8.2 在 Trae 上应用 MCP Server 的案例 · 波仔的 AI 编程实战课

📄 一句话概括

六个案例：找论文、抓网页、画导图、云桌面、私人导游、本地文件。 它们其实是同一个模板：装 Server、问一句、看它挑哪个工具、看结果。 六件事里只有「本地文件」能碰你磁盘，所以只有它必须做路径校验。

📝 本章和前面几章的关系

上一节两个案例在 Cline 上，这一节六个在 Trae 上。换宿主不换协议：配置还是那段 json，工具还是那张表。所以这一节的重点不是「六个案例」，是「一个模板套六次」。

一、六个案例，一个模板

AiXiv 找论文、Firecrawl 抓网页、Xmind 画导图、AgentBay 云桌面、地图做私人导游、 filesystem 管本地文件。六个换了六种能力，动作一模一样：装 Server、问一句、看它挑哪个工具、看结果。 会一个就会六个。 差别只在参数和产物形态：论文是列表，网页是 markdown，导图是树，文件是文本。

所以读这一节别去记六个案例的细节，记这一个模板就够了：用户说一句、模型挑工具、工具返回、模型接着说。

二、论文与网页：两步分开是有道理的

AiXiv 侧演示用了两个工具：paper.search 搜、paper.download 取全文。搜是便宜的，下载是贵的——要流量、要时间、可能还要额度。所以让模型先搜，看完列表再决定下哪一篇。 Firecrawl 侧只有一个 scrape。它干的事不是「发个请求」，是把网页洗成 markdown。

这个区别很重要：HTML 里九成是标签，模型读不动；洗成 markdown 之后，它才能读正文。 所以这类 Server 的价值不在「能联网」，在「把网上的东西变成模型能读的形状」。

三、导图：让 AI 写树，不让 AI 画图

演示里给一段三段的大纲，工具把它变成一棵树：MCP 下面挂协议层、传输层、安全，各自再挂子节点。 产物是树，不是图片。 Xmind 那一步只是把树画出来。这一点想通了，「让 AI 画思维导图」这件事就变得很具体：让 AI 写一个有层级的大纲，再用工具转成 .xmind 的结构。

所以这里的工具只需要两个参数：中心主题和缩进大纲。缩进表示层级，比让模型输出 JSON 稳。 顺带一句：这类转换工具特别好写，也特别容易被低估。它不联网、不花钱、结果确定。

四、本地文件：唯一必须做校验的那个

演示里两个工具：fs.list 列目录、fs.read 读文件。两个都只做一件事——把路径拼到根目录下，再用 realpath 检查前缀。传 todo.md 正常，传两个点加斜杠就被拒。这就是第 3 章那个攻击在真实工具里的样子。 六个案例里只有它能碰你磁盘。所以只有它必须做路径校验，也只有它必须限定根目录。

限定根目录这一条要在工具里写死，不能靠配置。 配置会被改，代码不会。顺便说一句 AgentBay 那类云桌面：它跑在别人的机器上，碰不到你的文件，风险的模样完全不同——风险变成「它能替你操作什么账号」。

五、六个 Server 装在一起会怎样

演示最后量了一下：这里四个 Server 六个工具，拼成提示词 535 字、约 310 token。把工具复制到 90 条，就成了 8025 字、约 4255 token。每轮对话都要带上这些。 所以实战里的做法是「按项目装」，不是「全都装」：做论文就装 AiXiv，写页面就装 Figma 和文件系统。

装 Server 像装浏览器插件：装十个，浏览器慢一半。 六个案例到这儿就完了。下一章换题材：七个生活类智能体，全是「一句话进、一个结果出」。

六、动手 Demo：在 Trae 里六个案例，一个模板

六个 Server 各造一两个工具，依次跑一遍：搜论文、抓网页、生成导图树、读写本地文件。最后量一下工具表拼成提示词有多长，看「全都装」的代价。工具都是真注册真调用，本地文件是真读真写。

ax = Server('aixiv-mcp')
ax.add(Tool('paper.search', '按关键词搜论文', SCHEMA, fn))
ax.add(Tool('paper.download', '给标题返回摘要与下载地址', SCHEMA, fn))

fc = Server('firecrawl-mcp')
fc.add(Tool('scrape', '抓网页，返回正文 markdown', SCHEMA, fn))

xm = Server('xmind-mcp')
xm.add(Tool('mindmap.create', '按缩进大纲生成节点树', SCHEMA, fn))

fs = Server('filesystem')
fs.add(Tool('fs.list', '列目录', SCHEMA, fn))
fs.add(Tool('fs.read', '读文件', SCHEMA, fn))

print(call(ax, 'paper.search', {'q': 'tool'}))
print(call(fc, 'scrape', {'url': 'https://example.com/news/1'}))
print(call(xm, 'mindmap.create', {'topic': 'MCP 知识地图', 'outline': OUTLINE}))
print(call(fs, 'fs.read', {'path': '../secret.txt'}))   # 被拒

实跑输出：

--------------------------------------------------------------------
在 Trae 里六个案例，一个模板
--------------------------------------------------------------------


  ① 六个案例，其实是同一个模板
  --------------------------------------------------------------------

| 案例 | Server | 第一个动作 | 产物 |
|---|---|---|---|
| 论文查找与下载 | AiXiv | 按关键词搜论文 | 标题、年份、摘要 |
| 网页信息抓取 | Firecrawl | 抓一个网址 | 正文 markdown |
| 思维导图整理 | Xmind | 把大纲写成节点树 | 一个 .xmind 结构 |
| 无影 AgentBay | AgentBay | 在云桌面里开一个应用 | 操作结果 |
| AI 私人导游 | 高德一类地图 | 查景点和路线 | 一天的行程 |
| 本地文件管理 | filesystem | 列目录、读文件 | 文件内容 |

  六个案例换了六种能力，动作是同一个：装 Server、问一句、看它挑哪个工具、看结果。
  【会一个就会六个】，差别只在参数和产物形态。

  ② AiXiv：先搜再取
  --------------------------------------------------------------------
用户说：帮我找几篇讲工具调用和 MCP 的论文。
  命中 2 篇
    Model Context Protocol: A Standard for Tool…   2024  arXiv  312 次引用
    Toolformer: Language Models Can Teach Thems…   2023  arXiv  1876 次引用

挑第一篇要全文：
  url：https://aixiv.example/abs/2861
  摘要：本文提出一种把工具调用写成协议的方法……
  两步分开是有道理的：搜是便宜的，下载是贵的（要流量、要时间），所以让模型先搜、确认之后再下。

  ③ Firecrawl：一个网址进去，一段 markdown 出来
  --------------------------------------------------------------------
抓那一页讲充电桩的新闻：
  # 标题：某地推进充电桩建设

  今年计划新建 2000 个快充桩……
  抓回来的不是 HTML，是 markdown。这一步很重要——【HTML 里九成是标签，模型读不动】。
  所以这类 Server 的价值不在于「能发请求」，在于「把网页洗成模型能读的东西」。

  ④ Xmind：把大纲写成节点树
  --------------------------------------------------------------------
给三段大纲，让它生成导图结构：
  ○ MCP 知识地图
    ├ MCP
      ├ 协议层
        ├ JSON-RPC
        ├ 五个错误码
      ├ 传输层
        ├ stdio
        ├ Streamable HTTP
      ├ 安全
        ├ 描述投毒
        ├ 最小权限
  产物是一棵树，不是图片。
  Xmind 那一步只是把树画出来，【所以「让 AI 画导图」实际是「让 AI 写树」】。

  ⑤ 本地文件管理：真的读写本机
  --------------------------------------------------------------------
  fs.list  -> {"items": ["todo.md"]}
  fs.read  -> {"text": "# 待办\n\n- 把 D022 跑通\n- 检查路径校验\n"}
  fs.read  -> {"error": "路径越界，已拒绝"}
  最后一行是第 3 章那个攻击在真实工具里的样子。这个工具写对了，它拒绝了。
  六件事里只有它能碰你本机的文件，所以【只有它必须做路径校验】。

  ⑥ 六个 Server 装在一起，问题来了
  --------------------------------------------------------------------

| 装几个 Server | 工具条数 | 拼成提示词多少字 | 约多少 token |
|---:|---:|---:|---:|
| 这里 4 个 | 6 | 535 | 310 |
| 六个都塞满 | 90 | 8025 | 4255 |

六个案例全装上，工具表就有几十条——第二行那些 token，每轮对话都要带上。
  第二行是拿这六条复制十五遍凑出来的，只用来看「条数涨上去，字数和 token 怎么涨」。
  【所以实战里的做法是「按项目装」，不是「全都装」】：做论文就装 AiXiv，
  写页面就装 Figma 和文件系统。
  这一章两个案例讲完，下一章换题材：七个生活类智能体，全是「一句话进、一个结果出」。

①第一张表六行，最后一列「产物」是关键。六个案例的产出形态完全不同，但流程是同一个。 ②论文那两步分开是有意的：搜便宜、取贵。先搜后取，是这类工具的标准做法。 ③抓网页那一步的重点是「洗成 markdown」，不是「发个请求」。HTML 直接给模型，它读不出正文。 ④导图那一段的产物是一棵树。看见那行缩进就知道：AI 画导图，画的是层级。 ⑤本地文件最后一行被拒了。这一行是六个案例里唯一跟安全直接相关的，其余五个的风险在别处。

30 秒实验

把 xmind 那个工具的提纲换成四层，看生成的树对不对。
把 fs.read 的根目录写死成上级目录，再跑一次，看它还会不会拒。
只装两个 Server（论文和文件），量一下工具表比全装少多少。

常见误区

「抓网页就是发个 HTTP 请求。」重点是洗成 markdown。给模型原始 HTML，它读不动。
「画思维导图是画图。」是写树。图是最后一步渲染出来的。
「本地文件工具加个配置就能限制范围。」配置会被改。限定根目录要写进代码。

自测三问（点开对答案）

1. 六个案例为什么说是一个模板？ —— 流程都是：装 Server、问一句、模型挑工具、工具返回、模型接着说。换的只是工具和产物形态。 2. 为什么论文要先搜再取全文？ —— 搜便宜、取贵。先看列表再决定下哪一篇，省流量也省额度。 3. 六个案例里哪个必须做路径校验？为什么？ —— 本地文件那个。只有它能碰你的磁盘，其余五个碰不到本机文件。

这一章两个案例收尾。下一章七个生活类智能体，全是问答形状，但每一个都藏着一个「参数从哪来」的问题。

☐ （本篇完，下一篇 9.1 旅行规划智能体）