最近一个月把官方 MCP Servers 仓库 modelcontextprotocol/servers 翻了一遍，挑出 5 个最实用、装上立刻见效的免费 MCP Server。所有推荐都支持 Claude Code、Codex CLI、Cursor 这些主流 AI 编程工具。
先说 MCP 是什么
MCP（Model Context Protocol）是 Anthropic 去年开源的一个标准协议，让 AI Agent 能调用外部工具和数据源。你可以理解成”AI 的 USB 接口”——只要一个工具按 MCP 协议实现，Claude Code、Codex、Cursor 这些客户端都能直接用，不用每个客户端单独适配。
之前写过一篇 MCP 数据库只读连接怎么做？给 AI Agent 查数据前先把权限和边界锁住，今天这篇从”工具清单”的角度聊。
推荐 5 个 MCP Server
1. Filesystem MCP（必装）
干什么：让 AI 直接读写本地文件、列目录、搜索文件内容。
适合场景：让 Cursor/Claude Code 批量整理文件、按规则重命名、做本地文档摘要。
安装：
claude mcp add filesystem npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/dir踩坑提示：
- 必须指定允许访问的目录，绝对不能用
/或整个 home，否则 AI 误删文件你就哭了 - Windows 路径要转义，比如
D:\\projects\\docs - 大目录（>10 万文件）扫描会慢，建议按项目拆开授权
2. Brave Search MCP
干什么：让 AI 联网搜索实时信息，返回带引用源的整理结果。
适合场景：写代码时查最新 API 文档、写新闻稿查最新事件、研究新框架。
安装：
先到 Brave Search API 申请免费 key（有 2000 次/月免费额度），然后：
claude mcp add brave-search npx -y @modelcontextprotocol/server-brave-search --env BRAVE_API_KEY=你的key踩坑提示：
- 国内网络环境下偶尔 timeout，建议配合 API 加速方案 一起看
- 搜索结果质量跟 query 写法强相关，模糊 query 返回的内容会很泛
- 免费额度对个人够用，团队用建议升级 paid plan
3. GitHub MCP
干什么：让 AI 直接读写 GitHub 仓库，创建 issue、查 PR、看代码、读 Actions 日志。
适合场景：让 Claude Code 帮你 review PR、自动创建 issue、按模板生成 changelog。
安装：
claude mcp add github npx -y @modelcontextprotocol/server-github --env GITHUB_TOKEN=你的token踩坑提示：
- Token 权限要最小化，只给用到的 repo 和 scope（
repo/read:org等） - 不要给
admin:org这种高权限 token，AI 误操作风险大 - 公开仓库调试时建议用 fine-grained PAT（Personal Access Token），不要用 classic token
参考之前的 AI 编程安全检查怎么做？让 Cursor、Claude Code、Codex 不带坑上线，权限控制这块必须谨慎。
4. SQLite MCP
干什么：让 AI 直接查询/修改本地 SQLite 数据库，跑 SQL、生成报表、做数据分析。
适合场景：让 Claude Code 帮你分析用户行为日志、生成日报数据、按条件筛选数据。
安装：
claude mcp add sqlite npx -y @modelcontextprotocol/server-sqlite --db-path /path/to/your.db踩坑提示：
- 生产数据库务必先备份再让 AI 操作，AI 生成 SQL 可能写错
- 复杂的 JOIN AI 会写，但效率不一定高，建议先看 AI 模型降价潮下的多模型路由 提到的”用小模型做 SQL 预处理”
- 多个 SQLite 文件时明确指定路径，别让 AI 自己猜
5. Puppeteer MCP
干什么：让 AI 操控浏览器，截图、填表、爬数据、跑前端测试。
适合场景：让 Claude Code 帮你写前端组件后截图验证、爬取竞品数据、自动化测试登录流程。
安装：
claude mcp add puppeteer npx -y @modelcontextprotocol/server-puppeteer踩坑提示：
- 需要本地装 Chrome，首次运行会下载 Chromium
- 复杂页面（重 JS、单点登录）执行慢，建议加 timeout
- 爬数据注意 robots.txt 和目标站点的 ToS，别给客户惹法律麻烦
MCP 生态的老达判断
MCP 这一年发展很快，但老达实测下来有几个真实判断：
水位：从”能用”到”好使”的临界点还没完全到。官方仓库里 server 不少，但质量参差不齐，有些 server 几个月没更新、有 issue 没人回。装之前先看 GitHub 仓库的最近 commit 日期和 open issue 数。
工具覆盖：上面这 5 个是覆盖度最高的（文件、网络搜索、代码平台、数据库、浏览器）。其他场景（飞书、Notion、Figma）也有第三方 MCP，但成熟度不如官方这些。
替代方案：如果你不想装 MCP，部分功能可以用 OpenClaw 这类工具桥接，或者直接让 AI 生成脚本调用 API。MCP 的优势是”一次配置多客户端复用”，如果只用一个客户端，MCP 的边际收益不明显。
学习曲线：安装本身不复杂（基本是 npm 一行命令），但调试 MCP 配置（环境变量、路径、权限）是真正的门槛。建议先从 Filesystem MCP 开始，跑通后再装其他的。
参考 AI Agent 工作流专题 看更多 AI Agent 落地经验。
怎么装多个 MCP 不冲突
实操经验：
- 分类授权：开发用的 MCP（github、sqlite）放工作目录权限，爬虫用的（puppeteer、brave-search）放另一个目录
- 环境变量统一管理：把 API key 放在
.env.local，不要硬编码到 MCP 配置里 - 定期审计：每两周 review 一下当前装了什么 MCP，停用不用的减少攻击面
具体的 MCP 配置模板可以看 老达AI实践专题。
总结
MCP 这个生态目前还在快速演化，老达的建议是：
- 先装 Filesystem + Brave Search 两个，能解决 80% 的日常需求
- 用到哪个具体场景再加哪个 server，不要一口气全装
- 关键场景（生产 DB、GitHub 仓库）务必权限最小化
- MCP 不是万能的，复杂的业务逻辑还是要写代码
如果你刚开始接触 MCP，建议从 Claude Code MCP 配置指南 开始看。
