1. 为什么我要自己写一个 MCP Server
MCP Server 这个词最近出现频率很高，但很多人第一次接触时会把它想复杂。简单说，它是让大模型调用外部工具的一套标准协议，你把自己写的脚本、内部 API、数据库查询包装成一个「工具」，AI 就能在对话里按需调用。适合谁？适合手里有一堆零散脚本、想让 AI 帮你串起来用的开发者，也适合想把公司内部服务接进 AI 工作流的人。
我这次的目标不是做一个玩具 demo，而是搭一个真正能在本地工具链里跑起来的 MCP Server，并且用 TaoToken 统一管理 Key 和 API 通道。为什么强调统一 Key？因为当你同时用 Cline、CC Switch、Claude Code 这类工具时，每个工具都配一遍 Key、改一遍 base_url，维护成本很高。TaoToken 提供的是一个兼容 OpenAI 风格的 API 入口，把模型调用收敛到一个 Key 上，MCP Server 里只需要读环境变量，不用关心背后换没换模型。
这篇会交付三样东西：一个可复制的 MCP Server 启动脚本、Cline 和 CC Switch 的配置骨架（settings.json / config.toml）、以及一套连通性验证动作。跟着做，你能在半小时内跑通第一个 MCP Server，并确认请求链路是通的。
2. TaoToken 前置准备：拿到统一 Key 和 API 地址
在写代码之前，先把「通道」准备好。TaoToken 的官网是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 入口是 https://taotoken.net/api 。注意 API 地址后面不加任何 UTM 参数，配置里就写这个干净的地址。
你需要做两件事：
第一，注册并创建一个 API Key。进入控制台后找到 API Keys 页面，新建一个 Key，复制出来先存到本地临时文件里。这个 Key 就是后面所有工具共用的那一个。
第二，确认你要用的模型名。TaoToken 的模型对话页面可以直接测试模型是否可用，建议先在网页里发一条消息，确认 Key 和模型都正常，再去配本地工具。这一步能帮你排除掉一半的「配置写了但请求 401」的问题。
提示：Key 不要硬编码进代码或提交到 Git。统一用环境变量注入，MCP Server 里通过 process.env 读取，这样换 Key 时只改一处。
如果你打算长期跑编码类 Agent，可以顺带了解一下 Coding Plan，它更适合高频调用场景；只是偶尔测试的话，按量用 API 就够了。相关入口：模型对话 https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite ，API Keys https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 。
3. 从零写一个 MCP Server：可复制的启动脚本
这里我用 Node.js 写一个最小可用的 MCP Server，功能是「查询本地项目信息」——比如读取当前目录的文件列表、返回指定文件的行数。这个例子足够简单，但覆盖了 MCP Server 的核心结构：声明工具、定义参数 schema、实现处理函数、通过 stdio 传输启动。
先初始化项目：
mkdir mcp-local-tools cd mcp-local-tools npm init -y npm install @modelcontextprotocol/sdk zod npm install -D typescript @types/node创建tsconfig.json：
{ "compilerOptions": { "target": "ES2022", "module": "Node16", "moduleResolution": "Node16", "outDir": "./build", "rootDir": "./src", "strict": true, "esModuleInterop": true, "skipLibCheck": true }, "include": ["src/**/*"], "exclude": ["node_modules"] }修改package.json，加上 type 和 build 脚本：
{ "type": "module", "scripts": { "build": "tsc && chmod 755 build/index.js" } }然后写核心文件src/index.ts：
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js"; import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js"; import { z } from "zod"; import { readdir, readFile } from "fs/promises"; import path from "path"; const server = new McpServer({ name: "local-tools", version: "1.0.0", capabilities: { tools: {} }, }); // 工具一：列出目录文件 server.tool( "list_files", { dir: z.string().describe("要列出的目录路径") }, async ({ dir }) => { try { const files = await readdir(dir); return { content: [{ type: "text", text: JSON.stringify(files, null, 2) }], }; } catch (e) { return { content: [{ type: "text", text: `Error: ${(e as Error).message}` }], isError: true, }; } } ); // 工具二：统计文件行数 server.tool( "count_lines", { file: z.string().describe("文件路径") }, async ({ file }) => { try { const content = await readFile(file, "utf-8"); const lines = content.split("\n").length; return { content: [{ type: "text", text: `文件 ${path.basename(file)} 共 ${lines} 行` }], }; } catch (e) { return { content: [{ type: "text", text: `Error: ${(e as Error).message}` }], isError: true, }; } } ); async function main() { const transport = new StdioServerTransport(); await server.connect(transport); console.error("MCP Server 已启动，等待 stdio 连接"); } main();构建：
npm run build构建产物在build/index.js。这个 Server 本身不调用大模型，所以暂时不需要 TaoToken 的 Key；但下一步我们要让它具备「调用模型」的能力，Key 就派上用场了。
3.1 让 MCP Server 通过 TaoToken 调用模型
给 Server 加一个工具，用 TaoToken 的 API 做一次模型调用。这样 AI 工具在调用你的 MCP Server 时，Server 内部再走统一通道请求模型，链路就串起来了。
server.tool( "ask_model", { prompt: z.string().describe("要问模型的问题") }, async ({ prompt }) => { const apiKey = process.env.TAOTOKEN_API_KEY; const baseUrl = process.env.TAOTOKEN_BASE_URL || "https://taotoken.net/api"; if (!apiKey) { return { content: [{ type: "text", text: "缺少 TAOTOKEN_API_KEY 环境变量" }], isError: true, }; } const res = await fetch(`${baseUrl}/v1/chat/completions`, { method: "POST", headers: { "Content-Type": "application/json", Authorization: `Bearer ${apiKey}`, }, body: JSON.stringify({ model: process.env.TAOTOKEN_MODEL || "gpt-4o-mini", messages: [{ role: "user", content: prompt }], }), }); const data = await res.json(); const text = data.choices?.[0]?.message?.content ?? JSON.stringify(data); return { content: [{ type: "text", text }] }; } );注意 base_url 写https://taotoken.net/api，路径拼/v1/chat/completions。模型名按你在模型对话页面确认过的填，不要凭记忆写。
4. 接入本地工具：settings.json 与 config.toml 配置骨架
MCP Server 写好了，接下来把它挂到本地 AI 工具上。不同工具的配置文件格式不一样，这里给两个最常见的骨架。
4.1 Cline（VS Code 插件）配置
Cline 的 MCP 配置通常放在 VS Code 的 settings.json 里，或者插件自己的 MCP 配置面板。核心结构是mcpServers：
{ "mcpServers": { "local-tools": { "command": "node", "args": ["/absolute/path/to/mcp-local-tools/build/index.js"], "env": { "TAOTOKEN_API_KEY": "你的Key", "TAOTOKEN_BASE_URL": "https://taotoken.net/api", "TAOTOKEN_MODEL": "gpt-4o-mini" } } } }args里必须是build/index.js的绝对路径，相对路径在插件启动子进程时经常解析失败，这是踩过的坑之一。
4.2 CC Switch 配置（config.toml）
CC Switch 用 TOML 管理多个通道配置，结构大致如下：
[[servers]] name = "local-tools" command = "node" args = ["/absolute/path/to/mcp-local-tools/build/index.js"] [servers.env] TAOTOKEN_API_KEY = "你的Key" TAOTOKEN_BASE_URL = "https://taotoken.net/api" TAOTOKEN_MODEL = "gpt-4o-mini"如果你在 CC Switch 里同时管理多个模型通道，把 TaoToken 作为一个 provider 配进去，base_url 填https://taotoken.net/api，Key 填同一个，这样切换工具时不用重复填 Key。
注意：配置文件里的 Key 是明文，建议把配置文件加入
.gitignore，或者用系统环境变量引用而不是直接写值。
5. 验证请求链路：三步确认跑通
配置写完不代表通了，必须做连通性验证。我一般分三步。
第一步，单独跑 MCP Server，确认进程能起来：
TAOTOKEN_API_KEY=你的Key node build/index.js如果看到 stderr 输出「MCP Server 已启动」，说明 Server 本身没问题。注意 MCP 用 stdio 通信，正常运行时 stdout 是给协议用的，日志要打到 stderr，否则会污染协议流。
第二步，用官方 Inspector 调试工具连上去，手动调用工具：
npx @modelcontextprotocol/inspector node build/index.js启动后打开它提示的本地地址，在界面里选择ask_model工具，输入一句「你好，回复两个字」，点运行。如果返回了模型输出，说明 MCP Server → TaoToken → 模型这条链路是通的。
第三步，回到 Cline 或 CC Switch，在对话里让 AI 调用这个工具。比如输入「用 local-tools 的 ask_model 工具问一下今天适合写代码吗」。AI 触发工具调用后，你能在工具执行记录里看到返回内容。
三步都过，链路就算跑通了。任何一步失败，问题范围都能缩小：第一步失败是 Server 代码问题，第二步失败是 Key 或网络问题，第三步失败是工具配置问题。
6. 本篇常见错误排查
报错Cannot find module '@modelcontextprotocol/sdk/server/mcp.js'多半是 Node 版本太低或 module 配置不对。确认 Node 18+，package.json里有"type": "module"，tsconfig.json的 module 设为 Node16。
Inspector 连不上，界面一直转圈检查启动命令里 node 后面的路径是不是build/index.js，以及有没有先执行npm run build。没构建就没有这个文件。
调用 ask_model 返回 401Key 没读到或写错了。先在终端echo $TAOTOKEN_API_KEY确认环境变量存在，再检查配置文件里 env 字段的 Key 有没有多余空格。
返回 404base_url 拼错了。正确写法是https://taotoken.net/api，请求路径/v1/chat/completions。不要写成https://taotoken.net/api/v1再拼/v1/...，会重复。
模型名报 not found去模型对话页面确认当前 Key 可用的模型列表，配置里用确认过的名字，不要照搬别处的示例。
Cline 里工具列表不显示配置文件 JSON 格式错误，或者 args 用了相对路径。用 JSON 校验工具过一遍，路径改绝对路径。
7. 下一步：把 Key 管理和工具链收敛到一处
跑通第一个 MCP Server 之后，你会发现真正麻烦的不是写 Server，而是工具多了以后 Key 和通道散落各处。我的做法是：所有本地工具统一读同一组环境变量，base_url 固定指向 TaoToken，模型名按需在配置里覆盖。这样换模型、换 Key 只改一个地方。
如果你要接更多工具，接入文档里有完整的参数说明和示例，可以先看文档再动手：接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite 。需要新建或轮换 Key 时去 API Keys 页面：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite 。想先验证模型是否可用，直接在模型对话里发一条消息最快：https://taotoken.net/api?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite 。长期跑编码 Agent 的话，Coding Plan 会更省心：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite 。
最后留一个实用建议：MCP Server 的日志一定走 stderr，工具处理函数里所有异常都要 catch 并返回isError: true，否则一个未捕获的异常会让整个 stdio 连接断掉，AI 工具那边只会显示「工具无响应」，排查起来很费时间。
