文档检索

Context7解决了AI模型训练数据截止的问题，它能够实时检索各种库和框架的最新文档。当你需要了解新发布的API或最新的最佳实践时，Context7是不可或缺的工具。

使用原因：

  • 防止hallucination：获取真实的、最新的文档内容
  • 最新API信息：不再受限于训练数据截止日期
  • 多库支持：支持数千个流行的库和框架

配置示例：

{
  "context7": {
    "command": "npx",
    "args": ["-y", "@upstash/context7-mcp"]
  }
}

“use context7”使用方法：

在提问时只需添加”use context7”指令：

查询Astro 5.0的Content Collections新语法，use context7

Context7会自动：

  1. 解析库名称并获取Context7兼容的库ID
  2. 检索相关文档内容
  3. 返回结构化的、最新的信息

2.3 Sequential Thinking（问题解决）

角色：逐步思考过程

Sequential Thinking MCP服务器提供了一个结构化的思考工具，帮助AI进行动态和反思性的问题解决。它特别适合处理复杂的、需要多步骤推理的任务。

使用原因：

  • 复杂问题分解：将大问题拆分为可管理的步骤
  • 假设验证：生成假设并验证
  • 思路回溯：支持修改和重新审视之前的思考

基于Docker运行：

{
  "sequentialthinking": {
    "command": "docker",
    "args": [
      "run",
      "-i",
      "--rm",
      "mcp/sequentialthinking"
    ]
  }
}

关键特性：

  • 可以动态调整总思考步骤数
  • 支持分支思考和回溯
  • 在满意之前持续验证假设

2.4 Chrome DevTools MCP（性能分析）

角色：浏览器性能追踪，网络分析

Chrome DevTools MCP将Chrome开发者工具的强大功能带入了Claude Code。它能够进行性能追踪、网络请求分析、控制台日志检查等操作。

使用原因：

  • Core Web Vitals测量：LCP、FID、CLS等指标
  • 实时调试：查看控制台日志和网络请求
  • 性能分析：识别性能瓶颈和优化机会

配置示例：

{
  "chrome-devtools": {
    "command": "npx",
    "args": ["@anthropic-ai/mcp-server-chrome-devtools@latest"]
  }
}

主要功能：

  • 页面导航和截图
  • 性能追踪（支持自动停止）
  • 网络请求列表和详情
  • 控制台消息检索
  • 元素交互（点击、填写、悬停等）

2.5 Playwright MCP（浏览器自动化）

角色：跨浏览器测试，截图

Playwright MCP提供了强大的浏览器自动化能力，支持Chromium、Firefox和WebKit三大浏览器引擎。

使用原因：

  • E2E测试：完整的用户流程测试
  • 功能自动化：表单填写、点击、导航等
  • 跨浏览器兼容性：确保在不同浏览器中的一致性

配置示例：

{
  "playwright": {
    "command": "npx",
    "args": ["@anthropic-ai/mcp-server-playwright@latest"]
  }
}

与Chrome DevTools的区别：

特性Chrome DevTools MCPPlaywright MCP
浏览器支持仅ChromeChromium/Firefox/WebKit
主要用途性能分析、调试自动化测试、截图
性能追踪✓✗
跨浏览器测试✗✓
代码生成✗✓

选择建议：

  • 性能分析和调试 → Chrome DevTools MCP
  • E2E测试和跨浏览器验证 → Playwright MCP

2.6 Gemini CLI MCP（AI搜索/分析）

角色：Google搜索，文件分析，对话

Gemini CLI MCP整合了Google的Gemini AI能力，提供搜索、文件分析和对话功能。

使用原因：

  • 1M token上下文：处理超长文档
  • 多模态分析：图片、PDF、文本等多种格式
  • Google搜索集成：获取最新网络信息

配置示例：

{
  "gemini-cli": {
    "command": "npx",
    "args": ["-y", "gemini-cli-mcp@latest"]
  }
}

支持的文件类型：

  • 图片：PNG、JPG、JPEG、GIF、WebP、SVG、BMP
  • 文本：TXT、MD
  • 文档：PDF

推荐模型：

  • gemini-2.5-pro（默认）
  • gemini-2.5-flash

角色：专用网络搜索

这是一个专注于网络搜索的MCP服务器，通过Gemini API提供Google搜索功能。

使用原因：

  • 最新信息检索：突破训练数据截止限制
  • 简洁配置：单一功能，配置简单
  • 可靠性：直接使用Google搜索后端

配置示例：

{
  "gemini-google-search": {
    "command": "npx",
    "args": ["-y", "gemini-google-search-mcp"]
  }
}

实际配置示例

以下是完整的mcpServers配置（敏感信息已掩码）：

{
  "mcpServers": {
    "serena": {
      "command": "uvx",
      "args": ["serena-mcp"],
      "env": {
        "SERENA_LSP_SERVERS_CONFIG": "/path/to/config/lsp_servers.json",
        "SERENA_PROJECTS_CONFIG": "/path/to/config/projects.json"
      }
    },
    "context7": {
      "command": "npx",
      "args": ["-y", "@upstash/context7-mcp"]
    },
    "sequentialthinking": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "mcp/sequentialthinking"]
    },
    "chrome-devtools": {
      "command": "npx",
      "args": ["@anthropic-ai/mcp-server-chrome-devtools@latest"]
    },
    "playwright": {
      "command": "npx",
      "args": ["@anthropic-ai/mcp-server-playwright@latest"]
    },
    "gemini-cli": {
      "command": "npx",
      "args": ["-y", "gemini-cli-mcp@latest"]
    },
    "gemini-google-search": {
      "command": "npx",
      "args": ["-y", "gemini-google-search-mcp"]
    }
  }
}

配置文件位置：

  • macOS/Linux：~/.claude/settings.json
  • Windows：%APPDATA%\Claude\settings.json

组合使用案例

案例1：代码分析 + 文档检索组合

场景：重构使用旧API的代码

1. Serena：分析当前代码结构，找到所有使用旧API的位置
   → find_symbol "oldApiFunction"
   → find_referencing_symbols "oldApiFunction"

2. Context7：检索新API的文档和迁移指南
   → 查询library migration guide，use context7

3. 结合两者信息，生成重构计划和代码

案例2：浏览器测试 + 性能分析组合

场景：验证新功能并确保性能

1. Playwright：执行E2E测试流程
   → 导航到页面
   → 执行用户操作
   → 截图验证结果

2. Chrome DevTools：分析性能指标
   → 启动性能追踪
   → 重新加载页面
   → 分析Core Web Vitals

3. 综合报告：功能正确性 + 性能数据

案例3：复杂问题解决工作流

场景：调试神秘的性能问题

1. Sequential Thinking：分解问题
   → 思考步骤1：列出可能的原因
   → 思考步骤2：设计验证方案
   → 思考步骤3：确定优先级

2. Chrome DevTools：收集数据
   → 性能追踪
   → 网络请求分析
   → 控制台日志检查

3. Serena：定位相关代码
   → 找到性能热点对应的代码
   → 分析调用链

4. Gemini Search：查找解决方案
   → 搜索类似问题和最佳实践

5. Context7：验证解决方案
   → 确认API用法正确

结论

MCP服务器显著扩展了Claude Code的能力边界。通过合理配置和组合使用这些工具，我实现了：

  • 代码分析效率提升：Serena的符号导航比文本搜索快3〜5倍
  • 信息准确性提高：Context7消除了过时文档的困扰
  • 调试时间缩短：Chrome DevTools的性能追踪快速定位瓶颈
  • 测试覆盖增强：Playwright的自动化测试提高了信心

推荐入门服务器：

如果你刚开始使用MCP服务器，建议按以下顺序逐步添加：

  1. Context7：最容易上手，立即获得最新文档
  2. Serena：显著提升代码导航效率
  3. Sequential Thinking：处理复杂问题时很有帮助
  4. Chrome DevTools：Web开发必备

MCP生态系统正在快速发展，越来越多的工具正在加入。我建议关注MCP官方仓库以获取最新的服务器列表和更新。

通过这些工具的组合使用，Claude Code从一个智能助手进化成为一个真正的开发伙伴，能够理解代码、获取信息、执行测试、分析性能——几乎涵盖了开发工作流的各个方面。

阅读其他语言版本

这篇文章有帮助吗？

您的支持能帮助我创作更好的内容。请我喝杯咖啡吧！☕

关于作者

JK

Kim Jangwook

AI/LLM专业全栈开发者

凭借10年以上的Web开发经验，构建AI代理系统、LLM应用程序和自动化解决方案。分享Claude Code、MCP和RAG系统的实践经验。

GitHub LinkedIn X (Twitter) 查看简介

相关文章

返回博客列表