用 Claude Code + MCP 搭建 AI 程式設計工作流:從入門到實戰

用 Claude Code + MCP 搭建 AI 程式設計工作流:從入門到實戰

Claude Code + MCP:為什麼這對組合值得關注?

Claude Code 本身已經足夠強大——它能理解整個程式碼庫、跨檔案修改程式碼、在終端裡執行命令。但它的”世界”僅限於你的專案資料夾。

Claude Code 生命週期鉤子與 MCP 整合示意

MCP 協議的出現打破了這堵牆。透過 MCP Server,Claude Code 獲得了對整個開發工具鏈的存取能力:

  • 專案管理系統:Jira、Linear、Notion
  • 程式碼託管平臺:GitHub、GitLab
  • 資料庫:PostgreSQL、SQLite、MongoDB
  • 監控工具:Sentry、Datadog
  • 設計工具:Figma
  • 通訊工具:Slack、Telegram、Discord

你不再需要手動複製貼上工單描述到聊天視窗,也不需要把資料庫查詢結果截圖發給 AI。Claude Code 可以直接讀取和操作這些系統。


第一步:安裝 Claude Code

如果你還沒有安裝 Claude Code,這裡有幾種方式:

macOS / Linux / WSL(推薦一鍵安裝):

curl -fsSL https://claude.ai/install.sh | bash

Homebrew(macOS):

brew install --cask claude-code

Windows PowerShell:

irm https://claude.ai/install.ps1 | iex

安裝完成後,在任意專案目錄下執行:

cd your-project
claude

首次執行會提示你登入。支援 Claude Pro/Max/Team 訂閱,也支援 Anthropic Console API 帳戶,以及 Amazon Bedrock、Google Vertex AI 等第三方供應商。

登入後憑證會儲存在本地,後續無需重複登入。

更多安裝細節參考:Claude Code 官方文件


第二步:理解 MCP 的三種連線方式

Claude Code 支援三種 MCP Server 傳輸協議,每種適用於不同場景:

1. 遠端 HTTP Server(推薦)

適合連線雲端服務,是目前最廣泛支援的傳輸方式。

# 連線 Notion MCP
claude mcp add --transport http notion https://mcp.notion.com/mcp

# 帶認證的 API 連線
claude mcp add --transport http secure-api https://api.example.com/mcp \
  --header "Authorization: Bearer ***"

.mcp.json 配置檔案中,type 欄位也接受 streamable-http 作為 http 的別名,這樣從其他 MCP 文件複製的配置可以直接使用。

2. 遠端 SSE Server

# 連線 Asana(注意:SSE 傳輸已被棄用,建議優先使用 HTTP)
claude mcp add --transport sse asana https://mcp.asana.com/sse

3. 本地 stdio Server

適合需要直接存取本地系統資源的場景。Claude Code 會自動將 CLAUDE_PROJECT_DIR 環境變數傳遞給子程序,方便 Server 解析專案相對路徑。

# 連線 Airtable MCP Server
claude mcp add --transport stdio --env AIRTABLE_API_KEY=YOUR_KEY airtable \
  -- npx -y airtable-mcp-server

⚠️ 選項順序很重要:所有選項(--transport--env--scope--header)必須放在 Server 名稱之前。--(雙橫線)之後才是傳遞給 MCP Server 的命令和引數。


第三步:實戰——搭建你的開發工作流

下面是一個完整的實戰場景:用 Claude Code + MCP 實現從工單到 PR 的自動化流程。

場景描述

你正在維護一個 Web 專案。產品經理在 Linear 上建立了一個新需求,你需要:

  1. 讀取需求描述
  2. 在程式碼庫中實現功能
  3. 執行測試
  4. 提交程式碼並建立 GitHub PR
  5. 在 Slack 通知團隊

配置 MCP Server

首先連線 GitHub 和 Linear:

# 連線 GitHub(使用個人 Token)
claude mcp add --transport stdio \
  --env GITHUB_PERSONAL_ACCESS_TOKEN=ghp_xxxx \
  github -- npx -y @anthropic/mcp-server-github

# 連線 Linear
claude mcp add --transport http linear https://mcp.linear.app/mcp \
  --header "Authorization: Bearer ***"

連線後可以透過以下命令確認狀態:

claude mcp list

在 Claude Code 會話中執行 /mcp 可以檢視每個 Server 的工具數量和連線狀態。

實際使用

現在你可以用自然語言完成整個流程:

讀取 Linear 工單 WEB-123 的需求,實現這個功能,
在 GitHub 上建立 feature/web-123 分支,
寫完後跑測試,透過的話提交 PR 並通知團隊。

Claude Code 會:

  1. 透過 Linear MCP Server 讀取工單詳情
  2. 建立 Git 分支
  3. 理解需求並編寫程式碼
  4. 執行 npm test 等測試命令
  5. 透過 GitHub MCP Server 建立 Pull Request
  6. 透過 Slack MCP Server 傳送通知

資料庫查詢工作流

如果你還需要查詢資料庫來輔助開發:

# 連線 PostgreSQL
claude mcp add --transport stdio \
  --env PG_CONNECTION_STRING=postgresql://user:***@host:5432/db \
  postgres -- npx -y @modelcontextprotocol/server-postgres

然後你可以這樣問 Claude Code:

查一下最近一週使用 /api/search 介面的使用者資料,
分析效能瓶頸,然後幫我最佳化相關程式碼。

第四步:進階技巧

動態工具更新

Claude Code 支援 MCP list_changed 通知,MCP Server 可以動態更新可用工具列表,而無需重啟會話。這意味著你可以:

  • 在會話中臨時啟用/停用某些工具
  • 根據專案上下文切換工具集
  • 實現條件性工具暴露

用 Claude 自動生成 MCP Server

如果現有的 MCP Server 不能滿足需求,Claude Code 本身就能幫你搭建:

# 在 Claude Code 會話中安裝官方外掛
/plugin install mcp-server-dev@claude-plugins-official

# 重新載入外掛
/reload-plugins

# 執行構建工具
/mcp-server-dev:build-mcp-server

Claude 會詢問你的使用場景,然後自動生成一個遠端 HTTP 或本地 stdio Server 的腳手架程式碼。

專案級 MCP 配置

MCP 配置可以限定在特定專案。在專案根目錄建立 .mcp.json,裡面的配置僅在當前專案生效:

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@anthropic/mcp-server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxxx"
      }
    }
  }
}

這樣不同專案可以有完全不同的 MCP Server 集合,互不干擾。


安全提醒

連線 MCP Server 時務必注意以下安全問題:

  • 僅連線你信任的 Server:獲取外部內容的 Server 可能帶來 Prompt 注入風險
  • 最小權限原則:給 MCP Server 的 API Token 只授予必要的權限
  • 定期檢查已連線的 Server:用 claude mcp list 審查配置,移除不再使用的 Server
  • 敏感資料隔離:資料庫連線串等敏感資訊建議用環境變數管理,不要硬編碼

總結

Claude Code + MCP 的組合,本質上是在解決一個核心問題:如何讓 AI 程式設計助手從”能寫程式碼”變成”能幹活”

當 Claude Code 可以直接讀取工單、查詢資料庫、操作 Git、傳送通知時,它就不再是一個被動的問答工具,而是一個能獨立執行完整開發流程的智慧代理。

這套工作流的門檻並不高——安裝 Claude Code、連線幾個 MCP Server、用自然語言描述需求,剩下的交給 AI。如果你還在手動複製貼上工單內容、手動查資料庫、手動建立 PR,真的值得試試這個方案。


推薦閱讀: