用演進(jìn))
1. 從 Function Call 到 MCPLLM 工具調(diào)用到底在解決什么問題如果你剛開始接觸 LLM 應(yīng)用開發(fā)大概率會遇到一個繞不開的坎模型知道很多事但它不知道「你公司今天誰請假了」「現(xiàn)在北京天氣幾度」「數(shù)據(jù)庫里訂單 1024 的狀態(tài)是什么」。這些信息不在訓(xùn)練數(shù)據(jù)里模型再強(qiáng)也答不出來。Function Call 就是第一代解法。你在請求里聲明幾個函數(shù)模型判斷用戶問題需要調(diào)用哪個函數(shù)返回一個 JSON 結(jié)構(gòu)的調(diào)用意圖你的代碼去執(zhí)行再把結(jié)果塞回對話。這套流程能跑通但問題也很明顯每個模型廠商的 Function Call 格式都不一樣。OpenAI 一套、Anthropic 一套、國內(nèi)各家又一套。你為一個工具寫好的接入代碼換個模型就得重寫。MCPModel Context Protocol模型上下文協(xié)議要解決的就是這個碎片化問題。它把「模型怎么發(fā)現(xiàn)工具、怎么調(diào)用工具、怎么拿回結(jié)果」抽象成一套統(tǒng)一協(xié)議工具提供方只需要實(shí)現(xiàn)一個 MCP Server就能被所有支持 MCP 的客戶端復(fù)用。你可以把它理解成 LLM 工具調(diào)用領(lǐng)域的 USB-C 接口——以前每個設(shè)備一個充電口現(xiàn)在統(tǒng)一了。這篇文章面向剛接觸工具調(diào)用的開發(fā)者我會先用 Function Call 和 MCP 的對比講清定位差異然后給出一份可復(fù)制的 MCP Server 最小配置最后帶你跑通一次完整的工具調(diào)用驗(yàn)證。讀完你至少能在自己項(xiàng)目里跑通第一個 MCP 流程。適合誰看寫過或準(zhǔn)備寫 Function Call 的開發(fā)者、想讓自己的服務(wù)被 AI 客戶端調(diào)用的后端同學(xué)、以及想搞清楚 MCP 到底是不是「又一個新概念」的工程師。2. TaoToken 前置準(zhǔn)備MCP 工具調(diào)用接入的 API Key 與 Base URL 配置在跑通 MCP 之前你需要一個能發(fā)起工具調(diào)用的模型入口。MCP 本身是協(xié)議層它不提供模型能力模型還是要通過 API 來訪問。這里我用 TaoToken 作為模型接入層來演示因?yàn)樗瑫r兼容 OpenAI 風(fēng)格的 Function Call 和 Anthropic 風(fēng)格的 tool use方便你在同一套配置里對比兩種調(diào)用方式。先拿到訪問憑證。打開 https://taotoken.net/api-keys 登錄后創(chuàng)建一個 API Key復(fù)制保存。這個 Key 后面會寫進(jìn) MCP 客戶端的配置里注意不要提交到 Git 倉庫。Base URL 用 https://taotoken.net/api 這是 OpenAI 兼容端點(diǎn)。如果你用的是 Anthropic SDK 或 Claude Code 這類工具端點(diǎn)路徑會略有不同具體可以參考 https://taotoken.net/doc 里的接入說明。模型 ID 方面工具調(diào)用能力比較穩(wěn)的有 claude-sonnet-4-20250514、gpt-4o、deepseek-chat 等。MCP 場景下我建議優(yōu)先選支持并行工具調(diào)用的模型因?yàn)?MCP 客戶端經(jīng)常需要一次性拉取多個工具的描述。這里有個容易踩的坑很多人以為 MCP 是模型自帶的能力配好 Key 就能用。實(shí)際上 MCP 是客戶端側(cè)實(shí)現(xiàn)的協(xié)議模型只負(fù)責(zé)「決定調(diào)不調(diào)、調(diào)哪個、傳什么參數(shù)」真正的工具發(fā)現(xiàn)和調(diào)用編排是 MCP 客戶端在做。所以你的配置要分兩部分模型 API 配置 MCP Server 配置。如果你打算長期做編碼類 Agent 或復(fù)雜工具鏈可以了解一下 Coding Planhttps://taotoken.net/coding-plan 它在多輪工具調(diào)用場景下的額度策略更適合持續(xù)開發(fā)。只是驗(yàn)證一次 MCP 流程的話普通 API Key 就夠了。3. 可復(fù)制的 MCP Server 最小配置JSON 與 TOML 片段MCP 的配置格式取決于你用的客戶端。目前主流的有 Claude Desktop 的 JSON 配置、Cline / Roo Code 的 JSON 配置、以及 Codex 的 auth.json config.toml 組合。我逐個給出最小可用片段。先看最通用的 JSON 格式Claude Desktop 和多數(shù) VS Code 插件都用這個結(jié)構(gòu)。文件路徑在 macOS 上是~/Library/Application Support/Claude/claude_desktop_config.jsonWindows 上是%APPDATA%\Claude\claude_desktop_config.json{ mcpServers: { weather-demo: { command: npx, args: [-y, modelcontextprotocol/server-everything], env: { API_KEY: 你的_TaoToken_Key, BASE_URL: https://taotoken.net/api } } } }這段配置的意思是啟動一個名為 weather-demo 的 MCP Server用 npx 拉取官方示例包并通過環(huán)境變量注入模型訪問憑證。server-everything是 MCP 官方提供的測試服務(wù)器內(nèi)置了天氣查詢、加法計(jì)算等示例工具非常適合第一次驗(yàn)證。如果你用的是 Cline 或 Roo Code配置寫在 VS Code 的 settings.json 里結(jié)構(gòu)類似但外層鍵名是mcpServers直接掛在根上{ mcpServers: { weather-demo: { command: npx, args: [-y, modelcontextprotocol/server-everything], env: { API_KEY: 你的_TaoToken_Key, BASE_URL: https://taotoken.net/api }, disabled: false, autoApprove: [] } } }autoApprove留空表示每次工具調(diào)用都需要你手動確認(rèn)調(diào)試階段建議保持這樣避免模型誤調(diào)用。如果你用的是 Codex 這類基于 TOML 的工具配置分兩個文件。~/.codex/auth.json放憑證{ OPENAI_API_KEY: 你的_TaoToken_Key, OPENAI_BASE_URL: https://taotoken.net/api }~/.codex/config.toml放 MCP Server 定義[mcp_servers.weather-demo] command npx args [-y, modelcontextprotocol/server-everything] [mcp_servers.weather-demo.env] API_KEY 你的_TaoToken_Key BASE_URL https://taotoken.net/api三件套記牢Base URL 填https://taotoken.net/apiKey 填你創(chuàng)建的憑證Model ID 填claude-sonnet-4-20250514或gpt-4o。這三個值在 MCP 客戶端和模型 API 配置里要保持一致否則會出現(xiàn)「工具列表拉到了但調(diào)用時報(bào) 401」的情況。配置改完記得完全重啟客戶端不是刷新窗口是退出進(jìn)程再啟動。MCP Server 是在客戶端啟動時拉起的子進(jìn)程熱重載不生效。4. 驗(yàn)證一次 MCP 工具調(diào)用請求從工具發(fā)現(xiàn)到結(jié)果返回配置寫好后怎么確認(rèn) MCP 真的跑通了我?guī)阕咭槐橥暾恼{(diào)用鏈路每一步都有可觀察的輸出。第一步確認(rèn) MCP Server 進(jìn)程起來了。在客戶端里打開 MCP 面板應(yīng)該能看到 weather-demo 顯示為 connected 或綠色狀態(tài)。如果顯示 failed先看客戶端日志里有沒有spawn npx ENOENT這類報(bào)錯那是 Node.js 沒裝或不在 PATH 里。第二步觸發(fā)工具發(fā)現(xiàn)。在對話里輸入「你有哪些工具可以用」。模型會通過 MCP 客戶端向 Server 發(fā)送tools/list請求Server 返回工具清單。正常的話你會看到類似這樣的返回{ tools: [ { name: get_weather, description: 查詢指定城市的當(dāng)前天氣, inputSchema: { type: object, properties: { city: { type: string, description: 城市名稱 } }, required: [city] } } ] }這一步驗(yàn)證的是 MCP 的「工具發(fā)現(xiàn)」能力。如果模型回答「我沒有工具」說明客戶端沒把工具列表注入到系統(tǒng)提示里檢查配置里的 Server 名稱和客戶端是否匹配。第三步發(fā)起真實(shí)調(diào)用。輸入「北京現(xiàn)在天氣怎么樣」。你會觀察到客戶端彈出確認(rèn)框問是否允許調(diào)用 get_weather。點(diǎn)允許后客戶端向 Server 發(fā)送tools/call請求{ method: tools/call, params: { name: get_weather, arguments: { city: 北京 } } }Server 執(zhí)行內(nèi)置邏輯返回結(jié)果{ content: [ { type: text, text: 北京當(dāng)前天氣晴氣溫 28°C濕度 45% } ] }第四步模型拿到結(jié)果后重新組織語言輸出給你。整個鏈路是用戶提問 → 模型判斷需要工具 → MCP 客戶端調(diào)用 Server → Server 返回結(jié)果 → 客戶端回傳模型 → 模型生成最終回答。如果你想脫離客戶端直接驗(yàn)證 Server 是否正?？梢杂?MCP Inspectornpx modelcontextprotocol/inspector npx -y modelcontextprotocol/server-everything它會啟動一個本地 Web 界面你能手動發(fā)tools/list和tools/call請求看到原始 JSON 往返。這個工具在排查「到底是 Server 問題還是客戶端問題」時特別好用。驗(yàn)證模型本身的工具調(diào)用能力可以在 https://taotoken.net/model-chat 里直接發(fā)一條帶 tools 參數(shù)的請求對比 MCP 鏈路的差異。5. 本篇常見錯誤排查401、local proxy failed 與 reading choices 報(bào)錯MCP 調(diào)試階段的報(bào)錯集中在幾個固定位置我按出現(xiàn)頻率排一下。401 Unauthorized。最常見。原因通常是 API Key 沒填對、Key 過期、或者 Base URL 寫成了帶路徑的完整端點(diǎn)。檢查三點(diǎn)Key 是否有多余空格、Base URL 是否是https://taotoken.net/api而不是/v1/chat/completions、環(huán)境變量名是否和客戶端期望的一致。有些客戶端讀OPENAI_API_KEY有些讀API_KEY配置里兩個都寫上最穩(wěn)。local proxy failed / connection refused。這個報(bào)錯說明 MCP 客戶端嘗試連接本地 Server 進(jìn)程失敗?？赡茉騨px 首次拉包超時、Node 版本低于 18、或者端口被占用。解決辦法是先手動在終端跑一遍npx -y modelcontextprotocol/server-everything看能不能正常啟動。如果終端能跑但客戶端報(bào)錯多半是客戶端的工作目錄或 PATH 環(huán)境不同把 command 改成 Node 的絕對路徑試試。reading choices of undefined。這是 OpenAI 兼容層的經(jīng)典報(bào)錯意思是返回體里沒有 choices 字段。觸發(fā)場景通常是模型 ID 寫錯導(dǎo)致返回了錯誤對象、或者請求被網(wǎng)關(guān)攔截返回了 HTML。先確認(rèn) Model ID 拼寫再用 curl 直接打一次 API 看原始返回curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的Key \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:hi}]}如果 curl 正常但客戶端報(bào)錯問題在客戶端的請求構(gòu)造上。OAuth 相關(guān)報(bào)錯。部分 MCP Server 需要 OAuth 授權(quán)比如訪問 Google Drive、GitHub 的 Server。報(bào)錯通常是invalid_grant或redirect_uri_mismatch。這類問題不在模型側(cè)按 Server 文檔配置 OAuth 應(yīng)用的回調(diào)地址即可。如果你只是驗(yàn)證基礎(chǔ)流程先用server-everything這種無需授權(quán)的 Server。工具列表為空?？蛻舳孙@示 connected 但模型說沒有工具。檢查 Server 是否真的實(shí)現(xiàn)了tools/list方法有些 Server 只提供 resources 不提供 tools。另外確認(rèn)客戶端的 MCP 功能開關(guān)是否打開部分工具默認(rèn)關(guān)閉 MCP 支持。排查順序建議先 curl 驗(yàn)證模型 API → 再 Inspector 驗(yàn)證 Server → 最后看客戶端日志。這樣能快速定位問題在哪一層。6. 繼續(xù)深入 MCP接入文檔、模型驗(yàn)證與長期編碼方案跑通第一個 MCP 流程后你大概能感受到它和 Function Call 的核心差異Function Call 是「你在每次請求里臨時聲明工具」MCP 是「工具作為獨(dú)立服務(wù)常駐客戶端按需發(fā)現(xiàn)和調(diào)用」。前者適合簡單場景后者適合工具多、需要復(fù)用、需要權(quán)限隔離的工程場景。接下來可以做的幾件事。第一把你自己的業(yè)務(wù)接口包裝成 MCP Server官方有 Python 和 TypeScript 的 SDK一個tools/list加一個tools/call就能跑起來。第二對比同一工具在 Function Call 和 MCP 兩種模式下的調(diào)用日志你會更清楚協(xié)議層幫你省掉了哪些膠水代碼。第三關(guān)注 MCP 的 resources 和 prompts 能力它們分別解決「數(shù)據(jù)暴露」和「提示模板復(fù)用」的問題是 tools 之外的兩塊拼圖。接入細(xì)節(jié)和端點(diǎn)說明看 https://taotoken.net/doc 模型對話驗(yàn)證在 https://taotoken.net/model-chat 長期做編碼 Agent 或多工具鏈的可以看 https://taotoken.net/coding-plan 。API Key 管理在 https://taotoken.net/api-keys 。最后留一個實(shí)操建議調(diào)試 MCP 時把客戶端日志級別調(diào)到 debug所有 JSON-RPC 往返都會打出來?？匆槐橥暾膇nitialize→tools/list→tools/call消息流比讀十篇概念文章都管用。 MCP是什么？從 Function Call 到 Model Context Protocol 的 LLM 工具調(diào)用演進(jìn)
1. 從 Function Call 到 MCPLLM 工具調(diào)用到底在解決什么問題如果你剛開始接觸 LLM 應(yīng)用開發(fā)大概率會遇到一個繞不開的坎模型知道很多事但它不知道「你公司今天誰請假了」「現(xiàn)在北京天氣幾度」「數(shù)據(jù)庫里訂單 1024 的狀態(tài)是什么」。這些信息不在訓(xùn)練數(shù)據(jù)里模型再強(qiáng)也答不出來。Function Call 就是第一代解法。你在請求里聲明幾個函數(shù)模型判斷用戶問題需要調(diào)用哪個函數(shù)返回一個 JSON 結(jié)構(gòu)的調(diào)用意圖你的代碼去執(zhí)行再把結(jié)果塞回對話。這套流程能跑通但問題也很明顯每個模型廠商的 Function Call 格式都不一樣。OpenAI 一套、Anthropic 一套、國內(nèi)各家又一套。你為一個工具寫好的接入代碼換個模型就得重寫。MCPModel Context Protocol模型上下文協(xié)議要解決的就是這個碎片化問題。它把「模型怎么發(fā)現(xiàn)工具、怎么調(diào)用工具、怎么拿回結(jié)果」抽象成一套統(tǒng)一協(xié)議工具提供方只需要實(shí)現(xiàn)一個 MCP Server就能被所有支持 MCP 的客戶端復(fù)用。你可以把它理解成 LLM 工具調(diào)用領(lǐng)域的 USB-C 接口——以前每個設(shè)備一個充電口現(xiàn)在統(tǒng)一了。這篇文章面向剛接觸工具調(diào)用的開發(fā)者我會先用 Function Call 和 MCP 的對比講清定位差異然后給出一份可復(fù)制的 MCP Server 最小配置最后帶你跑通一次完整的工具調(diào)用驗(yàn)證。讀完你至少能在自己項(xiàng)目里跑通第一個 MCP 流程。適合誰看寫過或準(zhǔn)備寫 Function Call 的開發(fā)者、想讓自己的服務(wù)被 AI 客戶端調(diào)用的后端同學(xué)、以及想搞清楚 MCP 到底是不是「又一個新概念」的工程師。2. TaoToken 前置準(zhǔn)備MCP 工具調(diào)用接入的 API Key 與 Base URL 配置在跑通 MCP 之前你需要一個能發(fā)起工具調(diào)用的模型入口。MCP 本身是協(xié)議層它不提供模型能力模型還是要通過 API 來訪問。這里我用 TaoToken 作為模型接入層來演示因?yàn)樗瑫r兼容 OpenAI 風(fēng)格的 Function Call 和 Anthropic 風(fēng)格的 tool use方便你在同一套配置里對比兩種調(diào)用方式。先拿到訪問憑證。打開 https://taotoken.net/api-keys 登錄后創(chuàng)建一個 API Key復(fù)制保存。這個 Key 后面會寫進(jìn) MCP 客戶端的配置里注意不要提交到 Git 倉庫。Base URL 用 https://taotoken.net/api 這是 OpenAI 兼容端點(diǎn)。如果你用的是 Anthropic SDK 或 Claude Code 這類工具端點(diǎn)路徑會略有不同具體可以參考 https://taotoken.net/doc 里的接入說明。模型 ID 方面工具調(diào)用能力比較穩(wěn)的有 claude-sonnet-4-20250514、gpt-4o、deepseek-chat 等。MCP 場景下我建議優(yōu)先選支持并行工具調(diào)用的模型因?yàn)?MCP 客戶端經(jīng)常需要一次性拉取多個工具的描述。這里有個容易踩的坑很多人以為 MCP 是模型自帶的能力配好 Key 就能用。實(shí)際上 MCP 是客戶端側(cè)實(shí)現(xiàn)的協(xié)議模型只負(fù)責(zé)「決定調(diào)不調(diào)、調(diào)哪個、傳什么參數(shù)」真正的工具發(fā)現(xiàn)和調(diào)用編排是 MCP 客戶端在做。所以你的配置要分兩部分模型 API 配置 MCP Server 配置。如果你打算長期做編碼類 Agent 或復(fù)雜工具鏈可以了解一下 Coding Planhttps://taotoken.net/coding-plan 它在多輪工具調(diào)用場景下的額度策略更適合持續(xù)開發(fā)。只是驗(yàn)證一次 MCP 流程的話普通 API Key 就夠了。3. 可復(fù)制的 MCP Server 最小配置JSON 與 TOML 片段MCP 的配置格式取決于你用的客戶端。目前主流的有 Claude Desktop 的 JSON 配置、Cline / Roo Code 的 JSON 配置、以及 Codex 的 auth.json config.toml 組合。我逐個給出最小可用片段。先看最通用的 JSON 格式Claude Desktop 和多數(shù) VS Code 插件都用這個結(jié)構(gòu)。文件路徑在 macOS 上是~/Library/Application Support/Claude/claude_desktop_config.jsonWindows 上是%APPDATA%\Claude\claude_desktop_config.json{ mcpServers: { weather-demo: { command: npx, args: [-y, modelcontextprotocol/server-everything], env: { API_KEY: 你的_TaoToken_Key, BASE_URL: https://taotoken.net/api } } } }這段配置的意思是啟動一個名為 weather-demo 的 MCP Server用 npx 拉取官方示例包并通過環(huán)境變量注入模型訪問憑證。server-everything是 MCP 官方提供的測試服務(wù)器內(nèi)置了天氣查詢、加法計(jì)算等示例工具非常適合第一次驗(yàn)證。如果你用的是 Cline 或 Roo Code配置寫在 VS Code 的 settings.json 里結(jié)構(gòu)類似但外層鍵名是mcpServers直接掛在根上{ mcpServers: { weather-demo: { command: npx, args: [-y, modelcontextprotocol/server-everything], env: { API_KEY: 你的_TaoToken_Key, BASE_URL: https://taotoken.net/api }, disabled: false, autoApprove: [] } } }autoApprove留空表示每次工具調(diào)用都需要你手動確認(rèn)調(diào)試階段建議保持這樣避免模型誤調(diào)用。如果你用的是 Codex 這類基于 TOML 的工具配置分兩個文件。~/.codex/auth.json放憑證{ OPENAI_API_KEY: 你的_TaoToken_Key, OPENAI_BASE_URL: https://taotoken.net/api }~/.codex/config.toml放 MCP Server 定義[mcp_servers.weather-demo] command npx args [-y, modelcontextprotocol/server-everything] [mcp_servers.weather-demo.env] API_KEY 你的_TaoToken_Key BASE_URL https://taotoken.net/api三件套記牢Base URL 填https://taotoken.net/apiKey 填你創(chuàng)建的憑證Model ID 填claude-sonnet-4-20250514或gpt-4o。這三個值在 MCP 客戶端和模型 API 配置里要保持一致否則會出現(xiàn)「工具列表拉到了但調(diào)用時報(bào) 401」的情況。配置改完記得完全重啟客戶端不是刷新窗口是退出進(jìn)程再啟動。MCP Server 是在客戶端啟動時拉起的子進(jìn)程熱重載不生效。4. 驗(yàn)證一次 MCP 工具調(diào)用請求從工具發(fā)現(xiàn)到結(jié)果返回配置寫好后怎么確認(rèn) MCP 真的跑通了我?guī)阕咭槐橥暾恼{(diào)用鏈路每一步都有可觀察的輸出。第一步確認(rèn) MCP Server 進(jìn)程起來了。在客戶端里打開 MCP 面板應(yīng)該能看到 weather-demo 顯示為 connected 或綠色狀態(tài)。如果顯示 failed先看客戶端日志里有沒有spawn npx ENOENT這類報(bào)錯那是 Node.js 沒裝或不在 PATH 里。第二步觸發(fā)工具發(fā)現(xiàn)。在對話里輸入「你有哪些工具可以用」。模型會通過 MCP 客戶端向 Server 發(fā)送tools/list請求Server 返回工具清單。正常的話你會看到類似這樣的返回{ tools: [ { name: get_weather, description: 查詢指定城市的當(dāng)前天氣, inputSchema: { type: object, properties: { city: { type: string, description: 城市名稱 } }, required: [city] } } ] }這一步驗(yàn)證的是 MCP 的「工具發(fā)現(xiàn)」能力。如果模型回答「我沒有工具」說明客戶端沒把工具列表注入到系統(tǒng)提示里檢查配置里的 Server 名稱和客戶端是否匹配。第三步發(fā)起真實(shí)調(diào)用。輸入「北京現(xiàn)在天氣怎么樣」。你會觀察到客戶端彈出確認(rèn)框問是否允許調(diào)用 get_weather。點(diǎn)允許后客戶端向 Server 發(fā)送tools/call請求{ method: tools/call, params: { name: get_weather, arguments: { city: 北京 } } }Server 執(zhí)行內(nèi)置邏輯返回結(jié)果{ content: [ { type: text, text: 北京當(dāng)前天氣晴氣溫 28°C濕度 45% } ] }第四步模型拿到結(jié)果后重新組織語言輸出給你。整個鏈路是用戶提問 → 模型判斷需要工具 → MCP 客戶端調(diào)用 Server → Server 返回結(jié)果 → 客戶端回傳模型 → 模型生成最終回答。如果你想脫離客戶端直接驗(yàn)證 Server 是否正?？梢杂?MCP Inspectornpx modelcontextprotocol/inspector npx -y modelcontextprotocol/server-everything它會啟動一個本地 Web 界面你能手動發(fā)tools/list和tools/call請求看到原始 JSON 往返。這個工具在排查「到底是 Server 問題還是客戶端問題」時特別好用。驗(yàn)證模型本身的工具調(diào)用能力可以在 https://taotoken.net/model-chat 里直接發(fā)一條帶 tools 參數(shù)的請求對比 MCP 鏈路的差異。5. 本篇常見錯誤排查401、local proxy failed 與 reading choices 報(bào)錯MCP 調(diào)試階段的報(bào)錯集中在幾個固定位置我按出現(xiàn)頻率排一下。401 Unauthorized。最常見。原因通常是 API Key 沒填對、Key 過期、或者 Base URL 寫成了帶路徑的完整端點(diǎn)。檢查三點(diǎn)Key 是否有多余空格、Base URL 是否是https://taotoken.net/api而不是/v1/chat/completions、環(huán)境變量名是否和客戶端期望的一致。有些客戶端讀OPENAI_API_KEY有些讀API_KEY配置里兩個都寫上最穩(wěn)。local proxy failed / connection refused。這個報(bào)錯說明 MCP 客戶端嘗試連接本地 Server 進(jìn)程失敗?？赡茉騨px 首次拉包超時、Node 版本低于 18、或者端口被占用。解決辦法是先手動在終端跑一遍npx -y modelcontextprotocol/server-everything看能不能正常啟動。如果終端能跑但客戶端報(bào)錯多半是客戶端的工作目錄或 PATH 環(huán)境不同把 command 改成 Node 的絕對路徑試試。reading choices of undefined。這是 OpenAI 兼容層的經(jīng)典報(bào)錯意思是返回體里沒有 choices 字段。觸發(fā)場景通常是模型 ID 寫錯導(dǎo)致返回了錯誤對象、或者請求被網(wǎng)關(guān)攔截返回了 HTML。先確認(rèn) Model ID 拼寫再用 curl 直接打一次 API 看原始返回curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的Key \ -H Content-Type: application/json \ -d {model:claude-sonnet-4-20250514,messages:[{role:user,content:hi}]}如果 curl 正常但客戶端報(bào)錯問題在客戶端的請求構(gòu)造上。OAuth 相關(guān)報(bào)錯。部分 MCP Server 需要 OAuth 授權(quán)比如訪問 Google Drive、GitHub 的 Server。報(bào)錯通常是invalid_grant或redirect_uri_mismatch。這類問題不在模型側(cè)按 Server 文檔配置 OAuth 應(yīng)用的回調(diào)地址即可。如果你只是驗(yàn)證基礎(chǔ)流程先用server-everything這種無需授權(quán)的 Server。工具列表為空?？蛻舳孙@示 connected 但模型說沒有工具。檢查 Server 是否真的實(shí)現(xiàn)了tools/list方法有些 Server 只提供 resources 不提供 tools。另外確認(rèn)客戶端的 MCP 功能開關(guān)是否打開部分工具默認(rèn)關(guān)閉 MCP 支持。排查順序建議先 curl 驗(yàn)證模型 API → 再 Inspector 驗(yàn)證 Server → 最后看客戶端日志。這樣能快速定位問題在哪一層。6. 繼續(xù)深入 MCP接入文檔、模型驗(yàn)證與長期編碼方案跑通第一個 MCP 流程后你大概能感受到它和 Function Call 的核心差異Function Call 是「你在每次請求里臨時聲明工具」MCP 是「工具作為獨(dú)立服務(wù)常駐客戶端按需發(fā)現(xiàn)和調(diào)用」。前者適合簡單場景后者適合工具多、需要復(fù)用、需要權(quán)限隔離的工程場景。接下來可以做的幾件事。第一把你自己的業(yè)務(wù)接口包裝成 MCP Server官方有 Python 和 TypeScript 的 SDK一個tools/list加一個tools/call就能跑起來。第二對比同一工具在 Function Call 和 MCP 兩種模式下的調(diào)用日志你會更清楚協(xié)議層幫你省掉了哪些膠水代碼。第三關(guān)注 MCP 的 resources 和 prompts 能力它們分別解決「數(shù)據(jù)暴露」和「提示模板復(fù)用」的問題是 tools 之外的兩塊拼圖。接入細(xì)節(jié)和端點(diǎn)說明看 https://taotoken.net/doc 模型對話驗(yàn)證在 https://taotoken.net/model-chat 長期做編碼 Agent 或多工具鏈的可以看 https://taotoken.net/coding-plan 。API Key 管理在 https://taotoken.net/api-keys 。最后留一個實(shí)操建議調(diào)試 MCP 時把客戶端日志級別調(diào)到 debug所有 JSON-RPC 往返都會打出來?？匆槐橥暾膇nitialize→tools/list→tools/call消息流比讀十篇概念文章都管用。