单纯地连接一个 Server 只是第一步。MCP 的真正威力在于 组合。当 Claude 同时连接了“眼睛”（搜索）、“记忆”（数据库）和“双手”（GitHub）时，它就不再是一个聊天机器人，而是一个全栈工程师。
本节将通过三个典型场景，展示如何组合多个 MCP Server 来完成复杂任务。
目标：自动拉取最新的 Pull Request，分析代码变动，并生成一份审查报告保存到本地。
mcp-server-github: 读取 PR 内容。mcp-server-filesystem: 保存 Markdown 报告。
User: “请帮我审查 anthropic/sdk 仓库的 #123 号 PR，并将报告保存到桌面的 reviews 文件夹。”
Claude 的后台操作 (Thinking):
- 调用
github.get_pull_request(owner="anthropic", repo="sdk", number=123)获取 PR 描述。 - 调用
github.get_issue_comments查看已有讨论。 - 调用
github.get_pull_request_files获取变更文件列表。 - 逐个分析代码逻辑... (Claude 内部推理)。
- 生成一份 Markdown 内容。
- 调用
filesystem.write_file(path="/Users/me/Desktop/reviews/pr_123.md", content=...)。
Result (结果): 桌面上多了一份文件，无需离开对话框。
目标：无需写 SQL，直接用自然语言查询数据库，结合互联网信息生成商业分析图表。
mcp-server-postgres: 连接业务数据库（如销售数据）。mcp-server-brave-search: 搜索外部竞品信息。
User: “分析一下上个季度我们在'无线耳机'品类的销售情况，并与苹果 AirPods 的近期市场表现做对比。”
Claude 的后台操作:
- 内部数据: 调用
postgres.query("SELECT sum(amount) FROM sales WHERE category='earphones' AND date > ...")。- Result: “销售额 500万，环比增长 10%。”
- 外部数据: 调用
brave.search("Apple AirPods market share Q3 2025")。- Result: “AirPods 市场份额下滑 2%...”
- 综合分析: 结合内外部数据，生成洞察。
- “虽然竞品下滑，但我司逆势增长，建议加大营销投入...”
目标：当系统报警时，自动查看日志并尝试修复。
mcp-server-sentry: 获取错误堆栈。mcp-server-ssh: (假设有此工具) 连接服务器查看日志。mcp-server-slack: 通知运维团队。
User: “Sentry 上刚报了一个 Critical Error，看看是咋回事。”
Claude 的后台操作:
- 调用
sentry.get_latest_issue()。- Error: "Connection refused on port 6379 (Redis)".
- 推理: “这是 Redis 挂了。”
- 调用
ssh.execute("systemctl status redis")。- Output: "Active: failed".
- 调用
slack.send_message(channel="#devops", text="检测到 Redis 服务宕机，建议重启。")。
当挂载了多个工具时，Prompt 的质量决定了调用的准确度。
- Bad: “查一下那个数据。”
- Good: “请去 Postgres 数据库 查一下...” 或 “请 Google 搜索 一下...”
如果在构建自己的 Agent 应用：
<system_prompt>
你是一个拥有数据库(Postgres)和代码库(GitHub)访问权限的全能助手。
在回答问题前，优先尝试使用工具获取真实数据，而不是凭空猜测。
</system_prompt>不要一次只发一个指令。尝试让 Claude 规划任务：
“请先列出数据库里的表结构，然后帮我写一个查询...”
Claude 会先调用 list_tables，看到结果后，再在同一个回复中生成 SQL 查询。
现在已经体验了使用现成的 Server，但在企业中，往往需要通过 MCP 暴露 内部的私有 API。这就需要自己动手编写 MCP Server 了。