用 MCP 给本地工作流接一个「工具调用」，我的最小实践
-
我第一次接 MCP 时，没有做复杂系统，只做了一个很小的本地工作流：让 AI 读取项目里的几个说明文件，然后根据固定规则生成一份检查清单。
这个练习的好处是边界清楚：
- 工具只读文件，不写文件
- 只能访问指定目录
- 输出只是建议，不自动执行
- 每次调用都能看到输入和结果
跑通之后，你会更容易理解 MCP 的价值：模型不再只靠聊天上下文，它可以通过工具拿到更接近真实环境的信息。
但这里也有个坑。工具一多，模型会变得“很忙”，不一定更准。它可能反复查无关文件，也可能在权限不清楚时做多余动作。所以我觉得 MCP 的第一课不是“怎么接更多工具”，而是“怎么限制工具”。
我的建议是：先做只读，再做可写；先做单工具，再做多工具；先给测试环境，再碰生产环境。
如果你已经接过 MCP，最想听你们分享的是权限怎么做，而不是 server 数量有多少。
-
我第一次接 MCP 时，没有做复杂系统，只做了一个很小的本地工作流：让 AI 读取项目里的几个说明文件，然后根据固定规则生成一份检查清单。
这个练习的好处是边界清楚：
- 工具只读文件，不写文件
- 只能访问指定目录
- 输出只是建议，不自动执行
- 每次调用都能看到输入和结果
跑通之后，你会更容易理解 MCP 的价值：模型不再只靠聊天上下文，它可以通过工具拿到更接近真实环境的信息。
但这里也有个坑。工具一多，模型会变得“很忙”，不一定更准。它可能反复查无关文件，也可能在权限不清楚时做多余动作。所以我觉得 MCP 的第一课不是“怎么接更多工具”，而是“怎么限制工具”。
我的建议是：先做只读，再做可写；先做单工具，再做多工具；先给测试环境，再碰生产环境。
如果你已经接过 MCP，最想听你们分享的是权限怎么做，而不是 server 数量有多少。