目录

🚀 Codex CLI MCP 集成：扩展 AI 能力的正确姿势

📅 更新于 2026年6月 | ✍️ 原创文章，转载请注明出处

本系列共12篇，本文是第6篇

1. 什么是 MCP

📖 MCP 定义

MCP (Model Context Protocol) 是 Anthropic 提出的一个开放协议，用于标准化 AI 助手与外部工具/数据源的通信方式。

简单说：MCP 让 AI 能调用外部工具和访问外部数据。

🔧 核心能力

能力 说明 示例
工具调用 AI 可以调用外部函数 查询数据库、发送邮件
资源访问 AI 可以读取外部数据 读取文件、访问 API
提示模板 预定义的提示词 代码审查模板
采样 从 AI 获取补全 多轮对话

💡 工作流程

用户请求 → AI 分析 → 需要外部工具 → 调用 MCP 服务器 → 获取结果 → 返回给用户

🌐 生态系统

Codex CLI (MCP 客户端)
    ↓ MCP 协议
MCP 服务器 (各种工具)
    ├── 文件系统
    ├── 数据库
    ├── API 服务
    ├── 浏览器
    └── 自定义工具

2. 为什么使用 MCP

🎯 核心价值

没有 MCP 有 MCP
AI 只能操作本地文件 AI 可以访问数据库、API
AI 无法查询实时数据 AI 可以获取实时信息
AI 能力受限于模型 AI 能力可以无限扩展
每个工具需要单独集成 统一的集成标准

📊 使用场景

场景 MCP 工具 效果
数据库查询 postgres-mysql-mcp AI 直接查询数据库
文件系统 filesystem-mcp 安全地访问文件
网页浏览 puppeteer-mcp AI 可以浏览网页
API 调用 fetch-mcp AI 可以调用 REST API
Git 操作 git-mcp AI 可以操作 Git
发送邮件 email-mcp AI 可以发邮件
日历管理 calendar-mcp AI 可以管理日程

✅ 什么时候用 MCP

  • 需要访问外部数据源（数据库、API）
  • 需要调用外部服务（邮件、通知）
  • 需要浏览器操作
  • 需要扩展 AI 的原生能力

❌ 什么时候不用 MCP

  • 简单的文件操作（Codex 原生支持）
  • 基本的终端命令（Codex 原生支持）
  • 不需要外部依赖的任务

3. MCP 工作原理

🏗️ 架构图

┌─────────────────────────────────────────────┐
│                Codex CLI                      │
│                (MCP Client)                   │
└─────────────────────────────────────────────┘
                    │
                    │ MCP Protocol (JSON-RPC)
                    │
┌─────────────────────────────────────────────┐
│              MCP Server Manager              │
└─────────────────────────────────────────────┘
                    │
        ┌───────────┼───────────┐
        │           │           │
        ▼           ▼           ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ MCP Server │ │ MCP Server │ │ MCP Server │
│ (Database) │ │ (FileSys)  │ │ (Browser)  │
└────────────┘ └────────────┘ └────────────┘

📡 通信协议

MCP 使用 JSON-RPC 2.0 协议：

请求：

{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "query_database",
    "arguments": {
      "sql": "SELECT * FROM users LIMIT 10"
    }
  }
}

响应：

{
  "jsonrpc": "2.0",
  "id": 1,
  "result": {
    "content": [
      {
        "type": "text",
        "text": "[{\"id\": 1, \"name\": \"Alice\"}, ...]"
      }
    ]
  }
}

🔌 传输方式

方式 说明 适用场景
stdio 标准输入输出 本地进程
SSE Server-Sent Events HTTP 服务
HTTP HTTP POST REST API

4. 常用 MCP 服务器

📦 官方 MCP 服务器

服务器 说明 安装
filesystem 文件系统访问 @anthropic/mcp-filesystem
postgres PostgreSQL 数据库 @anthropic/mcp-postgres
mysql MySQL 数据库 @anthropic/mcp-mysql
sqlite SQLite 数据库 @anthropic/mcp-sqlite
github GitHub API @anthropic/mcp-github
puppeteer 浏览器自动化 @anthropic/mcp-puppeteer
fetch HTTP 请求 @anthropic/mcp-fetch
memory 知识图谱 @anthropic/mcp-memory
brave-search 网页搜索 @anthropic/mcp-brave-search
slack Slack 集成 @anthropic/mcp-slack

🔥 社区热门 MCP 服务器

服务器 说明 GitHub
notion-mcp Notion 集成 anthropics/notion-mcp
linear-mcp Linear 集成 anthropics/linear-mcp
sentry-mcp Sentry 错误追踪 anthropics/sentry-mcp
jira-mcp Jira 集成 anthropics/jira-mcp
confluence-mcp Confluence 文档 anthropics/confluence-mcp
redis-mcp Redis 操作 anthropics/redis-mcp
elasticsearch-mcp ES 搜索 anthropics/elasticsearch-mcp

💡 如何选择

需求 推荐 MCP 服务器
操作文件 filesystem
查询数据库 postgres / mysql / sqlite
调用 API fetch
浏览网页 puppeteer / brave-search
GitHub 操作 github
团队协作 slack / notion / linear

5. 配置 MCP 服务器

📁 配置文件位置

系统 路径
Mac/Linux ~/.codex/config.json
Windows %USERPROFILE%\.codex\config.json

⚙️ 配置格式

{
  "mcpServers": {
    "server-name": {
      "command": "command",
      "args": ["arg1", "arg2"],
      "env": {
        "KEY": "value"
      }
    }
  }
}

📝 配置示例

1. 文件系统 MCP
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-filesystem", "/path/to/allowed/dir"]
    }
  }
}
2. PostgreSQL MCP
{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost:5432/mydb"
      }
    }
  }
}
3. GitHub MCP
{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxxxxxxxxxx"
      }
    }
  }
}
4. 多个 MCP 服务器
{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-filesystem", "."]
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/mydb"
      }
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxx"
      }
    }
  }
}

🔧 使用命令配置

# 查看当前 MCP 配置
codex config get mcpServers

# 添加 MCP 服务器
codex config set mcpServers.postgres.command "npx"
codex config set mcpServers.postgres.args '["-y", "@anthropic/mcp-postgres"]'

# 删除 MCP 服务器
codex config unset mcpServers.postgres

# 编辑配置文件
codex config edit

✅ 验证配置

# 启动 Codex
codex

# 查看可用的 MCP 工具
/mcp list

# 测试 MCP 工具
> 使用 postgres 工具查询所有用户

6. 实战案例

💼 案例1：数据库查询助手

场景：让 AI 帮你查询和分析数据库

配置：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://user:pass@localhost:5432/analytics"
      }
    }
  }
}

使用：

codex

> 查询最近 7 天的用户注册数量，按天分组

AI 会：

  1. 调用 MCP 工具执行 SQL
  2. 获取结果
  3. 生成图表或分析报告

💼 案例2：自动化代码审查

场景：PR 提交后自动审查代码

配置：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxx"
      }
    }
  }
}

使用：

codex

> 审查 GitHub 上 org/repo 仓库的 PR #123
> 重点关注安全问题和性能问题

AI 会：

  1. 通过 MCP 获取 PR 详情
  2. 分析代码差异
  3. 生成审查报告
  4. （可选）提交评论

💼 案例3：知识库问答系统

场景：基于文档的智能问答

配置：

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-memory"]
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-filesystem", "./docs"]
    }
  }
}

使用：

codex

> 读取 docs/ 目录下的所有文档
> 然后回答：如何配置用户权限？

AI 会：

  1. 通过 MCP 读取文档
  2. 建立知识图谱
  3. 基于文档内容回答问题

💼 案例4：全栈开发助手

场景：同时操作数据库、文件系统、Git

配置：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/dev"
      }
    },
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-filesystem", "."]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-github"],
      "env": {
        "GITHUB_TOKEN": "ghp_xxx"
      }
    }
  }
}

使用：

codex

> 1. 查询数据库中的用户表结构
> 2. 根据表结构生成 Entity 类
> 3. 创建数据库迁移脚本
> 4. 提交到 Git 并创建 PR

AI 会：

  1. 通过 postgres MCP 查询表结构
  2. 通过 filesystem MCP 生成代码
  3. 运行迁移脚本
  4. 通过 github MCP 创建 PR

7. 开发自己的 MCP 服务器

🛠️ 开发准备

# 安装 MCP SDK
npm install @anthropic/mcp-sdk

# 或使用 Python
pip install mcp

📝 Node.js 示例

import { McpServer } from '@anthropic/mcp-sdk/server';
import { StdioServerTransport } from '@anthropic/mcp-sdk/server/stdio';

// 创建服务器
const server = new McpServer({
  name: 'my-custom-mcp',
  version: '1.0.0',
});

// 定义工具
server.tool(
  'get_weather', // 工具名
  '获取天气信息', // 描述
  {
    city: { type: 'string', description: '城市名' },
  }, // 参数
  async ({ city }) => {
    // 调用天气 API
    const weather = await fetchWeather(city);
    return {
      content: [{ type: 'text', text: JSON.stringify(weather) }],
    };
  }
);

// 启动服务器
const transport = new StdioServerTransport();
await server.connect(transport);

📝 Python 示例

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent

# 创建服务器
server = Server("my-custom-mcp")

# 定义工具
@server.tool()
async def get_weather(city: str) -> str:
    """获取天气信息"""
    weather = await fetch_weather(city)
    return TextContent(type="text", text=str(weather))

# 启动服务器
async def main():
    async with stdio_server() as (read, write):
        await server.run(read, write)

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

📦 打包发布

// package.json
{
  "name": "my-custom-mcp",
  "version": "1.0.0",
  "bin": {
    "my-custom-mcp": "./dist/index.js"
  }
}

# 构建
npm run build

# 发布
npm publish

🔧 配置使用

{
  "mcpServers": {
    "my-custom-mcp": {
      "command": "npx",
      "args": ["-y", "my-custom-mcp"]
    }
  }
}

🎯 开发最佳实践

  1. 工具命名清晰

    // ✅ 好的命名
server.tool('query_database', ...)
server.tool('send_email', ...)

// ❌ 不好的命名
server.tool('doStuff', ...)
server.tool('tool1', ...)

  2. 参数描述详细

    server.tool('query_database', '执行 SQL 查询', {
  sql: { 
    type: 'string', 
    description: 'SQL 查询语句，支持 SELECT 查询' 
  },
  limit: { 
    type: 'number', 
    description: '返回结果数量限制，默认 100',
    default: 100 
  },
}, handler);

  3. 错误处理完善

    try {
  const result = await db.query(sql);
  return { content: [{ type: 'text', text: result }] };
} catch (error) {
  return { 
    content: [{ type: 'text', text: `查询失败: ${error.message}` }],
    isError: true 
  };
}

  4. 返回格式统一

    // 成功
return {
  content: [{ type: 'text', text: '操作成功' }],
};

// 失败
return {
  content: [{ type: 'text', text: '操作失败' }],
  isError: true,
};

8. 与 Claude Code MCP 对比

📊 功能对比

特性 Codex CLI Claude Code
MCP 支持 ✅ 支持 ✅ 支持
配置格式 JSON JSON
传输方式 stdio, SSE, HTTP stdio, SSE, HTTP
工具调用 ✅ 支持 ✅ 支持
资源访问 ✅ 支持 ✅ 支持
提示模板 ✅ 支持 ✅ 支持
采样 ✅ 支持 ✅ 支持

🔄 配置对比

Codex CLI 配置（~/.codex/config.json）：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/db"
      }
    }
  }
}

Claude Code 配置（~/.claude/settings.json）：

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": {
        "DATABASE_URL": "postgresql://localhost/db"
      }
    }
  }
}

结论：配置格式几乎相同，可以轻松切换。

💡 选择建议

场景 推荐
已有 MCP 服务器 两者都支持，直接用
开发新 MCP 使用官方 SDK，两者兼容
团队协作 统一使用一种工具
个人偏好 喜欢哪个用哪个

9. 常见问题

❓ Q1：MCP 服务器启动失败

症状：

Error: MCP server failed to start

解决方案：

# 检查命令是否正确
npx -y @anthropic/mcp-postgres --help

# 检查环境变量
echo $DATABASE_URL

# 查看详细错误
codex --verbose

# 手动测试 MCP 服务器
echo '{"jsonrpc":"2.0","method":"initialize","params":{},"id":1}' | npx -y @anthropic/mcp-postgres

❓ Q2：工具调用超时

症状：

Error: Tool call timed out

解决方案：

# 检查网络连接
ping api.example.com

# 增加超时时间
codex config set mcpTimeout 60000

# 检查 MCP 服务器日志
codex --verbose

❓ Q3：权限被拒绝

症状：

Error: Permission denied to access resource

解决方案：

# 检查 MCP 服务器配置
codex config get mcpServers

# 检查 API Token 是否有效
# 检查数据库用户权限
# 检查文件系统权限

❓ Q4：多个 MCP 服务器冲突

症状：

  • 工具名冲突
  • 响应混乱

解决方案：

{
  "mcpServers": {
    "db-prod": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": { "DATABASE_URL": "postgresql://prod/db" }
    },
    "db-dev": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-postgres"],
      "env": { "DATABASE_URL": "postgresql://dev/db" }
    }
  }
}

10. 总结

🎯 核心要点

  1. MCP 是什么：AI 与外部工具通信的标准协议
  2. 为什么用：扩展 AI 能力，访问外部数据和服务
  3. 怎么配置：在 config.json 中添加 mcpServers
  4. 常用工具：数据库、文件系统、GitHub、浏览器
  5. 开发自己的：使用官方 SDK，发布到 npm

📋 快速开始

  1. 选择需要的 MCP 服务器
  2. 安装 MCP 服务器包
  3. 在 config.json 中配置
  4. 重启 Codex CLI
  5. 使用 /mcp list 验证

📚 下一步

📝 系列文章导航

  • 上一篇：[第5篇 - 避坑指南：新手必看的20个常见问题]
  • 下一篇：[第7篇 - Skills 技能系统：从安装到开发完全指南]
  • 系列目录：[Codex CLI 中文官方手册与使用指南（12篇）]

💡 遇到问题？ 欢迎在评论区留言，我会及时回复！

👍 觉得有用？ 点赞收藏，帮助更多开发者！

# 人工智能
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

AI新时代下的图床管理方案-Cloudflare图床+MCP+Skills方案指南

如果你想自己定制专属的图床 MCP 服务器，Cloudflare 官方提供了现成的 Skill，你可以让 AI 帮你一键构建：打开 Claude，输入："帮我构建一个部署在 Cloudflare Workers 上的 MCP 服务器，用来管理我的 R2 图床，需要带 OAuth 认证"Claude 会自动触发官方的Skill，帮你生成服务器代码、配置 OAuth 认证、甚至直接帮你部署到 Clou

avatar AI编程社区

AI Agent 工程师入门指南

从 2023 年 ChatGPT 爆发至今，大语言模型（Large Language Model, LLM）已经不再是“能聊天的工具”那么简单。短短三年多时间，LLM 从对话助手演变成了能编写代码、操作文件系统、执行 Shell 命令、甚至自主分解任务并逐步完成的“智能体”——也就是业界所说的 AI Agent。随之而来的，是越来越多的公司开始将 AI Agent 融入产品和工作流，AI Agen

avatar AI编程社区
cover

【VibeCoding系列教程16】 我的AI工具箱

avatar AI编程社区