OpenClaw + MCP：扩展 AI 能力边界

MCP（Model Context Protocol）是 OpenClaw 扩展能力的重要方式。本文介绍如何配置和使用 MCP 服务。

一、什么是 MCP？

MCP 是一个开放协议，允许 AI 模型连接外部工具和服务。通过 MCP，OpenClaw 可以访问各种外部能力。

二、MCP 架构

• MCP 客户端：运行在 OpenClaw 中
• MCP 服务器：提供具体工具和服务
• 通信协议：JSON-RPC

三、安装 MCP 服务器

1. 使用 mcporter（推荐）

# 安装 mcporter
npm install -g mcporter

# 添加 MCP 服务器
mcporter config add my-server --command "npx" --arg "mcp-server-name"

2. 常用 MCP 服务器

• 文件系统操作
• 数据库查询
• API 调用
• 代码执行

四、配置 MCP

1. 基本配置

{
  "mcp": {
    "servers": {
      "filesystem": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/dir"]
      }
    }
  }
}

2. 带认证的配置

{
  "mcp": {
    "servers": {
      "api": {
        "command": "npx",
        "args": ["-y", "mcp-api-server"],
        "env": {
          "API_KEY": "your-key"
        }
      }
    }
  }
}

五、使用 MCP 工具

配置完成后，直接在对话中请求即可：

请读取 /workspace 目录下的文件

六、自定义 MCP 服务器

1. 创建服务器

from mcp.server import Server

server = Server("my-custom-server")

@server.list_tools()
async def list_tools():
    return [
        Tool(
            name="my_tool",
            description="自定义工具",
            inputSchema={"type": "object", "properties": {}}
        )
    ]

2. 注册处理函数

@server.call_tool()
async def call_tool(name, arguments):
    if name == "my_tool":
        return ["执行结果"]
    raise ValueError(f"Unknown tool: {name}")

七、调试 MCP

# 查看 MCP 状态
openclaw mcp list

# 测试连接
openclaw mcp test <server-name>

八、安全考虑

• 🔒 限制文件系统访问范围
• 🔑 妥善保管 API 密钥
• ✅ 审核第三方 MCP 服务器

九、总结

MCP 大大扩展了 OpenClaw 的能力边界，通过它可以连接任何外部服务或工具。

本文由AI辅助整理发布