深度解析 Claude Code 工具箱：从内置指令到 MCP 扩展的全方位指南 (2026最新)

type

Post

status

Published

date

Oct 14, 2025

slug

claude-code-mcp-guide-2026-lkenr8

summary

📌 来自：faafospecialist.substack.com (Substack) | 💡 掌握 Claude Code 工具集，开启高效的 Vibe Coding 自动化编程之旅。本文是“使用 Claude Code 进行 Vibe Coding”系列的第二篇，核心介绍了 Claude Code (CC) 的强大工具系统。内容涵盖了 CC 自带的内置工具、如何通过 YOLO 模式跳过权限确认并保障安全、MCP（模型上下文协议）的安装与管理，以及作者推荐的多个实用的 MCP 服务，旨在帮助开发者最大化 AI Agent 的操作能力。 | 🔑 关键词：Substack、faafospecialist.substack.com、FA&FO | 🤖 由Gemini 3 Flash (Google API)分析生成

前言

供参考：我计划记录并分享在使用 Claude Code 为 DevPocket.app 进行 Vibe Coding（氛围编程）时获得的所有经验。这个系列预计包含 8 篇文章：

[VB-01] 在 Claude Code 中使用 Sub-agents（子代理）的第一步

[VB-02] 关于 Claude Code 工具箱的一切

介绍

Claude Code (CC) 是一个支持编程的 CLI Agent（命令行代理），我认为它是目前市面上最出色的。CC 的核心优势之一就是它能够高效地使用各种工具。

默认工具

Claude Code 已经准备好了一套完整的工具集，让你能立即“开工”：

**浏览文件**： Ls、Grep、Glob

**创建与编辑**： Write、Edit、MultiEdit

**执行命令**： Bash

**搜索互联网**： WebSearch、WebFetch

**任务管理**： TodoWrite、TodoRead

**任务调度**：召唤 Sub-agents（子代理）

权限管理

当你使用 `claude` 命令启动时，CC 会以默认权限运行，这意味着它在使用每一个工具前都会请求许可。

这种方式确保了绝对的安全性，因为 AI 并不完美，也会犯错。谁知道哪天它会不会突然想“删除电脑上所有法语目录”？（比如误执行 `rm -fr /*`）。

*注：这只是个玩笑，请千万不要尝试，这会毁了你的电脑。*

安全归安全，但我发现这挺烦人的，因为每次启动不同项目时，我都得重新接受一遍这些工具的权限请求。

YOLO MODE（你只活一次模式，但依然安全）

如果你使用 `--dangerously-skip-permissions` 标志运行 CC，就可以跳过那些烦人的权限确认过程。

然而，“能力越大，责任越大”。还记得我上面说的吗？如果不小心，它删掉的可能不是“法语目录”，而是整个文件系统。

使用 YOLO 模式时确保安全的方案

拒绝特定命令： 在 CC 的设置文件（`~/.claude/settings.json`）中，有一个 `commands.deny` 部分。把你不允许 CC 自动执行的命令放进去（比如 `rm`，或者像 `prisma db push` 这种会写入/更新数据库记录的命令）。

**Dev Container（开发容器）**：运行一个预装了 Claude Code 的 Docker 容器，并将项目目录挂载（Volume Mount）进去，然后在容器的 Shell 中自由地使用 “YOLO” 模式。

小技巧：我在 `~/.zshrc` 中创建了别名 `cc="claude"` 和 `ccd="claude --dangerously-skip-permissions"`，以便更快地启动 CC。

MCP Servers（模型上下文协议服务器）

我想现在已经不需要再解释什么是 MCP（Model Context Protocol）了，因为它已经非常流行。

安装方法

有两种安装方式，一种是基于命令的，另一种是基于 JSON 配置的：

**基于命令**： `claude mcp add --transport http github -s user https://api.githubcopilot.com/mcp/`

**基于 JSON**： `claude mcp add-json weather-api {"type":"stdio","command":"/path/to/weather-cli","args":["--api-key","abc123"],"env":{"CACHE_DIR":"/tmp"}}`

在 CC 中安装 MCP 非常简单；大多数 MCP 在其 README 中都有针对 CC 的专门安装说明。如果没有，你可以把 MCP 的仓库链接发给 ChatGPT 或 Claude，让它们帮你生成安装命令。

MCP 管理范围

CC 根据 3 种范围类型管理 MCP：

**Local（本地，默认）**： MCP 配置保存在 `~/.claude/settings.json` 中。这是一个单一的 JSON 文件，当项目变多时可能会变得非常庞大。

Project（项目级，通过仓库共享）： 在 `/path/to/project/.mcp.json` 创建或更新。方便在团队成员间共享 MCP。注意 API Keys（API 密钥），因为提交到公共仓库可能会泄露密钥。

**User（全局用户级）**：在此范围安装的 MCP 可跨所有项目使用，同样保存在 `~/.claude/settings.json` 中。安装时使用 `-s user` 标志。

小技巧：不要安装太多的 MCP。每个 MCP 服务器都包含很多工具；仅仅安装 5 个 MCP 服务器就足以导致注意力分散并消耗大量的 Tokens（令牌）。

我常用的一些 MCP

Context7

非常有名，CC 调用 Context7 工具来读取最新的文档，帮助避免在像 Tailwind 3 与 4 这种有破坏性变更的版本之间产生混淆。

Serena MCP

使用基于符号的分析进行语义搜索，提升 CC 理解源代码的能力。

PostgreSQL MCP

适用于使用 Postgres 的项目。我会屏蔽 Write（写入）命令，仅允许 Read（读取）以便进行稳定的调试。

MongoDB MCP（项目特定）

用于仍在使用 Mongo 的旧项目。我使用的是开源替代版本，因为原版很难安装。

Playwright MCP

虽然也可以用 Puppeteer MCP，但我发现 Playwright 更好。应该在 `CLAUDE.md` 中加入说明，以便 CC 知道如何使用它。例如：拍摄桌面和移动端的屏幕截图，或读取开发者控制台日志。

Github MCP

用于创建 Pull Requests（拉取请求）并要求 CC 读取 Github Actions 日志来修复问题。

Figma MCP

很少使用，主要只是读取图层结构。我看到 Figma 官方出了 Dev Mode MCP，但还没试过。

Repomix

虽然它有 MCP，但我发现没必要，因为你只需要运行一个非常简单的命令：`repomix`。这是让 AI 掌握整个代码库的最佳方案，比 Serena 或 Memory MCP 更好。需要在 `CLAUDE.md` 中明确说明仅在需要时激活（如重构、功能实现、修复重大 Bug）。

其他一些 MCP（我不常用但别人在用）

**FileSystem**： CC 本身就能读取文件系统，我不理解这个 MCP 的意义。

**Memory**： CC 也有内置记忆功能，可以使用知识图谱记忆或 Serena。Mem0 团队的 OpenMemory 据说也很不错。

安全提醒

在 “YOLO” 模式下运行 CC 意味着 CC 拥有使用 MCP 服务器工具的全权。AI 和 MCP 都是新技术，安全性仍有很多需要深入研究的地方。如果你遇到来自任何 MCP 的 Prompt Injection（提示词注入），你电脑上的所有数据都可能被黑客窃取。

这就是我创建 DevPocket.app 的原因——一个以手机端独立容器形式存在的开发环境：

可以自由使用 CC 的 “YOLO” 模式，无需担心安全问题。

利用云端数据中心系统的极快网速。

结语

在下一篇文章中，我将分享我的 Prompting（提示词）技巧。如果大家知道任何有趣的 MCP，请在评论区分享！感谢阅读！

📌 关键收获

对 Grace 的启示

**效率与安全的平衡**：在做独立站开发或自动化脚本时，可以配置 `ccd` 别名开启 YOLO 模式提效，但务必在 `settings.json` 中把 `rm` 和数据库删除命令加入黑名单，防止 AI “误拆” 你的生产环境。

**善用 Context7 解决技术迭代快的问题**：跨境电商常用的前端框架（如 Next.js 或 Tailwind）更新极快，AI 的训练数据往往过时。通过配置 Context7 MCP，让 Claude Code 读取实时文档，能极大减少因版本差异导致的 Bug。

**建立项目级的 CLAUDE.md 指南**：像作者提到的 Repomix 和 Playwright 那样，在每个独立站项目的根目录维护一个 `CLAUDE.md`，明确告知 AI 什么时候该用什么工具，这是实现“高成功率自动化”的关键。

With great power comes great responsibility. 能力越大，责任越大。

👉

想了解更多细节？ 查看原文 →

前言

介绍