接入 MCP 服务器：三种连接方式与工具启用

MCP（Model Context Protocol，模型上下文协议）是连接 AI 应用与外部工具的开放协议。一个 MCP 服务器就是一组能被 AI 调用的工具：接了论文检索服务器就能「帮我找最近的 RAG 论文」，接了日历服务器就能查日程。框架原生支持 MCP，入口在「插件 → MCP」标签页。

开始前的三个前提

已配好支持工具调用的对话模型，且使用内置 AI 执行方式（第三方 Agent 执行器是否支持取决于对应集成）
选好一个 MCP 服务器，读完它的说明：连接方式、配置内容、依赖、要不要令牌
确认它提供的是工具（tools）——这套流程主要把 MCP 工具交给 Agent

三种连接方式

方式	适合	需要准备
Streamable HTTP	远程 MCP 服务（首选）	MCP 地址、可选认证头
SSE	旧版 SSE 传输的远程服务	SSE 地址、可选认证头
stdio	在本机启动 MCP 程序	Python/uv/Node.js 等依赖

服务商给了远程地址就先用 Streamable HTTP，不用装任何额外环境。普通网页地址、REST API 地址不一定是 MCP 地址，别混填；SSE 地址也不能当 Streamable HTTP 地址用。

添加服务器五步走

「插件 → MCP」→ 右下角 + 新增
填服务器名（如 arxiv）
选模板，把服务文档给的 JSON 配置粘进「服务器配置」，替换地址与令牌
点「测试连接」，确认能拿到工具
保存，列表里应显示「已连接」和可用工具数

远程示例配置（地址为占位，照服务商实际文档填）：

{
  "transport": "streamable_http",
  "url": "https://example.com/mcp",
  "headers": { "Authorization": "Bearer YOUR_TOKEN" },
  "timeout": 30,
  "sse_read_timeout": 300
}

stdio 示例（论文检索服务，用 uv 启动）：

{ "command": "uv", "args": ["tool", "run", "arxiv-mcp-server", "--storage-path", "data/arxiv"] }

stdio 细节：command 是启动程序、args 是逐个参数，不能塞一整行 Shell 命令，环境变量写进 env 字段；依赖必须装在框架运行环境里（Docker 就装容器里）；Windows 路径在 JSON 里要转义双反斜杠。

让 Agent 真正用上工具

连接成功只是第一步——已连接不代表模型会调用：

打开人格设定，编辑当前使用的人格
在人格能力的工具列表里找到该 MCP 服务器，勾选服务器或指定工具
保存人格，确认对话用的就是它
用明确任务试探：「检索最近关于多模态 RAG 的论文，给我标题和链接」

管理与同步

点服务器条目改 JSON；开关控制连接/断开；删除只移除配置不卸载本地程序
右下角同步按钮支持从 ModelScope 拉取你在那边配置好的服务器（需个人访问令牌）
常见报错对照表（JSON 格式错、找不到 uv、401/403、有连接没工具、超时）见官方 MCP 文档页的 FAQ 表格，或插件报错顺藤摸瓜

安全底线：stdio 服务器会在你的环境里跑本地进程，只接可信来源；含令牌的配置别截图外传。