1. 先搞清楚 TARE 和 MCP 到底是什么以及为什么要在本地配置如果你正在接触 AI 应用开发尤其是想给 Claude、Cursor 这类智能体增加自定义能力那么“配置 MCP 本地环境”就是你绕不开的一步。TARE 在这里很可能是一个具体的项目、工具或平台名称它需要依赖 MCP 协议来工作。简单来说MCPModel Context Protocol不是一个具体的软件而是一个“协议”或“标准”。你可以把它理解成智能体Agent和外部工具Tools之间说好的“普通话”。一个遵循 MCP 协议开发的服务MCP Server可以被任何支持 MCP 协议的客户端比如 Claude Desktop、Cursor发现和调用从而为 AI 增加诸如读取数据库、操作本地文件、调用特定 API 等能力。所以“配置 MCP 本地环境”的核心目标就是让你本地的 AI 客户端能够安全、稳定地连接并调用你或第三方开发的 MCP 服务。这解决了 AI 智能体能力被局限在云端预置工具内的问题让你能按需扩展。对于开发者、技术爱好者或企业内希望定制化 AI 工作流的人来说这是将 AI 能力与本地业务系统、私有数据或特定工作流如 Unity 开发、Figma 设计、数据库查询深度集成的关键一步。整个过程最关键的环节不是安装而是理解客户端与服务端的配置关系、权限控制以及调试方法。2. 配置前的核心准备客户端、服务端与协议在动手之前必须理清三个核心概念否则配置过程会非常混乱。2.1 选择你的 MCP 客户端AI 入口客户端是你直接交互的 AI 应用它需要支持 MCP 协议才能连接本地服务。目前主流的有Claude DesktopAnthropic 官方的 Claude 桌面应用通过配置文件添加 MCP 服务器。Cursor集成了 AI 的代码编辑器同样支持通过配置连接 MCP。其他支持 MCP 的 AI 应用或框架一些开源项目或新兴工具也开始集成 MCP。你的第一步是确定你用哪个客户端。本文将以Claude Desktop和Cursor作为主要示例因为它们是当前最普遍的选择。2.2 理解 MCP 服务器能力提供方MCP 服务器是你想要 AI 使用的那个“工具”本身。它可能是一个本地进程一个在后台运行的 Python/Node.js/Java 程序提供文件系统访问、数据库查询等功能。HTTP 服务一个运行在本地某个端口如http://localhost:8080的 Web 服务。Stdio 进程通过标准输入输出与客户端通信的进程这是最常见的一种方式尤其是对于脚本类工具。TARE 项目很可能就是一个或多个 MCP 服务器的集合或者它提供了一个运行这些服务器的环境。你需要从 TARE 的文档中找到它提供的 MCP 服务器如何启动例如是一个可执行文件还是一个需要npm start或python server.py启动的脚本。2.3 掌握连接方式传输协议Transport客户端和服务器之间通过“传输协议”通信。配置时你必须指定正确的类型stdio标准输入输出最常用。客户端直接启动服务器进程并通过管道通信。配置简单适合本地脚本。transport: stdiosse服务器发送事件服务器作为一个 HTTP 服务客户端通过 SSE 长连接订阅其事件。适合需要常驻或更复杂交互的服务。transport: sse, url: http://localhost:8080/ssehttp简单的请求-响应模式。对于 TARE 或大多数本地工具stdio通常是首选。你需要确认你的 MCP 服务器支持哪种方式。3. 实战配置以 Claude Desktop 和 Cursor 为例下面我们抛开抽象概念进入具体的配置操作。请先确保你已安装好目标客户端Claude Desktop 或 Cursor。3.1 配置 Claude Desktop 连接 MCP 服务器Claude Desktop 通过一个 JSON 配置文件来管理 MCP 服务器。步骤 1定位配置文件macOS/Linux:~/.config/Claude/claude_desktop_config.jsonWindows:%APPDATA%\Claude\claude_desktop_config.json如果文件或目录不存在手动创建即可。步骤 2编写配置文件内容假设 TARE 提供了一个名为tare-filesystem的 MCP 服务器它是一个可以通过命令node /path/to/tare-server/filesystem.js启动的 Node.js 脚本。你的claude_desktop_config.json文件内容应如下所示{ mcpServers: { tare-filesystem: { command: node, args: [/absolute/path/to/tare-server/filesystem.js], env: { // 可以在这里传递环境变量例如 API 密钥 TARE_API_KEY: your_key_here } }, tare-sqlite: { command: python, args: [/absolute/path/to/tare-server/sqlite_server.py], env: {} } // 可以继续添加更多服务器... } }关键参数解释tare-filesystem: 这是你给这个服务器起的名字会在 Claude 的工具列表中显示。command: 启动服务器的主命令如node,python3,bash。args: 传递给命令的参数数组第一个通常是脚本路径。务必使用绝对路径避免因工作目录问题导致启动失败。env: 环境变量对象用于向服务器进程传递敏感或配置信息如数据库连接串、API密钥。步骤 3重启与验证保存配置文件。完全退出 Claude Desktop 并重新启动。启动后在聊天输入框下方如果配置成功你应该能看到一个工具图标或通过/命令触发里面列出了tare-filesystem等工具。尝试让 Claude 使用该工具例如“请使用 tare-filesystem 工具列出我桌面上的文件。”3.2 配置 Cursor 连接 MCP 服务器Cursor 的配置原理类似但配置文件的路径和格式略有不同。步骤 1定位或创建 Cursor 配置Cursor 的配置通常位于用户主目录下的.cursor目录中。你需要创建或编辑文件~/.cursor/mcp.json(macOS/Linux) 或%USERPROFILE%\.cursor\mcp.json(Windows)。步骤 2编写 Cursor MCP 配置Cursor 的配置格式与 Claude Desktop 高度相似{ mcpServers: { tare-filesystem: { command: node, args: [/absolute/path/to/tare-server/filesystem.js] } } }步骤 3重启与验证保存mcp.json文件。重启 Cursor。在 Cursor 的聊天界面中你应该能看到新增的工具可用。你可以通过提及或直接在指令中要求使用工具。3.3 通用排查点配置后无法连接如果配置后客户端没有显示工具或者调用时报错按以下顺序排查检查配置文件语法使用 JSON 验证工具如jsonlint.com确保没有格式错误特别是尾逗号、引号不匹配。检查命令路径command是否在系统 PATH 中args中的脚本路径是否绝对且正确可以在终端手动执行一下配置中的完整命令如node /path/to/script.js看能否正常启动而不报错。检查环境变量如果服务器需要 API 密钥等环境变量是否已在env字段中正确配置也可以在命令行中先导出环境变量再手动启动服务器测试。查看客户端日志Claude Desktop 在启动时会输出日志到标准输出如果你从命令行启动或系统日志。查找有关mcpServers加载的错误信息。Cursor 也有内置日志或开发者工具查看其输出窗口。查看服务器输出有些 MCP 服务器启动时会输出日志到标准错误。确保它没有因为缺少依赖如 Python 包、Node 模块而崩溃。你可能需要先独立运行服务器解决其依赖问题。权限问题确保脚本文件有可执行权限chmod x script.py并且当前用户有权访问相关路径。4. 进阶开发、调试与生产化考量当基础配置跑通后你会遇到更实际的需求我想自己写一个 MCP 服务器或者把现有的脚本封装成 MCP 服务。4.1 快速创建一个简单的 MCP 服务器Python 示例使用官方 SDK 可以快速上手。这里以 Python 为例安装 SDKpip install mcp编写服务器代码(simple_server.py)from mcp.server import Server from mcp.server.models import InitializationOptions import anyio async def list_files(): 一个简单的工具返回当前目录文件列表 import os files os.listdir(.) return {files: files} async def main(): # 创建服务器实例 server Server(my-simple-server) # 注册工具 server.list_tools() async def handle_list_tools(): return [{ name: list_files, description: 列出当前目录下的文件, inputSchema: { type: object, properties: {} # 此工具无需参数 } }] server.call_tool() async def handle_call_tool(name: str, arguments: dict): if name list_files: result await list_files() return [{ type: text, text: str(result) }] raise ValueError(fUnknown tool: {name}) # 使用 stdio 传输运行服务器 async with server.run_stdio() as (read_stream, write_stream): await server.run( read_stream, write_stream, InitializationOptions( server_namemy-simple-server, server_version0.1.0 ) ) if __name__ __main__: anyio.run(main)配置客户端使用它 在 Claude Desktop 的配置中添加my-local-tools: { command: python3, args: [/absolute/path/to/simple_server.py] }重启客户端现在你就可以让 AI 使用list_files工具了。4.2 调试 MCP 服务器调试是开发过程中最重要的环节。独立运行测试首先脱离 AI 客户端直接运行你的服务器脚本确保它不报错并能正常响应标准输入。你可以手动模拟输入比较复杂或者编写一个简单的测试客户端。使用mcp inspector这是一个官方提供的调试工具。你可以用mcp inspector连接你的服务器像“Postman for MCP”一样手动调用工具查看原始请求和响应这对于排查协议层面的问题至关重要。# 假设你的服务器通过 stdio 启动 npx modelcontextprotocol/inspector node your_server.js日志输出在你的服务器代码中关键位置加入日志输出打印到 stderr然后在客户端配置中观察这些输出。注意stdio 传输下打印到 stdout 的内容会被当作协议消息可能导致错误所以调试信息应输出到 stderr。4.3 生产环境部署考量如果你计划在团队或生产环境使用安全性权限最小化MCP 服务器通常具有调用它的 AI 客户端同等的系统权限。务必限制其能力范围。一个文件服务器不应该能删除系统关键文件。输入验证与沙箱对 AI 传入的参数进行严格校验。考虑在沙箱环境如 Docker 容器中运行不受信任的 MCP 服务器。敏感信息API 密钥、数据库密码等切勿硬编码在脚本或配置文件中。使用环境变量或安全的配置管理服务。可靠性进程管理对于 stdio 服务器客户端会负责启动和停止。但如果进程崩溃需要客户端有重连机制。对于生产级服务考虑使用SSE/HTTP传输并将服务器作为独立的守护进程使用 systemd, supervisor 等管理。错误处理服务器代码必须有健壮的错误处理避免因单个请求失败导致整个服务崩溃。性能与资源资源限制对服务器进程可使用的 CPU、内存进行限制防止某些工具调用如复杂查询耗尽资源。连接池对于数据库类服务器使用连接池而非每次调用创建新连接。配置管理团队使用时可以考虑将公共的 MCP 服务器配置做成模板或使用配置管理工具分发而不是每个人手动修改本地 JSON 文件。5. 常见场景与 TARE 项目集成思路结合热搜词我们看看一些典型场景连接数据库查数据(workbuddy自定义mcp连接数据库查数据)这正是 MCP 的强项。编写一个 MCP 服务器内部封装数据库连接如 SQLite、PostgreSQL、MySQL提供run_query、list_tables等工具。在工具描述中清晰定义 SQL 输入格式AI 就能生成查询并获取结果。操作特定软件(Unity MCP,Figma MCP,Playwright MCP)这些通常是通过软件的自动化 API 或 CLI 来实现。例如Unity MCP 服务器可能封装了 Unity Editor 的命令行接口或脚本 API让 AI 可以执行项目构建、资源导入等操作。关键在于找到目标软件的自动化接口。封装现有工具/脚本(mcp封装成工具)如果你已有一些实用的 Python/Shell 脚本可以为其编写一个 MCP 包装层。脚本接收参数执行任务返回结果。MCP 服务器负责协议通信和调用这个脚本。智能体编排与技能(mcp可以进行智能体编排吗?,skills rules mcp)MCP 本身是工具调用协议不直接处理复杂的多智能体编排。但更上层的智能体框架如 LangChain, AutoGen可以集成 MCP 客户端从而将成千上万个 MCP 工具作为底层能力库来调用。Skills和Rules通常是这些上层框架中用于组合和约束工具使用的概念。对于TARE项目它很可能是一个提供了多种预置 MCP 服务器或一个运行框架的集合。你的配置工作就是明确 TARE 提供了哪些具体的服务器如tare-filesystem,tare-code-search。按照 TARE 的文档准备好每个服务器所需的运行环境Node.js/Python 版本、依赖包。将每个服务器按照上述stdio或sse的方式正确配置到你的 Claude Desktop 或 Cursor 配置文件中。通过实际调用验证功能是否正常。整个流程的核心思想是MCP 协议标准化了 AI 与工具的对话方式而配置本地环境就是为你选择的 AI 客户端“安装”这些标准化工具的驱动程序。成功的关键在于仔细阅读工具服务器本身的文档并精确无误地在客户端配置中复现其启动方式。 MCP本地环境配置指南：为Claude、Cursor等AI客户端扩展自定义能力
1. 先搞清楚 TARE 和 MCP 到底是什么以及为什么要在本地配置如果你正在接触 AI 应用开发尤其是想给 Claude、Cursor 这类智能体增加自定义能力那么“配置 MCP 本地环境”就是你绕不开的一步。TARE 在这里很可能是一个具体的项目、工具或平台名称它需要依赖 MCP 协议来工作。简单来说MCPModel Context Protocol不是一个具体的软件而是一个“协议”或“标准”。你可以把它理解成智能体Agent和外部工具Tools之间说好的“普通话”。一个遵循 MCP 协议开发的服务MCP Server可以被任何支持 MCP 协议的客户端比如 Claude Desktop、Cursor发现和调用从而为 AI 增加诸如读取数据库、操作本地文件、调用特定 API 等能力。所以“配置 MCP 本地环境”的核心目标就是让你本地的 AI 客户端能够安全、稳定地连接并调用你或第三方开发的 MCP 服务。这解决了 AI 智能体能力被局限在云端预置工具内的问题让你能按需扩展。对于开发者、技术爱好者或企业内希望定制化 AI 工作流的人来说这是将 AI 能力与本地业务系统、私有数据或特定工作流如 Unity 开发、Figma 设计、数据库查询深度集成的关键一步。整个过程最关键的环节不是安装而是理解客户端与服务端的配置关系、权限控制以及调试方法。2. 配置前的核心准备客户端、服务端与协议在动手之前必须理清三个核心概念否则配置过程会非常混乱。2.1 选择你的 MCP 客户端AI 入口客户端是你直接交互的 AI 应用它需要支持 MCP 协议才能连接本地服务。目前主流的有Claude DesktopAnthropic 官方的 Claude 桌面应用通过配置文件添加 MCP 服务器。Cursor集成了 AI 的代码编辑器同样支持通过配置连接 MCP。其他支持 MCP 的 AI 应用或框架一些开源项目或新兴工具也开始集成 MCP。你的第一步是确定你用哪个客户端。本文将以Claude Desktop和Cursor作为主要示例因为它们是当前最普遍的选择。2.2 理解 MCP 服务器能力提供方MCP 服务器是你想要 AI 使用的那个“工具”本身。它可能是一个本地进程一个在后台运行的 Python/Node.js/Java 程序提供文件系统访问、数据库查询等功能。HTTP 服务一个运行在本地某个端口如http://localhost:8080的 Web 服务。Stdio 进程通过标准输入输出与客户端通信的进程这是最常见的一种方式尤其是对于脚本类工具。TARE 项目很可能就是一个或多个 MCP 服务器的集合或者它提供了一个运行这些服务器的环境。你需要从 TARE 的文档中找到它提供的 MCP 服务器如何启动例如是一个可执行文件还是一个需要npm start或python server.py启动的脚本。2.3 掌握连接方式传输协议Transport客户端和服务器之间通过“传输协议”通信。配置时你必须指定正确的类型stdio标准输入输出最常用。客户端直接启动服务器进程并通过管道通信。配置简单适合本地脚本。transport: stdiosse服务器发送事件服务器作为一个 HTTP 服务客户端通过 SSE 长连接订阅其事件。适合需要常驻或更复杂交互的服务。transport: sse, url: http://localhost:8080/ssehttp简单的请求-响应模式。对于 TARE 或大多数本地工具stdio通常是首选。你需要确认你的 MCP 服务器支持哪种方式。3. 实战配置以 Claude Desktop 和 Cursor 为例下面我们抛开抽象概念进入具体的配置操作。请先确保你已安装好目标客户端Claude Desktop 或 Cursor。3.1 配置 Claude Desktop 连接 MCP 服务器Claude Desktop 通过一个 JSON 配置文件来管理 MCP 服务器。步骤 1定位配置文件macOS/Linux:~/.config/Claude/claude_desktop_config.jsonWindows:%APPDATA%\Claude\claude_desktop_config.json如果文件或目录不存在手动创建即可。步骤 2编写配置文件内容假设 TARE 提供了一个名为tare-filesystem的 MCP 服务器它是一个可以通过命令node /path/to/tare-server/filesystem.js启动的 Node.js 脚本。你的claude_desktop_config.json文件内容应如下所示{ mcpServers: { tare-filesystem: { command: node, args: [/absolute/path/to/tare-server/filesystem.js], env: { // 可以在这里传递环境变量例如 API 密钥 TARE_API_KEY: your_key_here } }, tare-sqlite: { command: python, args: [/absolute/path/to/tare-server/sqlite_server.py], env: {} } // 可以继续添加更多服务器... } }关键参数解释tare-filesystem: 这是你给这个服务器起的名字会在 Claude 的工具列表中显示。command: 启动服务器的主命令如node,python3,bash。args: 传递给命令的参数数组第一个通常是脚本路径。务必使用绝对路径避免因工作目录问题导致启动失败。env: 环境变量对象用于向服务器进程传递敏感或配置信息如数据库连接串、API密钥。步骤 3重启与验证保存配置文件。完全退出 Claude Desktop 并重新启动。启动后在聊天输入框下方如果配置成功你应该能看到一个工具图标或通过/命令触发里面列出了tare-filesystem等工具。尝试让 Claude 使用该工具例如“请使用 tare-filesystem 工具列出我桌面上的文件。”3.2 配置 Cursor 连接 MCP 服务器Cursor 的配置原理类似但配置文件的路径和格式略有不同。步骤 1定位或创建 Cursor 配置Cursor 的配置通常位于用户主目录下的.cursor目录中。你需要创建或编辑文件~/.cursor/mcp.json(macOS/Linux) 或%USERPROFILE%\.cursor\mcp.json(Windows)。步骤 2编写 Cursor MCP 配置Cursor 的配置格式与 Claude Desktop 高度相似{ mcpServers: { tare-filesystem: { command: node, args: [/absolute/path/to/tare-server/filesystem.js] } } }步骤 3重启与验证保存mcp.json文件。重启 Cursor。在 Cursor 的聊天界面中你应该能看到新增的工具可用。你可以通过提及或直接在指令中要求使用工具。3.3 通用排查点配置后无法连接如果配置后客户端没有显示工具或者调用时报错按以下顺序排查检查配置文件语法使用 JSON 验证工具如jsonlint.com确保没有格式错误特别是尾逗号、引号不匹配。检查命令路径command是否在系统 PATH 中args中的脚本路径是否绝对且正确可以在终端手动执行一下配置中的完整命令如node /path/to/script.js看能否正常启动而不报错。检查环境变量如果服务器需要 API 密钥等环境变量是否已在env字段中正确配置也可以在命令行中先导出环境变量再手动启动服务器测试。查看客户端日志Claude Desktop 在启动时会输出日志到标准输出如果你从命令行启动或系统日志。查找有关mcpServers加载的错误信息。Cursor 也有内置日志或开发者工具查看其输出窗口。查看服务器输出有些 MCP 服务器启动时会输出日志到标准错误。确保它没有因为缺少依赖如 Python 包、Node 模块而崩溃。你可能需要先独立运行服务器解决其依赖问题。权限问题确保脚本文件有可执行权限chmod x script.py并且当前用户有权访问相关路径。4. 进阶开发、调试与生产化考量当基础配置跑通后你会遇到更实际的需求我想自己写一个 MCP 服务器或者把现有的脚本封装成 MCP 服务。4.1 快速创建一个简单的 MCP 服务器Python 示例使用官方 SDK 可以快速上手。这里以 Python 为例安装 SDKpip install mcp编写服务器代码(simple_server.py)from mcp.server import Server from mcp.server.models import InitializationOptions import anyio async def list_files(): 一个简单的工具返回当前目录文件列表 import os files os.listdir(.) return {files: files} async def main(): # 创建服务器实例 server Server(my-simple-server) # 注册工具 server.list_tools() async def handle_list_tools(): return [{ name: list_files, description: 列出当前目录下的文件, inputSchema: { type: object, properties: {} # 此工具无需参数 } }] server.call_tool() async def handle_call_tool(name: str, arguments: dict): if name list_files: result await list_files() return [{ type: text, text: str(result) }] raise ValueError(fUnknown tool: {name}) # 使用 stdio 传输运行服务器 async with server.run_stdio() as (read_stream, write_stream): await server.run( read_stream, write_stream, InitializationOptions( server_namemy-simple-server, server_version0.1.0 ) ) if __name__ __main__: anyio.run(main)配置客户端使用它 在 Claude Desktop 的配置中添加my-local-tools: { command: python3, args: [/absolute/path/to/simple_server.py] }重启客户端现在你就可以让 AI 使用list_files工具了。4.2 调试 MCP 服务器调试是开发过程中最重要的环节。独立运行测试首先脱离 AI 客户端直接运行你的服务器脚本确保它不报错并能正常响应标准输入。你可以手动模拟输入比较复杂或者编写一个简单的测试客户端。使用mcp inspector这是一个官方提供的调试工具。你可以用mcp inspector连接你的服务器像“Postman for MCP”一样手动调用工具查看原始请求和响应这对于排查协议层面的问题至关重要。# 假设你的服务器通过 stdio 启动 npx modelcontextprotocol/inspector node your_server.js日志输出在你的服务器代码中关键位置加入日志输出打印到 stderr然后在客户端配置中观察这些输出。注意stdio 传输下打印到 stdout 的内容会被当作协议消息可能导致错误所以调试信息应输出到 stderr。4.3 生产环境部署考量如果你计划在团队或生产环境使用安全性权限最小化MCP 服务器通常具有调用它的 AI 客户端同等的系统权限。务必限制其能力范围。一个文件服务器不应该能删除系统关键文件。输入验证与沙箱对 AI 传入的参数进行严格校验。考虑在沙箱环境如 Docker 容器中运行不受信任的 MCP 服务器。敏感信息API 密钥、数据库密码等切勿硬编码在脚本或配置文件中。使用环境变量或安全的配置管理服务。可靠性进程管理对于 stdio 服务器客户端会负责启动和停止。但如果进程崩溃需要客户端有重连机制。对于生产级服务考虑使用SSE/HTTP传输并将服务器作为独立的守护进程使用 systemd, supervisor 等管理。错误处理服务器代码必须有健壮的错误处理避免因单个请求失败导致整个服务崩溃。性能与资源资源限制对服务器进程可使用的 CPU、内存进行限制防止某些工具调用如复杂查询耗尽资源。连接池对于数据库类服务器使用连接池而非每次调用创建新连接。配置管理团队使用时可以考虑将公共的 MCP 服务器配置做成模板或使用配置管理工具分发而不是每个人手动修改本地 JSON 文件。5. 常见场景与 TARE 项目集成思路结合热搜词我们看看一些典型场景连接数据库查数据(workbuddy自定义mcp连接数据库查数据)这正是 MCP 的强项。编写一个 MCP 服务器内部封装数据库连接如 SQLite、PostgreSQL、MySQL提供run_query、list_tables等工具。在工具描述中清晰定义 SQL 输入格式AI 就能生成查询并获取结果。操作特定软件(Unity MCP,Figma MCP,Playwright MCP)这些通常是通过软件的自动化 API 或 CLI 来实现。例如Unity MCP 服务器可能封装了 Unity Editor 的命令行接口或脚本 API让 AI 可以执行项目构建、资源导入等操作。关键在于找到目标软件的自动化接口。封装现有工具/脚本(mcp封装成工具)如果你已有一些实用的 Python/Shell 脚本可以为其编写一个 MCP 包装层。脚本接收参数执行任务返回结果。MCP 服务器负责协议通信和调用这个脚本。智能体编排与技能(mcp可以进行智能体编排吗?,skills rules mcp)MCP 本身是工具调用协议不直接处理复杂的多智能体编排。但更上层的智能体框架如 LangChain, AutoGen可以集成 MCP 客户端从而将成千上万个 MCP 工具作为底层能力库来调用。Skills和Rules通常是这些上层框架中用于组合和约束工具使用的概念。对于TARE项目它很可能是一个提供了多种预置 MCP 服务器或一个运行框架的集合。你的配置工作就是明确 TARE 提供了哪些具体的服务器如tare-filesystem,tare-code-search。按照 TARE 的文档准备好每个服务器所需的运行环境Node.js/Python 版本、依赖包。将每个服务器按照上述stdio或sse的方式正确配置到你的 Claude Desktop 或 Cursor 配置文件中。通过实际调用验证功能是否正常。整个流程的核心思想是MCP 协议标准化了 AI 与工具的对话方式而配置本地环境就是为你选择的 AI 客户端“安装”这些标准化工具的驱动程序。成功的关键在于仔细阅读工具服务器本身的文档并精确无误地在客户端配置中复现其启动方式。