MCP Server 接入实战: 9种平台配置差异与凭证安全

欢迎关注我的博客：Blockbuster-drug 的CSDN 博客主页 

专栏推荐：Agent智能体系列

摘要：本文按各平台官方文档逐一核实（2026-09），系统梳理 MCP（Model Context Protocol）配置的核心概念与实战要点。文章先厘清 MCP 配置的本质——在每个客户端自己的配置文件中声明启动哪个 server、怎么连、带什么环境变量；随后给出 Claude Desktop、Claude Code、Cursor、VS Code、Windsurf、Codex CLI、Gemini CLI、Hermes Agent、OpenClaw、DSH 共 9 个平台的配置文件位置、顶层键名与最小配置示例，并重点提示各平台最容易踩的路径坑。接着从数据上下文、工具与操作、感知交互、记忆状态四个维度说明 MCP 能扩展什么，并以收发邮件为例演示敏感凭证的安全姿势。最后介绍 MCP Server 的四类来源（官方参考实现、社区开源、SaaS 官方、自研）与通用接入四步范式，给出选型建议。

你在 Claude 里配好的 MCP server，搬到 Cursor 或 VS Code 上死活不生效；网上教程给的路径五花八门，有的还把 Claude Code 的用户级配置写错位置。这篇按各平台官方文档逐一核实（2026-09），给你一张 9 平台对照表、每家的最小配置示例、最容易踩的路径坑（比如 Claude Code 的 ~/.claude/mcp.json 是官方明确不读取的路径），以及凭证安全的正确姿势。你读完能直接照抄配置，让 Agent 用上外部工具。

关键字： MCP；Model Context Protocol；Claude Code；Cursor；VS Code；Hermes Agent；OpenClaw；Agent 配置

9平台MCPserver配置快速对照表

一张表看懂共性与差异：概念模型是统一的（每个 server 一条：transport + 启动命令/URL + 环境变量），差异在文件路径、格式（JSON/TOML/YAML/JSON5）和顶层键名。从 Cursor 迁移到 VS Code，最大的改动就是把 mcpServers 改成 servers。

一、先弄清一个容易混淆的问题：MCP 配置到底管什么

MCP（Model Context Protocol）服务器是 AI Agent 与外部世界之间的标准化通用接口——它把"能力"从模型本身解耦出来，Agent 以插件化方式获得扩展。但很多教程一上来就贴 JSON，没说清一个关键区分：

• MCP 配置文件告诉客户端（Claude Desktop、Cursor、VS Code……）启动哪些 server 进程——这是运维层面的事；
• tool calling format（工具的 schema 描述）是模型推理层面的事，由客户端自动桥接——你不需要手动管理。

所以 MCP 配置的本质就一句话：在每个客户端自己的配置文件里，声明"启动哪个 server、怎么连、带什么环境变量"。真正的坑不在协议，而在各家路径和格式不统一。下面逐个平台讲。

1.1 Claude（Desktop + Code）

Claude Desktop 用单一 JSON 文件：

• macOS：~/Library/Application Support/Claude/claude_desktop_config.json
• Windows：%APPDATA%\\Claude\\claude_desktop_config.json
• Linux：~/.config/Claude/claude_desktop_config.json
• 最快入口：应用内 Settings → Developer → Edit Config 直达这个文件

{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path"]
}
}
}

三个实操坑（2026 高频）：

Claude Code（CLI） 的 scope 模型最容易配错，三种 scope、两个文件：

• 添加命令：claude mcp add <name> — <command> [args…]，用 –scope project / –scope user 切换
• 查看已配：claude mcp list

🔴 最常见的错误配置：网上大量教程写"用户级全局配置在 ~/.claude/mcp.json"——官方文档明确列出 Claude Code 不读取这个路径（也不读 ~/.claude/.mcp.json、~/.claude/config/mcp.json、%APPDATA%\\Claude\\mcp.json）。用户级配置就在 ~/.claude.json——注意是家目录下这一个文件，不是 ~/.claude/ 目录里的任何文件。配错了的症状：server 永远不出现，且没有任何报错。

1.2 Cursor

Cursor 从两个位置读 mcp.json，两份合并生效：

• 项目级（可随 git 分享给团队）：项目根 .cursor/mcp.json
• 全局（个人、所有项目）：~/.cursor/mcp.json（Windows：%USERPROFILE%\\.cursor\\mcp.json）
• 同名 server 两国都定义时，项目级优先

顶层 key 是 mcpServers，与 Claude Desktop 同构，配置可以直接复制。加分项：

• 支持变量插值：${env:NAME}、${userHome}、${workspaceFolder}——token 不用硬编码进文件
• Cursor Marketplace 有 "Add to Cursor" 一键安装（含 OAuth），社区目录在 cursor.directory
• 改完配置在 Settings → Tools & MCP 里把 server 关掉再打开（或点刷新），这是"为什么没生效"的头号原因

{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "${env:GITHUB_TOKEN}"
}
}
}
}

1.3 VS Code（Copilot）

VS Code 的坑最隐蔽：顶层 key 是 servers，不是 mcpServers。写错了 VS Code 静默忽略，一个工具都不会加载，也不报错。

• 工作区级：项目根 .vscode/mcp.json（可提交 git 分享）
• 用户级：命令面板（⇧⌘P / Ctrl+Shift+P）→ MCP: Open User Configuration，打开用户 profile 下的 mcp.json；多 profile 时每个 profile 各一份
• 也可走 settings.json 的 mcp 键
• 需要 VS Code 1.99+，工具在 Copilot 的 agent mode 里用

{
"servers": {
"filesystem": {
"type": "stdio",
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path"]
}
},
"inputs": [
{
"type": "promptString",
"id": "github_token",
"password": true,
"description": "GitHub PAT"
}
]
}

inputs 数组是 VS Code 独有的密钥管理：${input:github_token} 引用，弹窗输入，不落盘。

1.4 Windsurf / Codex CLI / Gemini CLI（三个 CLI 派）

Windsurf（Cascade 引擎）：

• 配置文件：~/.codeium/windsurf/mcp_config.json（Windows：%USERPROFILE%\\.codeium\\windsurf\\mcp_config.json）
• 顶层 key mcpServers；远程 server 用 serverUrl + headers
• 支持两种插值：${env:VAR} 环境变量、${file:~/.secrets/api_key.txt} 直接从文件读密钥

Codex CLI（OpenAI，与 ChatGPT 桌面版、IDE 扩展共用配置）：

• 配置文件：~/.codex/config.toml——注意是 TOML 不是 JSON
• 项目级 .codex/config.toml 只在"受信任项目"里加载——克隆陌生仓库时其自带配置不会生效（安全设计）
• 命令添加：codex mcp add <name> — <command>，远程用 codex mcp add <name> –url <address>
• server 条目支持 enabled_tools / disabled_tools / default_tools_approval_mode（auto/prompt/approve）
• 默认超时：启动 10s、工具调用 60s，重 server 记得调大

[mcp_servers.context7]
command = "npx"
args = ["-y", "@upstash/context7-mcp"]

Gemini CLI（Google）：

• 配置文件：全局 ~/.gemini/settings.json，项目级 .gemini/settings.json
• 顶层 key 回到 mcpServers；stdio（command/args）与 HTTP（url/headers）写同一文件

1.5 Hermes Agent

Hermes Agent 的 MCP 支持随标准安装内置，配置写在 ~/.hermes/config.yaml 的 mcp_servers: 键下，本地 stdio 与远程 HTTP server 写在同一处：

mcp_servers:
filesystem:
command: "npx"
args: ["-y", "@modelcontextprotocol/server-filesystem", "~/projects"]

启动时自动发现并注册工具，MCP 工具像原生工具一样被 Agent 调用。按 server 过滤用 mcp_servers.<name>.tools.include；配好凭证后安装时会呈现工具勾选清单（空格切换、回车确认），只暴露你勾选的工具。官方还维护一份策展目录——条目经 Nous 员工审核（仓库 optional-mcps/ 目录），安装前能看到 source 链接和需要什么凭证；API key 安装时提示写入 ~/.hermes/.env，远程 server 支持 auth: oauth（首次连接开浏览器完成授权）。

1.6 OpenClaw

配置在 ~/.openclaw/openclaw.json 的 mcp.servers 键下：

{
mcp: {
servers: {
docs: {
url: "https://mcp.example.com/mcp",
transport: "streamable-http",
enabled: true
}
}
}
}

每个 server 需要一个 command（stdio）或 url（远程）；openclaw mcp list / add / probe / doctor / login 等 CLI 子命令管理全生命周期。进阶能力（如需再查文档）：headers、OAuth、TLS、超时、toolFilter 按工具名过滤。

1.7 DSH（DeepSeek Harness）

DSH 不用独立 mcp.json，MCP 通过插件 @deepseek-ai/dsh-mcp-client 挂载，配置写在 profile 的补丁层：

• 配置文件：~/.dsh/profiles/<profile>/cordis.patch.yml
• 一个插件实例连一个 server，工具注册为 mcp__<serverName>__<工具名>
• 支持 stdio 和 streamable-http 两种 transport

– insert:
– id: filesystem-mcp
name: '@deepseek-ai/dsh-mcp-client'
config:
transport: stdio
serverName: filesystem
command: npx
args: ['-y', '@modelcontextprotocol/server-filesystem', '~/data']
env: {}
failOnStartupError: false

改完重启 dsh web 生效。注意 DSH 默认零 MCP 连接是官方安全设计——每个 server 命令都是 agent 沙箱外的可信执行代码，需要你显式启用。

1.8 mcpServers 配置模板与字段详解

前面每家给的都是最小示例，这里把通用字段集中讲透。两种形态各一个模板，覆盖 90% 的配置场景。

形态一：本地 stdio server（server 作为子进程在你机器上跑）：

{
"mcpServers": {
"<server名>": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-xxx"],
"env": {
"API_KEY": "<凭证>"
}
}
}
}

形态二：远程 HTTP server（server 部署在远端，客户端直连）：

{
"mcpServers": {
"<server名>": {
"type": "streamable-http",
"url": "https://mcp.example.com/mcp",
"headers": {
"Authorization": "Bearer <token>"
}
}
}
}

逐字段解释：

两个容易被忽略的通用机制：

各平台的独有字段（VS Code 的 inputs、Codex 的 enabled_tools、DSH 的 toolCallTimeoutMs 等）见前面对应小节，这里不重复。

二、MCP 能扩展什么：四个维度 + 凭证安全实战

MCP Server 主要扩展 Agent 的四个核心方面，每个维度配一个实操场景。

2.1 数据上下文（Data & Context）

Agent 本身的知识是静态且有限的。MCP Server 允许 Agent 动态访问私有、实时或特定领域的数据源，作为上下文注入推理过程。

• 本地文件系统：让 Agent 直接读取、搜索和分析你电脑上的代码库、文档或日志（如 filesystem MCP）
• 数据库查询：连接 PostgreSQL、SQLite 等，让 Agent 理解表结构并执行 SQL 获取业务数据
• SaaS 平台数据：接入 Notion、Google Drive、Confluence，检索企业内部知识库
• 实时信息流：接入股票行情、天气 API 或新闻聚合器，提供训练数据之外的实时事实

实操：连接本地 SQLite 数据库。 场景：让 Agent 分析本地的 analytics.db，回答"上个月销售额最高的产品是什么？"

第一步，启动官方 SQLite MCP Server：

npx -y @modelcontextprotocol/server-sqlite –db-path /path/to/analytics.db

第二步，在客户端配置文件中添加：

{
"mcpServers": {
"sqlite-analytics": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-sqlite", "–db-path", "/path/to/analytics.db"]
}
}
}

第三步，直接在对话框提问"查询 analytics 库中上月销售冠军"。Agent 会自动调用 query 工具，生成并执行 SQL，返回结构化结果而非原始数据。

关键点：Agent 不需要知道数据库密码或连接字符串，MCP Server 封装了所有连接细节，且只暴露安全的查询接口。

2.2 工具与操作能力（Tools & Actions）

最常见的扩展方式。MCP Server 将外部系统的 API 封装为标准 Tool，使 Agent 从"只能聊天"变为"能执行任务"。

• 开发运维：通过 GitHub/GitLab MCP 创建 PR、管理 Issue；通过 Docker/K8s MCP 部署容器或查看 Pod 状态
• 办公自动化：通过 Slack/飞书 MCP 发送消息、安排会议；通过 Jira MCP 更新任务状态
• 浏览器操控：通过 Puppeteer/Playwright MCP 让 Agent 打开网页、填写表单、截图或抓取动态渲染内容
• 支付与交易：在受控环境下调用 Stripe 或内部支付网关接口（需严格权限控制）

实操：通过 GitHub MCP 创建 PR。 场景：代码修改完成后，让 Agent 自动提交分支并创建 Pull Request。

第一步，获取 GitHub Personal Access Token，权限包含 repo。第二步，配置 server（Token 走环境变量）：

{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": {
"GITHUB_PERSONAL_ACCESS_TOKEN": "<你的PAT>"
}
}
}
}

第三步，对 Agent 说："把当前 feature/login-fix 分支推送到远程，并创建一个 PR 到 main，标题是'修复登录验证逻辑'"。Agent 会依次调用 create_branch、push_commit、create_pull_request 完成任务。

关键点：Token 仅存在于 MCP Server 进程中，Agent 本身永远看不到凭证，避免密钥泄露。

2.3 感知与交互模态（Perception & Interaction）

MCP 不限于文本输入输出，还能扩展 Agent 的感知通道和反馈形式。

• 多模态输入：接入摄像头或屏幕共享 MCP，让 Agent "看到"当前界面或物理环境进行视觉分析
• 语音交互：接入 TTS/STT MCP，让 Agent 具备语音播报或语音指令识别能力
• IDE 集成：在 VS Code 或 Cursor 中，通过 MCP 让 Agent 感知当前打开的文件、光标位置和编辑器状态，实现精准的代码补全或重构

实操：Puppeteer MCP 操控浏览器。 场景：让 Agent 打开竞品网站，截图并分析其定价页面布局。

第一步，安装 Puppeteer MCP Server：

npm install -g @modelcontextprotocol/server-puppeteer

第二步，配置：

{
"mcpServers": {
"browser": {
"command": "node",
"args": ["/global/path/to/server-puppeteer/dist/index.js"]
}
}
}

第三步，指令："打开 https://competitor.com/pricing ，等待页面加载完成，截取全屏图片，然后告诉我他们的企业版价格是多少"。Agent 会调用 navigate → screenshot → evaluate（提取 DOM 文本）一系列工具，并将截图作为图像上下文传回给自己做视觉分析。

关键点：突破了纯文本限制，Agent 能处理动态渲染的 SPA 页面，这是传统 API 调用无法做到的。

2.4 记忆与状态管理（Memory & State）

LLM 本身是无状态的。MCP Server 可以为 Agent 提供持久化的记忆层。

• 长期记忆存储：接入向量数据库（如 Chroma、Pinecone）或知识图谱 MCP，让 Agent 记住跨会话的用户偏好、历史决策或学到的新知识
• 会话状态同步：多 Agent 协作场景中，通过共享的 Redis/Memcached MCP 同步任务进度和中间结果
• 用户画像管理：连接 CRM 或用户配置服务，让 Agent 在每次对话开始时自动加载用户的个性化设置

实操：接入 ChromaDB 向量数据库。 场景：让 Agent 记住你在过去 10 次对话中提到的所有技术偏好和项目背景。

第一步，启动本地 ChromaDB 服务，安装社区 Chroma MCP Server：

pip install mcp-server-chroma

第二步，配置：

{
"mcpServers": {
"memory": {
"command": "python",
"args": ["-m", "mcp_server_chroma"],
"env": {
"CHROMA_HOST": "localhost",
"CHROMA_PORT": "8000",
"COLLECTION_NAME": "user_long_term_memory"
}
}
}
}

第三步，Agent 使用方式——写入：每次对话结束时，Agent 自动调用 upsert_memory 存储关键信息（如"用户偏好 TypeScript + Bun 运行时"）；读取：新对话开始时，Agent 先调用 search_memory 检索相关上下文再开始回答，实现跨会话的个性化体验。

关键点：将非结构化对话转化为可检索的向量记忆，解决了 LLM "金鱼记忆"的根本缺陷。

四个维度的核心价值对比：

2.5 敏感凭证实战：收发邮件

推荐方案是社区维护的通用邮件 Server mcp-server-email（IMAP/SMTP），支持 Gmail、Outlook、企业邮箱。

• 能力：读取收件箱、搜索邮件、发送邮件、管理文件夹
• 使用方式："查看今天未读邮件，摘要列出主题和发件人"、"给 alice@example.com 发一封邮件，主题是'会议纪要'"、"搜索过去一周来自 boss@company.com 的所有邮件"

{
"mcpServers": {
"email": {
"command": "npx",
"args": ["-y", "@anthropic/mcp-server-email"],
"env": {
"EMAIL_ADDRESS": "user@gmail.com",
"EMAIL_PASSWORD": "xxxx xxxx xxxx xxxx",
"IMAP_HOST": "imap.gmail.com",
"IMAP_PORT": "993",
"SMTP_HOST": "smtp.gmail.com",
"SMTP_PORT": "587"
}
}
}
}

🔴 关键安全提示：Gmail 等主流邮箱禁止直接使用账户密码。必须生成 App Password（应用专用密码）：Google 账户 → 安全 → 两步验证 → 应用专用密码。这个密码只能用于 SMTP/IMAP，无法登录网页，即使泄露风险也有限。

替代方案：

两种场景的安全原则对比：

核心思想：MCP 的设计哲学是把**"认证"和"能力描述"**彻底分离。Agent 只需要知道"我能查销售报表"，而不需要知道"用什么密码连哪个库"。所有敏感信息都封装在 MCP Server 进程内部，这是比传统 Function Calling 更安全、更适合生产环境的架构。

三、MCP Server 从哪里来：四类来源

四类来源不改变 1.8 配置模板的结构，只决定你往模板空格里填什么——选哪种形态、command 还是 url、凭证放哪。先看总表再逐类展开：

一句话：前三类是"选货"——货的形态决定你填 command 还是 url；3.4 是"造货"——连字段怎么设计都是你定的。

3.1 官方参考实现

由 Anthropic MCP 团队维护，质量最高、文档最全，通常作为开发标杆。

• 仓库：modelcontextprotocol/servers (GitHub)
• 典型例子：server-filesystem（本地文件读写）、server-postgres / server-sqlite（数据库查询）、server-github（GitHub API 封装）、server-puppeteer（浏览器自动化）、server-slack（Slack 消息收发）
• 获取方式：直接 npx -y @modelcontextprotocol/server-xxx 运行，无需全局安装

3.2 社区/第三方开源 Server

由开发者或企业贡献，覆盖长尾场景，生态最活跃。

• 发现渠道：MCP Servers 目录站（mcp.so、glama.ai/mcp/servers、smithery.ai）；GitHub 搜关键词 mcp-server；npm/PyPI 搜 mcp-server-*
• 典型例子：mcp-server-chroma / mcp-server-qdrant（向量数据库记忆）、mcp-server-notion / mcp-server-confluence（知识库集成）、mcp-server-docker（容器管理）、mcp-server-brave-search（网络搜索）、@anthropic/mcp-server-fetch（网页抓取，比 Puppeteer 轻量）
• 注意：社区 Server 质量参差不齐，使用前务必审查源码和权限声明

怎么填模板（以社区 Chroma server 为例，PyPI 包走 python -m）：

{
"mcpServers": {
"memory": {
"command": "python",
"args": ["-m", "mcp_server_chroma"],
"env": {
"CHROMA_HOST": "localhost",
"CHROMA_PORT": "8000"
}
}
}
}

判别口诀：npm 包名以 @xxx/ 开头或纯小写连字符 → npx -y <包名>；PyPI 装完后 README 让你 python -m 或给了 entry point → command: python + args 带模块名。社区 server 的 env 字段名以它 README 的说明为准，没有统一规范——填之前先读它的配置文档。

3.3 SaaS 厂商官方 Server

越来越多的 SaaS 产品原生支持 MCP，作为其 API 的替代接入方式。

• 典型例子：Cloudflare（Workers、KV、R2 管理）、Stripe（支付、客户管理）、Linear / Jira（项目管理原生支持）、Neon / Supabase（云数据库托管 server）
• 优势：与平台深度集成，认证流程更规范（如 OAuth），更新与平台 API 同步

怎么填模板——先看厂商给的是哪种货，两种都有实例：

云托管（如 Neon），直接走 HTTP 形态，url 填厂商端点、headers 放 API key：

{
"mcpServers": {
"neon-prod": {
"command": "npx",
"args": ["-y", "@neondatabase/mcp-server-neon"],
"env": {
"NEON_API_KEY": "neon_sk_xxxxxxxx"
}
}
}
}

厂商发 npm 包装（如 Cloudflare），本质还是 stdio 进程，command/args/env 三件套：

{
"mcpServers": {
"cloudflare": {
"command": "npx",
"args": ["-y", "@cloudflare/mcp-server-cloudflare"],
"env": {
"CLOUDFLARE_API_TOKEN": "<token>"
}
}
}
}

注意上面 Neon 的例子：虽然是"云数据库厂商"，但它发的也是 npm 包装——url 直连形态多见于厂商提供托管端点时（如 https://mcp.厂商.com/mcp）。判断方法就一条：厂商文档给端点地址就走形态二，给安装命令就走形态一。

3.4 自研 MCP Server

现有 Server 无法满足需求时，用官方 SDK 自己编写。

• SDK：TypeScript @modelcontextprotocol/sdk；Python mcp（PyPI）；Kotlin / Rust / C# 社区维护
• 最小示例（Python）：

from mcp.server.fastmcp import FastMCP
mcp = FastMCP("my-tool-server")
@mcp.tool()
def get_internal_metrics(env: str) -> dict:
"""获取内部监控指标，仅允许 prod/staging"""
if env not in ("prod", "staging"):
raise ValueError(f"非法环境: {env}")
# 调用内部 API…
return {"cpu": 0.45, "memory": 0.72}
if name == "main":
mcp.run(transport="stdio")

• 适用场景：对接公司内部系统、遗留 API、需要特殊鉴权逻辑或数据脱敏的场景

怎么填模板——自研 server 的填法取决于你把它跑在哪：

本地脚本（和 Agent 同机）→ stdio 形态，command 直接指向你的脚本：

{
"mcpServers": {
"internal-db": {
"command": "python",
"args": ["/path/to/internal_db_mcp.py"],
"env": {
"VAULT_DB_PASSWORD": "<从 Vault 注入>"
}
}
}
}

部署到内网服务器（多客户端共用、集中管凭证）→ server 加 transport="streamable-http" 启动，客户端改成 HTTP 形态连 url。这是自研独有的优势：tool schema 暴露面（哪些工具、参数怎么描述）是你设计 @mcp.tool() 装饰器时定的——Agent 能看到什么、看不到什么，从源头可控（第二章 2.5 的凭证隔离思想落地处）。

怎么判断一个 MCP Server 能不能用？

实用建议：初学者从官方参考实现入手验证流程；生产环境优先选择 SaaS 官方 Server 或自研；社区 Server 适合原型验证和个人项目，使用前务必做安全审查。

四、通用接入流程：四步范式

无论扩展哪个方面、无论哪个平台，操作都遵循同一范式：

这种**"配置即集成"**的模式，正是 MCP 相比传统 Function Calling 最大的工程价值——能力扩展不再需要改模型、改代码，只需加一条配置。

⚠️ 安全提醒：MCP Server 的扩展能力也带来安全风险。生产环境中必须实施严格的权限最小化原则、输入验证和审计日志，防止 Agent 被提示注入攻击诱导执行危险操作（如删除数据库、泄露敏感文件）。

五、结语与选型建议

MCP Server 把 Agent 从一个**"封闭的语言模型"变成了一个"开放的系统集成节点"**，使其能够真正嵌入到实际的工作流和业务系统中。选型上给三条直接建议：

参考来源

• MCP 官方规范：https://modelcontextprotocol.io
• Claude Code MCP 文档：Connect Claude Code to tools via MCP – Claude Code Docs
• Cursor MCP 文档：Model Context Protocol (MCP) | Cursor Docs
• VS Code MCP 文档：Add and manage MCP servers in VS Code
• OpenClaw MCP 文档：Connect MCP servers – OpenClaw
• Hermes Agent MCP 文档：MCP (Model Context Protocol) | Hermes Agent
• MCP 官方 servers 仓库：GitHub – modelcontextprotocol/servers: Model Context Protocol Servers · GitHub

 欢迎关注我的博客：Blockbuster-drug 的CSDN 博客主页 

专栏推荐：Agent智能体系列