?作者：后端小肥腸
🍊 有疑問可私信或評論區聯系我。
🥑 創作不易未經允許嚴禁轉載。
姊妹篇：
從PDF到精準答案：Coze助力RAGFlow框架提升數據召回率_提升ragflow-CSDN博客
Coze+TreeMind實測：秒出ISO標準流程圖/腦圖（附完整提示詞）-CSDN博客
目錄
1. 前言
2. MCP概念
2.1. Function calling VS MCP
2.2. MCPServer平臺
2.3. MCP支持的客戶端
3. VS Code+Cline實現手搓智能體
3.1. VS Code+Cline集成MCP Server
3.1.1. 基礎集成
3.1.2. 安裝FileSystem
3.1.3. 安裝PostgresSQL
3.2. 發送提示詞指令
4. 資料獲取
5. 結語
1. 前言
在AI技術日新月異的今天，我們正見證著LLM（大語言模型）從"能說會道"向"能工巧匠"的進化。當Anthropic推出Model Context Protocol（MCP）時，它像一道閃電劃破夜空——這個被稱作"AI界的USB-C"的協議，正在重新定義人機協作的邊界。
作為一個沉迷于技術探索的開發者，我始終在尋找讓AI真正"落地"的方法。當看到MCP協議支持本地文件操作、數據庫訪問甚至瀏覽器自動化時，一個大膽的想法在我腦中成型：能否在VS Code這個開發者主戰場上，用零代碼方案復刻類Manus的智能體能力。
本文通過兩個開源MCP Server（FileSystem/PostgreSQL），在VS Code中搭建起從數據庫查詢到文件輸出的完整工作流。當看到AI自主分解任務、調用工具并最終生成CSV文件的那一刻，我仿佛觸摸到了未來：或許"人人手搓智能體"的時代，真的不再遙遠......
2. MCP概念
MCP（Model Context Protocol）是一種旨在簡化人工智能與外部資源交互的協議。它被設計用來讓開發者通過標準化的接口，讓AI能夠訪問和操作文件系統、數據庫、電子表格等多種資源，最終幫助實現更復雜的自動化工作流。MCP的核心理念是通過為AI提供一系列基礎的操作功能，使得AI可以自主地完成任務，而無需開發者過多干預。
2.1. Function calling VS MCP
在傳統的編程模式中，人工智能通常通過函數調用（Function Calling）的方式來實現與外部資源的交互。函數調用要求開發者預先編寫每一個功能模塊的接口，AI只能通過調用這些函數來執行特定的操作。這種方式的局限性在于，開發者需要為每種可能的任務和操作單獨創建函數和邏輯代碼，且每次AI執行任務時，開發者都需要介入，提供新的函數或修改現有的代碼。這導致開發者的工作量增加，且系統的靈活性受到一定限制。
MCP（Model Context Protocol）的出現則解決了這一問題。它通過標準化的協議，定義了一套通用的接口和操作規范，使得AI能夠以更為自主的方式與各種外部資源進行交互。開發者不需要為每個任務編寫獨立的函數，AI通過MCP協議可以直接訪問文件系統、數據庫、電子表格等各種資源，并在這些資源上執行一系列操作。
MCP的優勢在于，它允許AI在沒有過多干預的情況下完成復雜的任務。開發者只需要為AI配置相關的資源和權限，而AI則可以根據預定義的協議自動決定如何操作這些資源。這使得開發者能夠更加專注于設計和優化AI的智能決策，而不必被繁瑣的編程工作所束縛。
| 特性 | Function Calling | MCP |
| 操作靈活性 | 受限于開發者編寫的函數接口，需要為每個任務創建單獨函數。 | 高度靈活，AI可以根據協議自主選擇操作的方式。 |
| 開發者干預 | 每次任務執行都需要開發者介入，編寫或修改函數。 | 開發者只需配置資源和權限，AI可以自主執行任務。 |
| 適用場景 | 適用于簡單的功能調用，任務變化較少的場景。 | 適用于復雜的任務自動化和跨系統資源交互。 |
| 擴展性 | 擴展性差，添加新功能時需要編寫新函數。 | 高度可擴展，支持多種外部資源和自動化工作流。 |
| 維護難度 | 隨著任務增多，函數接口的維護難度加大。 | 由于協議標準化，維護工作減少，資源配置更加簡單。 |
| 集成外部資源的難度 | 需要開發者逐一編寫適配函數進行集成。 | 使用標準化協議，可以輕松集成各種外部資源。 |
| 工作流自動化 | 需要編寫多個函數和控制邏輯，自動化程度較低。 | 支持通過協議實現高度自動化的工作流。 |
從對比表中可以看出，MCP在靈活性、擴展性和自動化方面相較于傳統的函數調用方式具有顯著的優勢，尤其在涉及到跨系統資源集成和復雜自動化任務時，MCP的優勢尤為明顯。
2.2. MCPServer平臺
MCPServer平臺是Model Context Protocol（MCP）協議的核心構建塊，它為開發者提供了一個服務端的基礎架構，用以支持MCP協議的實現與運作。MCPServer是一個開源平臺，允許開發者通過配置和搭建MCP服務器，輕松地將各種外部資源與AI進行集成，并通過MCP協議進行交互，主流一些的平臺主要有以下一個：
官方：https://github.com/modelcontextprotocol/servers， 這里提供了完整的代碼庫和文檔，幫助開發者部署和自定義MCP服務器。通過這個平臺，開發者能夠快速配置自己的MCP環境，并將其與不同的應用和服務對接。
MCPSo：MCP Servers，這個網站是一個專門收集和展示Model Context Protocol（MCP）服務器的平臺，致力于為開發者和用戶提供豐富的MCP服務器資源。在MCPSo上，你可以瀏覽各種類型的MCP服務器，包括地圖服務、瀏覽器自動化、數據處理等，滿足不同場景下的需求。此外，MCPSo還提供了服務器的詳細信息和配置示例，幫助用戶快速上手和集成。
MCPMarket：MCP Market | Discover Top MCP Servers，它匯集了大量與MCP兼容的工具、服務和資源。在MCPMarket上，你可以發現各種MCP服務器，了解其功能和應用場景，方便您根據需求選擇合適的工具。平臺提供了清晰的分類和搜索功能，幫助用戶快速找到所需的資源。
2.3. MCP支持的客戶端
在MCP的生態系統中，支持的客戶端種類繁多，每個客戶端都具備不同的功能和優勢，能夠幫助開發者根據不同的需求完成各種任務。下表展示了多種MCP客戶端及其各自支持的特性，具體包括對資源、提示、工具、采樣等的支持，具體類可基于網址查看：Example Clients - Model Context Protocol
3. VS Code+Cline實現手搓智能體
我想做一個測試，如果我給大模型下達了一個指令，他是否會分解步驟，進行規劃，依次執行，最后給我一個我想要的結果，如果可以，那是不是人人手搓智能體的時代就不遠了，于是我想到了一個簡單場景，讀取PostgresSQL表中的數據寫入本地excel表格。要完成上述業務場景，需要預先準備一下場景數據，在PostgresSQL中準備一張student數據表，準備工作就這一步。
針對這個需求我找了兩個對應的MCP Server，分別是File Syetem（github）、PostgresSQL（github）。下面就從MCP Server在VS Code中的集成開始，一步一步帶大家體驗如何用零代碼方案復刻類Manus的智能體能力。
3.1. VS Code+Cline集成MCP Server
3.1.1. 基礎集成
首先在VS Code中安裝Cline插件，我安裝的是中文漢化版：
Cline安裝完成以后需要配置一下API提供商（我選的DeepSeek）。
用“你好”測試一下大模型是不是集成進來了
3.1.2. 安裝FileSystem
點擊Cline的第二個圖標，進入MCP服務器的市場選項頁安裝一下MCP服務器，我安裝的是FileSystem，可以搜索filesystem直接安裝。
也可以采用npx的方式安裝，我的系統的win10，用的是npx的方式，進入MCP服務器——已安裝選項頁，點擊配置MCP服務器填寫如下配置：
"filesystem": {"command": "cmd","args": ["/c", "npx","-y","@modelcontextprotocol/server-filesystem","D:/wx"],"disabled": false,"autoApprove": []
}
3.1.3. 安裝PostgresSQL
采用npx的方式安裝，進入MCP服務器已安裝選項頁，點擊配置MCP服務器填寫如下配置：
"postgres": {"command": "cmd","args": ["/c","npx","-y","@modelcontextprotocol/server-postgres","postgresql://username:pwd@localhost:5432/database_name"],"disabled": false,"autoApprove": ["query"]}在上面命令中吧username、pwd、database_name這三個參數換成你自己的數據庫配置，配置完了以后可以看一下右側的已安裝選項頁是否安裝了對應的MCP Server。
3.2. 發送提示詞指令
MCP Server都安裝了以后，我們需要看一下每個MCP Server的用法，這里我帶著大家看一下，首先是FileSystem：
從圖上可以看出File System有很多功能，比如讀取文件，寫入文件，編輯文件等（這個大家），每個功能都有使用說明，比如read_file，要用這個工具就需要傳入path，path的話我們在配置文件里面已經配置過了。
接下來就是postgres，它的功能只有query（查詢數據庫）。
這兩個MCP Server完成數據讀寫的技術路線大致如下：
- 數據讀取
首先，通過PostgresSQL（MCP Server）在PostgresSQL數據庫中讀取所需的數據。這一過程涉及到數據庫連接、查詢執行以及數據提取，確保所需信息能夠準確無誤地獲取。 - 文件創建
接下來，FileSyetem（MCP Server）將在D:/wx目錄下創建一個名為xfc.xlsx的文件。此步驟需要確保目錄的存在以及文件的正確命名，以便后續的數據寫入操作能夠順利進行。 - 數據寫入
最后，FileSyetem（MCP Server）將把從PostgresSQL數據庫中讀取的數據寫入到剛剛創建的xfc.xlsx文件中。此過程需要處理數據格式的轉換和寫入操作的執行，確保數據能夠以正確的格式存儲在Excel文件中。
準備工作已經完成，開始發送命令：
幫我查詢student中所有數據，并寫入D:/wx/xfc.xlsx發送命令后，大模型就開始拆解我的任務，然后調用相應的MCP Server:
在末尾的時候.xlsx文件無法寫入，大模型還更改了方案，改為寫入.csv，最后成功了：
我現在去目錄下面看一下結果，發現D:/wx目錄下面新建了xfc.csv:
打開文件看一下，數據已經被成功寫入了csv文件：
4. 資料獲取
如果你對DeepSeek的相關知識還不熟悉，可以關注gzh后端小肥腸，點擊底部【資源】菜單獲取DeepSeek相關教程資料。
5. 結語
在本文中，我們深入探討了如何利用Model Context Protocol（MCP）在VS Code環境中構建智能體，成功實現了從PostgreSQL數據庫讀取數據并輸出至Excel文件的功能。這一過程展示了MCP在簡化AI與外部資源交互方面的強大能力，預示著“人人手搓智能體”時代的到來。下一篇文章將重點介紹如何在Spring Boot框架中整合MCP。通過將SpingBoot與MCP相結合，我們可以將現有應用轉變為智能AI助手，進一步提升系統的智能化水平和用戶體驗。敬請期待！
如果本文對你有幫助，請動動小手點點關注哦~小肥腸將持續更新AI相關干貨知識和好用工具。
)
