在上一篇文章MCP核心概念和應用 ———AI 大模型的標準化工具箱里，我們講述了MCP的安裝，現在讓我們試一試通過示例了解它的功能吧！
首先確保你已經有了相應的APIKEY。
💡大模型中轉API推薦
?中轉使用教程
1、點擊界面上的 「Done」按鈕：

2、新建一個對話，點擊 「New Task」按鈕：

3、向 AI 提問，例如：
我的名字是 BNTang，我在 GitHub 上有哪些倉庫？

我們無需手動指定 MCP 服務 或 工具，AI 會自動智能地選擇最合適的 工具 進行處理。在發送問題后，AI 請求調用名為 search_repositories 的 MCP 工具：

4、點擊 「Approve」按鈕，允許 工具 調用：

此時，Cline 會調用 MCP 工具 并獲取數據：

5、最終，大模型 會將獲取到的數據進行整理，并返回 最終結果：

如圖所示，AI 列舉了我的 14 個公開倉庫，說明 MCP Server 已成功配置并正常運行。

接下來，我們打開一個 Powershell 界面：

我們一起來探究一下 MCP 的本質究竟是什么。我先粘貼三行 命令：

$json = '{"jsonrpc":"2.0","id":123,"method":"tools/call","params":{"name":"search_repositories","arguments":{"query":"user:BNTang"}}}'$env:GITHUB_PERSONAL_ACCESS_TOKEN = "脫敏處理"echo $json | npx -y @modelcontextprotocol/server-github

1. 第一行定義了一個 JSON 字符串，它正是客戶端（Cline）向 MCP Server 傳遞的參數。我們看到 JSON 中的 method 字段是 “tools/call”，表示調用工具；params 中的工具名為 “search_repositories”，即搜索倉庫；query 則是具體的搜索參數，這里是查詢 GitHub 用戶 “BNTang”。
2. 第二行設置了運行時的 環境變量，即 GitHub 的 個人訪問令牌（已脫敏）。
3. 第三行則通過 管道符，將剛才定義的 JSON 參數傳遞給 MCP Server（一個基于 NodeJS 的程序）執行。
   現在我們 運行 一下上述 命令：

可以看到，成功獲取了 GitHub 上用戶 “BNTang” 的 倉庫信息。

通過這個例子，我們發現 MCP 本質上并沒有什么神秘之處。它的核心原理，就是客戶端通過 命令行 調用本地（或服務器上）的 NodeJS 或 Python 程序，執行特定操作后再返回結果。

接下來，我們再 測試 一個新的 任務：創建一個名為 “cline_test” 的 GitHub 倉庫。

我在 Cline 的 問答輸入框 中輸入：

請幫我創建一個 GitHub 倉庫，名字叫做 cline_test

此時，Cline 會詢問我是否允許它調用 MCP Server，我點擊 Approve：

隨后，Cline 顯示 倉庫創建成功，并返回了 倉庫地址：

點擊 鏈接，我們跳轉到 GitHub 查看一下：

確認 倉庫已經 成功創建：

我們注意到，單個 MCP Server 工具 提供了多達 26 項強大的功能，其中包括但不限于：

1. 創建或更新文件 （create_or_update_file）
2. 搜索倉庫 （search_repositories）
3. 創建倉庫（create_repository）
4. 獲取文件內容 （get_file_contents）
5. 推送文件 （push_files）

這些功能幾乎涵蓋了所有與 GitHub 交互的需求，一個 MCP 工具就可以輕松處理這些操作。

更重要的是，我們只需使用 自然語言，就能直接指揮 AI 完成這些工作，全程無需離開 VSCode，極大提升了我們的 工作效率。

通過以上示例，我們清晰地感受到了 MCP 的 強大 與 便捷 之處。