Claude Code完整指南：MCP、Skills、第三方模型配置一次搞定

Claude Code 是 Anthropic 官方出的命令行工具，直接在终端里跟 Claude 交互，干的事情就是帮你写代码、改代码、跑命令。跟 ChatGPT 那种网页聊天不一样，它是嵌在你开发工作流里的——你在哪个目录下启动它，它就能读那个目录的代码，理解项目结构，然后直接动手改文件。

说白了，它把"复制代码到聊天框→拿到回复→粘贴回编辑器"这个循环给干掉了。

安装

原生安装器（推荐）

这是目前官方推荐的方式，零依赖，不需要 Node.js，装完自动后台更新。

macOS / Linux：

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

Windows：

winget install Anthropic.ClaudeCode

Homebrew（macOS）

brew install --cask claude-code

能用，但新版本发布后 Homebrew 那边会有几小时到一两天的同步延迟。追新版本的话还是用原生安装器。

npm（已不推荐）

npm install -g @anthropic-ai/claude-code

从 v2 开始就标记为 deprecated 了。如果你有特殊原因需要锁定版本，还能用，但一般没必要。需要 Node.js 18+ 环境。

启动

装完之后，cd 到你的项目目录，直接敲：

claude

第一次用会让你登录 Anthropic 账号做认证。搞定之后就进入交互式对话了。如果你没有 Anthropic 账号，文章后面会有介绍如何接入其它模型。

非交互模式（适合脚本调用）：

claude -p "解释一下 src/auth.ts 里的登录逻辑"

核心用法

让它读代码

最基础的用法——你不确定某段代码干了什么，直接问：

这个项目的入口文件在哪？整体架构是怎样的？

它会自己去翻文件、读代码，然后给你一个总结。不需要你手动指定文件路径（当然你也可以指定）。

让它改代码

比如你想给某个函数加个参数校验：

给 src/utils/validate.ts 里的 parseConfig 函数加上参数类型检查，如果传入的不是对象就抛 TypeError

它会读文件、定位函数、改代码、写回去。改之前会把 diff 展示给你看，你确认了才会真正写入。

让它跑命令

跑一下测试看看有没有挂的

它会根据项目里的配置（package.json、Makefile 之类的）判断该用什么命令，然后执行。执行前同样会让你确认。

让它处理 Git 操作

把当前改动提交一下，commit message 写清楚点

它会看 diff、生成 commit message、执行 git add 和 commit。但默认不会 push——推送到远端这种不可逆操作，它会额外确认。

权限模型

Claude Code 有三种权限模式，控制它能自动做什么、什么需要你点确认：

• Ask mode：所有操作都要确认。适合刚开始用、不太信任它的时候。
• Auto-edit mode：读文件和改文件自动放行，但跑命令还是要确认。日常开发比较推荐这个。
• Full auto mode：啥都自动干。适合你很清楚它要做什么、或者在沙箱环境里跑的场景。

切换方式：在交互模式里输入 /permissions 就能调。

一个实用建议：刚上手先用 Ask mode 跑几天，观察它的行为模式，心里有数了再切到 Auto-edit。

CLAUDE.md：给它立规矩

项目根目录下放一个 CLAUDE.md 文件，Claude Code 每次启动都会读它。你可以在里面写：

• 项目的技术栈和约定
• 代码风格要求
• 哪些文件不要动
• 常用命令是什么

示例：

# 项目约定

- 使用 TypeScript strict mode
- 组件用 PascalCase 命名，工具函数用 camelCase
- 测试文件放在同目录下的 **tests** 文件夹
- 不要修改 src/generated/ 下的任何文件，那是自动生成的
- 运行测试：pnpm test
- 运行 lint：pnpm lint

这个文件的好处是团队共享——提交到仓库里，所有人用 Claude Code 的时候都遵守同一套规矩。

MCP：给 Claude Code 接外 挂

MCP 是什么

MCP（Model Context Protocol）是 Anthropic 搞的一套开放协议，2025 年捐给了 Linux 基金会。简单说就是一个标准化的接口，让 Claude Code 能连接外部工具和服务——数据库、浏览器、搜索引擎、GitHub、各种 API，都能通过 MCP 接进来。

没有 MCP 的时候，Claude Code 只能读文件、改文件、跑命令。有了 MCP，它能查数据库、搜网页、操作浏览器、调第三方 API，能力边界一下子扩大了很多。

怎么加 MCP Server

用 claude mcp add 命令：

# 基本格式
claude mcp add <server-name> -- <启动命令>

# 指定作用域
claude mcp add <server-name> --scope user    # 个人级别，所有项目可用
claude mcp add <server-name> --scope project # 项目级别，跟着仓库走

举个例子，加一个 GitHub MCP server：

claude mcp add github -- npx -y @modelcontextprotocol/server-github

加完之后重启 Claude Code 就能用了。也可以直接编辑配置文件，位置在项目的 .claude/settings.json 或者用户级别的配置目录里：

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

推荐的 MCP Server

用了一段时间下来，这几个是真正高频用到的：

Context7 —— 实时文档查询

这个强烈推荐。它能拉取各种库的最新文档和代码示例，解决"训练数据过时"的问题。你问 Claude 一个 Next.js 14 的 API 用法，它可能给你的是旧版本的写法，但有了 Context7，它会去查最新文档再回答。

claude mcp add context7 -- npx -y @upstash/context7-mcp

Memory —— 跨会话记忆

Claude Code 默认每次对话是独立的，关掉终端就忘了。Memory server 提供一个持久化的知识图谱，让它能记住跨会话的信息——比如你的项目架构决策、之前踩过的坑。

claude mcp add memory -- npx -y @modelcontextprotocol/server-memory

GitHub —— 仓库操作

不只是 git 命令那些基础操作，而是 GitHub 平台层面的——创建 PR、review 代码、管理 issue、查 CI 状态。

claude mcp add github -- npx -y @modelcontextprotocol/server-github

需要设置 GITHUB_PERSONAL_ACCESS_TOKEN 环境变量。

Brave Search —— 网页搜索

让 Claude Code 能搜索互联网。遇到不确定的技术问题，它可以先搜一下再回答，而不是纯靠训练数据瞎编。

claude mcp add brave-search -- npx -y @modelcontextprotocol/server-brave-search

需要 Brave Search API key。

Puppeteer —— 浏览器自动化

能操控浏览器，适合做 E2E 测试、截图、抓取页面内容。

claude mcp add puppeteer -- npx -y @modelcontextprotocol/server-puppeteer

PostgreSQL —— 数据库操作

直接查数据库、看表结构、跑 SQL。调试数据相关的 bug 时特别有用。

claude mcp add postgres -- npx -y @modelcontextprotocol/server-postgres postgresql://user:pass@localhost/dbname

Sequential Thinking —— 深度推理

遇到复杂问题时，让 Claude 用更结构化的方式一步步推理，而不是一口气给答案。适合架构设计、复杂 bug 分析这类需要深度思考的场景。

claude mcp add sequential-thinking -- npx -y @modelcontextprotocol/server-sequential-thinking

MCP 使用建议

• 不要一口气装太多。每个 MCP server 都会占启动时间和上下文空间，装个五六个常用的就够了
• 敏感信息（数据库密码、API key）放环境变量里，别硬编码在配置文件中
• 项目级别的 MCP 配置（.claude/settings.json）可以提交到仓库，但记得把 env 里的密钥排除掉
• 用 /mcp 命令可以在会话中查看和管理当前加载的 MCP server

Skills：可复用的工作流

Skills 是什么

Skills 本质上就是 markdown 文件，里面写着一套指令。你把它放到指定目录，Claude Code 就能识别并加载。可以理解为"预设的 prompt 模板"，但比直接粘贴 prompt 方便得多——它跟 slash command 是统一的，创建一个 skill 就自动注册为一个 /命令。

适用场景：你发现自己反复给 Claude Code 说同样的话（"用 vitest 写测试，覆盖边界情况，mock 外部依赖"），那就该把它做成 skill 了。

怎么创建 Skill

在项目里创建这个路径的文件：

.claude/skills/<skill-name>/SKILL.md

或者放在用户级别（所有项目通用）：

~/.claude/skills/<skill-name>/SKILL.md

文件内容就是 markdown，可以带 YAML frontmatter 来控制行为：

---
name: write-test
description: 为指定模块编写单元测试
allowed-tools:
  - Bash
  - Read
  - Write
  - Edit
---

# 编写单元测试

按照以下规范为目标模块编写测试：

1. 使用 vitest 作为测试框架
2. 测试文件放在同目录的 **tests** 文件夹下
3. 文件名格式：<module-name>.test.ts
4. 必须覆盖：正常路径、边界情况、错误处理
5. 外部依赖一律 mock，不要发真实网络请求
6. 每个测试用 describe 分组，用清晰的中文描述测试意图
7. 写完之后跑一遍确认全部通过

保存之后不需要重启，Claude Code 会自动识别。在对话里输入 /write-test 就能触发。

frontmatter 字段说明

• name：skill 的标识符，也是 slash command 的名字
• description：描述这个 skill 干什么。Claude 会根据这个描述判断是否自动激活
• allowed-tools：限制这个 skill 能用哪些工具。比如一个只读分析的 skill，可以只给 Read 权限

内置的 Slash Commands

Claude Code 自带这些命令，不需要额外配置：

推荐自建的几个 Skill

代码审查 skill

---
name: review
description: 按团队标准审查代码
allowed-tools:
  - Read
  - Grep
  - Glob
---

# 代码审查

审查当前分支相对于 main 的所有改动，关注以下方面：

1. 安全问题：SQL 注入、XSS、硬编码密钥、不安全的反序列化
2. 性能问题：N+1 查询、不必要的循环、内存泄漏风险
3. 逻辑错误：边界条件、空值处理、竞态条件
4. 代码规范：命名是否清晰、函数是否过长、是否有重复代码
5. 测试覆盖：新增逻辑是否有对应测试

输出格式：按严重程度分级（Critical / Warning / Suggestion），每条给出文件路径、行号、问题描述和修复建议。

部署 skill

---
name: deploy-staging
description: 部署当前分支到 staging 环境
allowed-tools:
  - Bash
  - Read
---

# 部署到 Staging

执行以下步骤：

1. 确认当前分支所有测试通过
2. 确认没有未提交的改动
3. 构建 Docker 镜像并打 tag（格式：staging-<短 commit hash>）
4. 推送到容器仓库
5. 触发 staging 环境的滚动更新
6. 等待健康检查通过
7. 输出部署结果和访问地址

如果任何步骤失败，立即停止并报告原因。

API 文档生成 skill

---
name: gen-api-doc
description: 为 API 端点生成接口文档
allowed-tools:
  - Read
  - Grep
  - Write
---

# 生成 API 文档

读取指定的路由文件，为每个端点生成文档，包含：

- 请求方法和路径
- 请求参数（path / query / body），标注类型和是否必填
- 响应格式，给出示例 JSON
- 错误码说明
- 认证要求

输出为 markdown 格式，保存到 docs/api/ 目录下。

Skill 的自动激活

如果你在 frontmatter 里写了 description，Claude Code 会根据当前对话内容判断是否自动加载这个 skill。比如你的 skill 描述是"为指定模块编写单元测试"，当你在对话里说"帮这个函数写个测试"，它可能会自动激活这个 skill，不需要你手动输入 /write-test。

这个机制挺方便，但如果你不想要自动激活，把 description 去掉就行。

实际工作流场景

场景一：接手陌生项目

刚 clone 下来一个项目，啥都不了解：

帮我梳理一下这个项目的目录结构和核心模块，重点说说数据流是怎么走的

比自己一个个文件翻快多了。它会把入口、路由、数据层、工具函数这些串起来讲。

场景二：修 Bug

拿到一个 bug report，知道大概在哪但不确定根因：

用户反馈登录后偶尔会跳回登录页。看看 src/auth/ 目录下的 token 刷新逻辑有没有竞态问题

它会读相关代码，分析可能的问题点，然后给出修复方案。你觉得靠谱就让它直接改。

场景三：重构

想把一个大函数拆成几个小的：

把 src/services/order.ts 里的 processOrder 函数拆分一下，按职责分成校验、计算、持久化三个步骤

场景四：写测试

给 src/utils/format.ts 里的所有导出函数补上单元测试，用 vitest，覆盖边界情况

场景五：代码审查

看看 src/api/routes.ts 最近的改动有没有安全问题

一些实用技巧

用 /compact 压缩上下文

聊久了上下文会变长，响应变慢。输入 /compact 可以让它总结之前的对话，释放上下文空间。长任务中途用一下很有帮助。

用 /clear 重新开始

如果话题完全换了，/clear 清掉历史重新来，比在旧上下文里继续聊效果好。

多用具体指令，少用模糊描述

不好的问法：

帮我优化一下这个项目

好的问法：

src/components/Table.tsx 渲染 1000 行数据时明显卡顿，看看有没有不必要的 re-render，给个优化方案

越具体，输出质量越高。

善用 --continue 恢复会话

终端不小心关了，或者想接着上次的进度继续：

claude --continue

会恢复上一次的对话上下文。

结合 Git 分支工作

建议在 feature branch 上用 Claude Code 干活。这样它做的改动都在独立分支上，不满意直接扔掉分支就行，不会污染主线。

它不擅长什么

说几个别对它期望过高的场景：

1. 大规模架构设计：它能给建议，但最终的架构决策还是得人来拍。它看不到业务全貌、团队能力、历史包袱这些上下文。
2. 跨多个仓库的改动：它的工作范围是当前目录。如果改动涉及多个独立仓库，得分别处理。
3. 需要运行时调试的问题：它能读代码做静态分析，但没法真正跑起来打断点。涉及到具体运行时状态的 bug，还是得配合 debugger。
4. 涉及敏感信息的操作：不要让它处理包含密钥、密码的文件。虽然对话内容不会被用于训练，但养成习惯比较好。

接入第三方模型

如果你没法订阅 Anthropic 官方服务（网络原因、支付方式限制等），Claude Code 支持通过环境变量把请求转发到其他兼容的 API 端点。只要对方支持 Anthropic 的消息格式，就能直接接入。

核心环境变量

以 DeepSeek 为例

DeepSeek 原生支持 Anthropic API 格式，不需要任何代理或中间件，配置最简单。

先去 platform.deepseek.com 注册账号拿到 API Key，然后设置环境变量：

Linux / macOS（写到 ~/.bashrc 或 ~/.zshrc 里持久化）：

export ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-your-deepseek-api-key
export ANTHROPIC_MODEL=deepseek-chat
export ANTHROPIC_SMALL_FAST_MODEL=deepseek-chat

Windows PowerShell：

$env:ANTHROPIC_BASE_URL = "https://api.deepseek.com/anthropic"
$env:ANTHROPIC_AUTH_TOKEN = "sk-your-deepseek-api-key"
$env:ANTHROPIC_MODEL = "deepseek-chat"
$env:ANTHROPIC_SMALL_FAST_MODEL = "deepseek-chat"

Windows 永久设置（系统环境变量）：

打开"系统属性 → 高级 → 环境变量"，新建以下用户变量：

ANTHROPIC_BASE_URL = https://api.deepseek.com/anthropic
ANTHROPIC_AUTH_TOKEN = sk-your-deepseek-api-key
ANTHROPIC_MODEL = deepseek-chat
ANTHROPIC_SMALL_FAST_MODEL = deepseek-chat

设置完之后直接启动 claude 就行，它会自动走 DeepSeek 的接口。

通过 settings.json 配置模型

除了环境变量，也可以在 settings 里指定默认模型。文件位置：

• 全局：~/.claude/settings.json（Windows 是 %USERPROFILE%\.claude\settings.json）
• 项目级：.claude/settings.json

{
  "model": "deepseek-chat",
  "smallModel": "deepseek-chat"
}

或者启动时用参数指定：

claude --model deepseek-chat

进入会话后也能用 /model 命令临时切换。

通过 OpenRouter 接入更多模型

如果你想用 GPT、Gemini、Llama 或者其他模型，可以走 OpenRouter。它聚合了几百个模型，提供统一的 Anthropic 兼容接口。

export ANTHROPIC_BASE_URL=https://openrouter.ai/api/v1/anthropic
export ANTHROPIC_AUTH_TOKEN=sk-or-your-openrouter-key
export ANTHROPIC_MODEL=anthropic/claude-sonnet-4
export ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-haiku-4

OpenRouter 上也能选 DeepSeek、Google Gemini 等模型，但非 Anthropic 模型的兼容性不一定完美——Claude Code 的 agent 循环是针对 Anthropic 消息格式设计的，其他模型可能在工具调用上有些小问题。

本地模型（Ollama）

如果你想完全离线跑，可以用 Ollama 加一个格式转换代理：

# 先启动 Ollama
ollama serve

# 用社区代理（如 claude-code-router）桥接格式
# 然后指向本地代理端口
export ANTHROPIC_BASE_URL=http://localhost:3456
export ANTHROPIC_AUTH_TOKEN=dummy
export ANTHROPIC_MODEL=qwen2.5-coder:32b
claude

本地模型的体验取决于你的硬件和模型大小。32B 以上的模型在工具调用方面表现还行，更小的模型容易出格式错误。

社区代理工具

如果目标 API 不直接兼容 Anthropic 格式，可以用这些开源代理做转换：

• claude-code-router：支持路由到 OpenRouter、DeepSeek、Ollama、Gemini 等多个后端
• claude-code-proxy：把 Anthropic 格式转成 OpenAI 格式，适配 GPT 系列
• deepclaude：专门为 DeepSeek + Claude Code 优化的代理

这些代理本质上都是在本地起一个 HTTP 服务，把 Claude Code 发出的 Anthropic 格式请求翻译成目标 API 能理解的格式。

注意事项

• 第三方模型的工具调用能力参差不齐。Claude Code 重度依赖 tool use，如果模型在这方面弱，体验会打折扣
• 用第三方端点时，Claude Code 会自动禁用一些功能（比如 MCP tool search），这是安全限制
• 环境变量设置后，claude 启动时不会再要求 Anthropic 账号登录
• DeepSeek 的 API 价格大概是 Anthropic 的 1/10 到 1/20，性价比很高，但响应速度和代码能力跟 Claude 还是有差距

费用相关

Claude Code 按 token 计费，用的是你 Anthropic 账号的额度（Pro 订阅用户有包含的额度，Max 订阅额度更高）。几个省钱的点：

• 问题描述清楚，减少来回对话
• 大文件不需要全读的时候，指定具体行数范围
• 用 /compact 控制上下文长度
• 简单任务用 /model 切到 Sonnet 或 Haiku，省钱且快
• /cost 随时看当前会话花了多少
• 接入 DeepSeek 等第三方模型，成本能降一个数量级

最后

Claude Code 的定位不是替代你写代码，而是把那些重复性的、机械性的工作接过去——读代码、写样板、跑命令、生成测试、整理 commit。你省下来的时间可以花在真正需要思考的地方：系统设计、技术选型、业务理解。

MCP 和 Skills 这两个扩展机制让它从一个"聪明的终端助手"变成了一个可以深度定制的开发平台。MCP 扩展它能触达的外部资源，Skills 固化你的工作流程。花点时间把这两个配好，日常效率提升会很明显。

用好它的关键就一句话：把它当成一个能力很强但需要明确指令的搭档，而不是一个什么都懂的全知全能助手。你给的上下文越充分、指令越具体，它的输出就越靠谱。

以上就是Claude Code完整指南：MCP、Skills、第三方模型配置一次搞定的详细内容，更多关于Claude Code完整指南的资料请关注脚本之家其它相关文章！

最新评论