企业官网建设流程全解析

1. 为什么要在 Cline 里接本地 MCP Server

MCP（Model Context Protocol）说白了就是一套“模型怎么调用外部工具”的约定。它把工具名、参数结构、返回格式都标准化，模型负责判断该用哪个工具，Cline 这类 Agent 负责真正发起调用，再把结果回传给模型。你不需要改模型本身，只要把本地写好的 Server 注册进客户端，就能让 DeepSeek 这类模型“长出手脚”。

我这次要跑通的链路是：本地用 uvx + fastmcp 起一个 MCP Server，Cline 作为客户端读取cline_mcp_settings.json，模型通道统一走 TaoToken 的 Key/API，这样模型调用和工具调用各走各的、互不干扰。适合已经在用 Cline 写代码、想让模型读本地文件或调本地脚本的人，也适合刚接触 MCP、想先跑通一条最小链路再扩展的开发者。

整条链路分三段：Server 端（fastmcp 写工具）、客户端配置（Cline 的 json 骨架）、模型通道（TaoToken 统一 Key）。下面按可复制的顺序来。

2. TaoToken 前置：把模型通道先固定下来

在配 MCP 之前，先把模型通道固定，否则后面排错时分不清是工具没起来还是模型没通。TaoToken 在这里的作用是统一 Key 和 API 入口，Cline 里填一次，模型对话和后续 coding 都复用同一个通道。

先到控制台建一个 Key：打开 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，在 API Keys 页面点创建，复制出来形如sk-xxxx的字符串。这个 Key 只显示一次，先存到本地临时文件里。

API 入口用 https://taotoken.net/api ，注意这个地址不带任何查询参数，Cline 的 Base URL 就填它。模型名按你实际要用的填，比如deepseek-chat或deepseek-reasoner，具体以文档页为准：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

注意：Key 不要写进会提交到 Git 的配置文件。Cline 的 settings 存在用户目录下，一般不会进仓库，但 MCP 的 json 如果放在项目里就要小心。

如果你后面要长期跑编码任务或 Agent 循环，可以看下 Coding Plan 的额度说明：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，按调用量选比单次充值更稳。

3. 可复制配置：uvx + fastmcp 起 Server，Cline 读 json

3.1 装 uv 和 uvx

uvx 是 uv 自带的子命令，作用类似 npx：在临时隔离环境里跑一个 PyPI 包提供的命令行工具，不污染你现有的 Python 环境。先装 uv：

pip install uv -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple

验证 uvx 可用：

uvx pycowsay 'hello world'

能打印出一头牛说明 uvx 正常。如果提示uv: command not found，多半是 pip 装的脚本目录没进 PATH，用python -m uv --version先确认包在，再把~/.local/bin加进 PATH。

3.2 写一个最小 fastmcp Server

新建目录mcp_demo，在里面写server.py。这个 Server 只暴露一个工具，返回传入文本的长度，方便验证链路：

from fastmcp import FastMCP mcp = FastMCP("demo") @mcp.tool() async def text_length(text: str) -> str: """返回输入文本的字符数。 Args: text: 要统计的文本 """ return f"length={len(text)}" if __name__ == "__main__": mcp.run(transport="stdio")

@mcp.tool()装饰器会把函数转成 MCP 协议里的 tool 描述，包含 name、description、inputSchema。Cline 启动时会向 Server 要tools/list，拿到的就是这些结构。

3.3 Cline 的 MCP 配置骨架

在 Cline 面板点 MCP Servers，再点 Configure MCP Servers，会打开cline_mcp_settings.json。第一次是空的，填入：

{ "mcpServers": { "demo": { "command": "uv", "args": [ "--directory", "/绝对路径/mcp_demo", "run", "server.py" ], "transportType": "stdio", "timeout": 60, "disabled": false } } }

字段含义：command是启动命令，args是参数数组，--directory指定工作目录，run server.py表示执行脚本，transportType用 stdio 走标准输入输出，timeout是握手超时。等价于 Cline 在后台执行：

uv --directory /绝对路径/mcp_demo run server.py

3.4 Cline 的 settings.json 片段

模型通道在 Cline 的 Settings 里配，对应settings.json的关键片段如下（字段名以你装的 Cline 版本为准，思路一致）：

{ "apiProvider": "openai", "openAiBaseUrl": "https://taotoken.net/api", "openAiApiKey": "sk-你的Key", "openAiModelId": "deepseek-chat" }

Base URL 用 TaoToken 的 API 入口，Key 用第 2 步建的，模型 ID 按文档填。这样模型请求走 TaoToken，MCP 工具请求走本地 stdio，两条链路分开，排错时能快速定位是哪一段出问题。

4. 验证请求：从握手到工具返回

4.1 先手动跑 Server

在终端直接执行：

uv --directory /绝对路径/mcp_demo run server.py

如果卡住不退出、没有报错，说明 Server 正常在等 stdio 输入。按 Ctrl+C 退出。这一步能过，说明 uvx/fastmcp 环境没问题。

4.2 在 Cline 里重连

回到 Cline 的 MCP Servers 面板，找到demo，点 Reconnect。两个指示灯变绿表示连接成功。如果显示 Error，先看第 5 节的排查。

4.3 发一条自然语言请求

在 Cline 对话框输入：

请用 demo 工具统计 "hello mcp" 的字符数

正常流程是：Cline 把问题和工具列表一起发给模型，模型判断要调text_length，Cline 发起tools/call，Server 返回length=9，模型再组织成自然语言回复。你最终看到类似“hello mcp 共 9 个字符”。

4.4 用测试客户端确认协议层

如果想确认协议层没问题，可以写个最小客户端直接发 JSON-RPC：

import subprocess, json proc = subprocess.Popen( ["uv", "--directory", "/绝对路径/mcp_demo", "run", "server.py"], stdin=subprocess.PIPE, stdout=subprocess.PIPE, text=True, ) def call(obj): proc.stdin.write(json.dumps(obj) + "\n") proc.stdin.flush() return json.loads(proc.stdout.readline()) call({"method": "initialize", "params": {"protocolVersion": "2024-11-05", "capabilities": {}, "clientInfo": {"name": "test", "version": "1.0"}}, "jsonrpc": "2.0", "id": 0}) proc.stdin.write(json.dumps({"method": "notifications/initialized", "jsonrpc": "2.0"}) + "\n") proc.stdin.flush() print(call({"method": "tools/list", "jsonrpc": "2.0", "id": 1})) print(call({"method": "tools/call", "params": {"name": "text_length", "arguments": {"text": "hello mcp"}}, "jsonrpc": "2.0", "id": 2})) proc.terminate()

能打印出 tools 列表和length=9的结果，说明 Server 端完全正常，问题只可能在 Cline 配置或模型通道。

5. 本篇常见错排查

spawn uv ENOENT：Cline 找不到 uv 命令。原因是 GUI 启动的 VSCode 没继承终端 PATH。解决办法是在终端里用code .启动 VSCode，让环境变量正确加载，再点 Reconnect。

uvx 下载工具失败：临时环境拉包超时。手动预装一次：

uvx mcp-server-fetch --index-url https://pypi.tuna.tsinghua.edu.cn/simple

tools/list 返回空：检查@mcp.tool()是否加在函数上，函数是否是 async，mcp.run是否在__main__里。少一个都会导致工具注册不上。

模型不调用工具：先确认 Cline 的模型通道能正常对话（发个 “hi” 看有没有回复）。如果模型通了但不用工具，多半是工具 description 太模糊，把 docstring 写清楚参数含义。

Key 报 401：检查 Base URL 是否误加了路径后缀，TaoToken 的 API 入口就是https://taotoken.net/api，Key 是否复制完整、有没有多余空格。

stdio 卡死：Server 里如果有print调试语句，会污染 stdout 导致协议解析失败。调试信息一律走 stderr。

6. 把链路固定下来，再往上加工具

跑通这条最小链路后，你可以把text_length换成真正要用的工具，比如读本地文件、查数据库、调内部接口。配置骨架不用动，只改server.py里的工具函数和cline_mcp_settings.json里的路径。

模型通道这边，Key 和 Base URL 建一次就复用，后续加工具不用重新配。需要新建或轮换 Key 时到 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 操作；接入细节和字段说明看 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ；想先在网页里验证模型是否正常，用模型对话页 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 发一条消息即可。长期跑编码和 Agent 任务的话，Coding Plan 的额度比单次充值更省心：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

一个实用习惯：每加一个新工具，先在终端手动跑一次 Server，再用测试客户端发tools/list确认注册成功，最后才去 Cline 点 Reconnect。这样出问题时你能立刻知道是 Server 端还是客户端配置，省掉大量来回试的时间。