𝐂𝐥𝐚𝐮𝐝𝐞 𝐂𝐨𝐝𝐞 使用 𝐌𝐂𝐏 𝐒𝐞𝐫𝐯𝐞𝐫 的反向观察 看到一篇”Claude Code 十大必备 MCP 服务器“,然后突然想到一个恶作剧,我的结论”大多数没有必要“,下面是逐一评论。 首先要补充的是, 在claude code没出来之前, mcp的价值还是说的过去的,我曾一度疯狂推荐。但是cc出来,尤其是后面又补充了slash commands, 基本将客户端能力提高到了一个天花板高度,mcp的位置就有点尴尬了。 原文链接见评论 1. GitHub MCP Server:说实话,意义不大。与其通过MCP Server绕一圈,不如直接安装官方gh客户端。这些命令在Claude Code里直接调用,比通过MCP中转更直接、更高效。 2. Apidog MCP Server:这个值得一试。API文档和测试的集成确实能带来一些便利,特别是在处理复杂API项目时,能够直接在Claude Code中查询API规范和测试端点,省去了切换工具的麻烦。 3. File System MCP Server:典型的脱裤子放屁。Claude Code本身就能直接操作文件系统,为什么还要加一层MCP?是为了用MCP而用MCP。 这个工具在claude desktop使用还是成立的。 4. Sequential Thinking MCP Server:基本不建议使用。虽然很多人说用了效果很好,但我的理由很简单:不要教大模型如何思考。真要让ai思考, prompt加上think hader, untrathink 这些关键词效果也不会差到哪。 5. Puppeteer MCP Server:这个值得一试。网页自动化操作确实是Claude Code原生能力的有效扩展。能够控制浏览器、进行UI测试、数据抓取等操作,这些都是能力拓展,而不是重复造轮子。 6. PostgreSQL MCP Server:可用可不用。如果是本地PostgreSQL,直接在slash commands里调用psql命令基本够用。psql 原生命令比通过MCP转换自然语言查询更可控、更高效。mcp扩展出来的能力, 基本你在prompt都可以扩展出来。 7. Notion MCP Server:这个可行。将外部任务管理系统集成到Claude Code确实有其价值,特别是团队协作场景下,能够直接从开发环境更新任务状态、获取需求文档,是真正的工作流优化。 8. Memory Bank MCP Server:不建议使用。状态持久化这个概念可能并不是一个好主意,甚至可以说是有毒的。每次对话都应该是独立的上下文,强行维持跨会话的记忆可能会带来更多的混乱而不是帮助。这是我的个人主观观点,但我坚持认为无状态才是AI助手的正确使用方式。 9. Figma MCP Server:强烈推荐。这是能力拓展的最佳体现,特别适合程序员操作自己不熟悉的设计工具。能够直接将设计稿转换成代码,这种跨领域的能力补充才是MCP Server真正应该做的事情。 10. Zapier MCP Server:可用可不用,zapier是一个很酷的跨应用工具,但也没那么实用。
BadUncle
1个月前
来自reddit用户分享的claude code 16条使用建议 ---比如:verbose,Opus优先,github cli代替fetch,分开维护git 1. 维护 CLAUDE[.]md 文件 建议为不同子目录(如测试、前端、后端)分别维护 CLAUDE[.]md,记录指令和上下文,便于 Claude 理解项目背景。 2. 善用内置命令 ▫ Plan mode(shift+tab):提升任务完成度和可靠性。 ▫ Verbose mode(CTRL+R):查看 Claude 当前的全部上下文。 ▫ Bash mode(!前缀):运行命令并将输出作为上下文。 ▫ Escape 键:中断或回溯对话历史。 3. 并行运行多个实例 前后端可分别用不同实例开发,提高效率,但复杂项目建议只用一个实例以减少环境配置麻烦。 4. 使用子代理(subagents) 让多个子代理从不同角度解决问题,主代理负责整合和比较结果。 5. 利用视觉输入 支持拖拽截图,Claude Code 能理解视觉信息,适合调试 UI 或复现设计。 6. 优先选择 Claude 4 Opus 高级订阅用户建议优先用 Opus,体验和能力更强。 7. 自定义项目专属 slash 命令 在 `.claude/commands` 目录下编写常用任务、项目初始化、迁移等命令,提升自动化和复用性。 8. 使用 Extended Thinking 输入 `think`、`think harder` 或 `ultrathink`,让 Claude 分配更多“思考预算”,适合复杂任务。 9. 文档化一切 让 Claude 记录思路、任务、设计等到中间文档,便于后续追溯和上下文补充。 10. 频繁使用 Git 进行版本控制 Claude 可帮写 commit message,AI 辅助开发时更要重视版本管理。 11. 优化工作流 ▫ 用 `--resume` 继续会话,保持上下文。 ▫ 用 MCP 服务器或自建工具管理上下文。 ▫ 用 GitHub CLI 获取上下文而非 fetch 工具。 ▫ 用 ccusage 监控用量。 12. 追求快速反馈循环 给模型提供验证机制,减少“奖励劫持”(AI 取巧而非真正解决问题)。 13. 集成到 IDE 体验更像“结对编程”,Claude 可直接与 IDE 工具交互。 14. 消息排队 Claude 处理任务时可继续发送消息,排队等待处理。 15. 注意会话压缩与上下文长度 合理压缩对话,避免丢失重要上下文,建议在自然停顿点进行。 16. 自定义 PR 模板 不要用默认模板,针对项目定制更合适的 PR(pull request) 模板。
BadUncle
1个月前
Claude Code进化时刻:自举时代已经到来; 从先学再做的怪圈进化到先做再学 今天想和大家分享一个关于Claude Code心智上的转变——我称之为“自举”。 一句话总结:一切以Claude Code为中枢,我只需动嘴,Claude Code动手。所谓“自举”,就是Claude Code可以自我管理、自我驱动。 这个并不夸张, 就连claude code自己其80%的代码也是通过Claude Code自身生成的 举个应用的例子:最近我需要在Claude Code里集成一个叫zen mcp的插件,它能让Claude Code访问其他大模型,比如我最想用的gemini 2.5 pro(支持o3 api的也能用)。 按照传统流程,通常要查官方文档、配置docker、设置一堆参数。虽然对我来说不难,但对新手门槛还是挺高。 但现在只需以下步骤: ⁠git clone xx git⁠ ⁠cd zen-mcp-server⁠ 输入 ⁠claude⁠ 进入CC 然后输入如下prompt:“请帮我将zen mcp集成到claude code,我的docker用的是OrbStack,gemini用openai兼容格式,key是xx,baseurl是xxx,默认模型是xxx。” 接下来,Claude Code会自动帮你设置.env参数、启动docker、检查和测试,整个流程高度自动化。 zen mcp的激活也很简单,只需输入zen关键词,比如:“请让zen分析下该bug的原因” Claude Code会自动把必要上下文传给zen,gemini开始执行。如果gemini发现上下文不全,会自动向Claude Code提问,Claude Code再补充内容给gemini。 这样,一个以Claude Code为中心、无需切换到gemini或o3的工作流就搭建好了。 以前遇到Claude Code解决不了的问题,我会去用gemini web或cline,但这样做数据无法实时共享,也没有通信。现在,mcp就是最优的通信机制。 配图是我使用zen mcp的截图,强烈推荐Claude Code用户体验!也欢迎加入Claude Code全家桶社区,每天都有新玩法,vx: timesfriends
BadUncle
1个月前
RAG 向量 实时搜索大混战,cursor cline windsurf aider claude code大比拼 第一组:完全抛弃RAG的实时搜索派 Cline 和 Claude Code 相似点:都完全放弃了传统的RAG方法,采用实时动态搜索 区别: - Cline使用ripgrep等文件系统工具进行正则搜索,模拟人类开发者的代码探索方式 - Claude Code使用”agentic search”,通过grep、glob等标准开发工具,由AI模型动态编排多轮搜索 第二组:基于图结构的智能索引派 Aider 独树一帜 使用AST+图结构,将代码文件作为节点,依赖关系作为边,通过自定义排名算法(不是PageRank)优化代码映射 第三组:混合RAG+高级技术派 Cursor 和 Windsurf 相似点:都使用embeddings向量化+RAG,但加入了很多高级技术 区别: - Cursor:使用OpenAI的embedding模型+TurboPuffer向量数据库,实验DSI技术,支持云端分布式架构 - Windsurf:使用”M-Query技术”+本地/远程混合索引,专注企业级部署,有Cascade代理系统 技术路线的哲学差异 实时派(Cline/Claude Code)认为准确性和实时性比效率更重要,愿意用更高的token消耗换取完美的代码同步。 图结构派(Aider)把代码理解当作图优化问题而非语义相似性问题,在结构化理解方面表现出色。 混合派(Cursor/Windsurf)试图在效率和准确性之间找平衡,通过技术创新提升传统RAG的性能。 性能特点对比 Aider:token使用最少(1-8K),线性扩展,但无法理解运行时行为 Cline:数据完全同步,但token消耗较高,依赖文件系统性能 Cursor:查询响应快,处理大代码库好,但有embedding模型限制 Windsurf:延迟极低,内存使用高效,但需要大量初始索引时间 Claude Code:准确度最高,无需维护索引,但成本极高(有用户每天消费数千美元) 总的来说,业界正在从静态预索引向动态、探索性系统转变,你的记忆是对的 - Aider确实使用AST,但用的是图算法而不是PageRank;Claude Code确实不用RAG,直接用grep等工具进行搜索。