Fitten Code MCP上线：为AI Agent接入无限外部工具

什么是MCP？为什么它对AI编程至关重要

MCP（Model Context Protocol，模型上下文协议）是一种让大语言模型与外部数据源、工具无缝集成的标准协议。通俗地讲，它让AI Agent不再局限于内置的几个固定工具，而是可以像安装插件一样，灵活接入各种第三方服务。

MCP由Anthropic于2024年底正式提出并开源，其设计灵感来源于LSP（Language Server Protocol，语言服务器协议）——正是LSP让VS Code等编辑器能够通过统一接口支持数十种编程语言的智能提示。MCP试图在AI工具集成领域复制这一成功范式：在此之前，每家AI产品若想接入外部工具，都需要各自开发私有的集成方案，造成大量重复建设。MCP通过定义标准化的JSON-RPC通信格式，让任何符合规范的工具服务器（MCP Server）都能被任何支持MCP的AI客户端（MCP Client）调用，从根本上解决了AI工具生态的碎片化问题。

近期，Fitten Code 的 Agent 功能正式支持了 MCP。这意味着，Agent 除了原本就具备的文件读写、代码查找、终端操作等能力之外，现在还能接入 GitHub 服务、必应搜索、Excel 操作等各种外部工具。Agent 从一个代码助手，进化成了真正的超级个人助手。

Fitten Code MCP服务配置指南

添加内置MCP服务模板

配置过程非常直观。首先切换到 Agent 模式，点击界面上的 MCP 图标进入 MCP 服务设置页面。初始状态下没有任何已配置的服务，我们可以从 Fitten Code 提供的模板中快速添加。

以 GitHub 和 BingCN（必应搜索）为例，分别点击添加后，系统会自动生成一个 MCP 服务配置文件。不同的 MCP 服务配置信息以键值对的格式自动添加到一个 JSON 对象中——键名是服务名称，值是具体的配置信息。值得注意的是，MCP底层采用JSON-RPC 2.0作为通信协议，这是一种轻量级的远程过程调用规范，以JSON格式封装请求和响应。MCP Server可以用任何编程语言实现，目前主流实现方式有两种：基于stdio（标准输入输出）的本地进程模式，以及基于SSE（Server-Sent Events）的远程HTTP模式，配置文件中的command字段正是用于指定启动本地MCP Server进程的命令。

MCP服务配置文件

配置完成后，服务列表中的状态灯会变为绿色，表示该服务已经可以被 Agent 正常调用。扳手图标旁边的数字则表示该服务包含多少个可用工具。展开工具信息，可以看到每个工具的名称和功能描述，从而直观了解这个服务能做什么。

关键配置项说明

在配置过程中，有几个重要细节需要注意：

Timeout（超时时间）：默认为60秒。如果某个 MCP 服务的执行比较耗时，可以适当调大这个值，避免 Agent 因超时而放弃等待结果。
服务开关：当两个 MCP 服务存在冲突时，可以通过开关按钮临时关闭某个服务，而不必删除配置。
Token 配置：以 GitHub 服务为例，需要在 GitHub 设置页面手动生成 Personal Access Token，然后将其填入配置文件中对应的字段。GitHub Personal Access Token（PAT）是一种细粒度身份验证凭证，支持按需授权特定权限范围（Scope），即使Token泄露也能将损害控制在最小范围内。GitHub目前提供经典Token和细粒度Token两种类型，后者支持精确到单个仓库级别的权限控制，安全性更高。在MCP配置中使用PAT时，建议遵循最小权限原则，仅开放Agent实际需要的权限，并定期轮换Token以降低安全风险。

GitHub Token配置

实战演示：用MCP工具做技术调研

GitHub MCP工具的调研威力

MCP 最令人兴奋的应用场景之一，就是技术调研。传统的搜索引擎在面对新兴技术栈的报错信息时往往力不从心，尤其是那些刚开源不久的项目，最有价值的解决方案往往藏在 GitHub Issue 的讨论区里。

传统搜索引擎的局限

接入 GitHub MCP 服务后，Agent 可以通过 get_issue 等工具，自动根据报错信息在 GitHub 上搜索相关 Issue，筛选评论中的解决方案，省去了大量手动翻阅的时间。这背后依赖的是大语言模型的Function Calling（函数调用）能力：Agent在推理过程中，会根据用户意图和可用工具列表，自主决定是否调用工具、调用哪个工具、传入什么参数，整个过程是多轮迭代的——调用工具→获取结果→纳入上下文→继续推理，直到任务完成。MCP的标准化使Agent无需为每个工具编写特定调用逻辑，大幅降低了工程复杂度。

完整的AI调研流程

在实际演示中，首先通过 Rules 给 Agent 设定了行为准则："在收到技术栈调研类任务时，充分调用工具在 GitHub 上搜索并分析各种可能性。"然后提出问题："如果当前项目用 TypeScript 或其他前端技术重写，用什么库最合适？"

Agent 随即开始自动调用 GitHub 工具进行搜索，完成调研后给出了一份详细的技术方案对比分析。这种工作流大大提升了技术选型的效率和信心。

Agent调研结果

接入自定义MCP服务：扩展Agent能力边界

Fitten Code 的 MCP 支持并不局限于内置模板。用户可以通过 MCP 广场（社区）搜索并接入更多第三方 MCP 服务。MCP广场类似于VS Code的插件市场或npm的包管理仓库，目前已汇聚数百个第三方MCP Server，覆盖数据库查询、文件处理、Web抓取、云服务管理、办公软件操作等几乎所有常见场景。知名的开源MCP Server包括：Playwright MCP（浏览器自动化）、Filesystem MCP（本地文件系统操作）、PostgreSQL MCP（数据库查询）等。这种开放生态意味着开发者社区的创造力可以持续为AI Agent补充新能力，而无需等待AI产品官方逐一支持。

以 Excel 操作为例，具体操作步骤如下：

在 MCP 广场中搜索"Excel"，选择一个热度较高的服务
找到其文档中的配置信息
将配置信息复制到 Fitten Code 的 MCP 配置文件中
左侧服务列表自动出现该服务并显示为绿色

配置完成后，Agent 就具备了读取和操作 Excel 文件的能力。在演示中，Agent 成功使用工具读取到了 Excel 文件中的内容，展示了 MCP 生态的强大扩展性。

总结：MCP让AI Agent成为可无限扩展的智能平台

MCP 的引入让 Fitten Code Agent 从一个功能固定的编码助手，变成了一个可以无限扩展的智能工作平台。其核心价值在于：

标准化集成：通过统一的JSON-RPC协议规范，降低了工具接入的门槛，彻底解决了AI工具生态的碎片化问题
灵活可控：支持超时配置、服务开关、一键删除等精细化管理，Token权限遵循最小授权原则保障安全
生态开放：除内置模板外，可自由接入 MCP 广场中的海量第三方服务，社区创造力持续扩充Agent能力边界

对于开发者而言，MCP 最直接的价值在于将那些原本需要手动完成的重复性工作（如技术调研、数据处理、信息检索）交给 Agent 自动完成。随着 MCP 生态的不断丰富，AI Agent 的能力边界将持续扩展，真正成为开发者的超级助手。

核心要点

Fitten Code Agent 正式支持 MCP（模型上下文协议），可像插件一样接入 GitHub、必应搜索等外部工具
MCP基于JSON-RPC 2.0标准，参考LSP设计理念，从根本上解决AI工具生态碎片化问题
配置过程简单直观，支持超时设置、服务开关、Token 配置等精细化管理，建议遵循最小权限原则
接入 GitHub MCP 后，Agent 可通过多轮Function Calling自动搜索 Issue 讨论区，解决新兴技术栈的报错问题
支持通过 MCP 广场接入自定义第三方服务，如 Excel 操作等，社区生态持续扩充Agent能力
MCP 让 AI Agent 从固定功能的编码助手进化为可无限扩展的超级个人助手