关注 霍格沃兹软件测试开发 公众号，回复「资料」, 领取人工智能测试开发技术合集

如果你用过 OpenCode，大概已经见识过它作为 AI 编程助手的本事——读代码、写代码、跑测试、修 bug，一套流程走得挺顺。但说句实在话，再厉害的 AI 编程助手，如果只能在自己的小圈子里转悠，能做的事情终究有限。真正让它“好用”的，是能不能跟外面的世界打通——能不能查数据库、调 API、操作 Jira 工单、连 Salesforce 查客户信息。

这就是 MCP 要解决的事情。

MCP 是什么？

Model Context Protocol（MCP）是一个开放协议，专门用来连接 LLM 应用和外部数据源、工具。你可以把它理解成一个标准化的“插头”——不管你在用 Claude、Cursor 还是 OpenCode，只要支持 MCP，就能用同一套方式接上各种各样的外部工具。

MCP 采用的是客户端-主机-服务器架构。听起来有点绕，拆开看就清楚了：

• Host（主机） ：就是 OpenCode 本身，负责创建和管理客户端、控制权限、协调 AI 模型。

• Client（客户端） ：主机为每个 MCP 服务器创建一个客户端，负责跟对应的服务器通信。

• Server（服务器） ：真正干活的地方，暴露工具、资源和提示词给 AI 用。

MCP 基于 JSON-RPC 2.0 通信，而且是无状态的——每个请求都自包含，带上协议版本、客户端标识和能力声明。这种设计让服务器可以跑在本地，也可以部署成远程服务，很灵活。

OpenCode 怎么接入 MCP？

OpenCode 对 MCP 的支持挺彻底的。你可以在 OpenCode 配置文件的 mcp 字段下定义 MCP 服务器。配置好了之后，MCP 提供的工具会自动跟 OpenCode 的内置工具合并，一起提供给 LLM 使用。

接入方式分两种：本地服务器和远程服务器。

本地 MCP 服务器

本地服务器就是把 MCP 服务器当成一个子进程跑起来，通过标准输入输出（stdio）跟 OpenCode 通信。

配置方法很简单，在 opencode.json 里加一段：

{
  "mcp": {
    "everything": {
      "type": "local",
      "command": ["npx", "-y", "@modelcontextprotocol/server-everything"]
    }
  }
}

这里 type 必须是 "local"，command 是启动服务器的命令和参数。你还可以配置 environment 传环境变量、timeout 设超时时间（默认 5 秒）、enabled 控制是否启用。

配置好之后，在提示词里直接说“use the mcp_everything tool”就能用了。

远程 MCP 服务器

远程服务器走 HTTP 通信，适合那些部署在云端的服务。配置方式类似，只是 type 改成 "remote"，再加一个 url：

{
  "mcp": {
    "composio": {
      "type": "remote",
      "url": "https://connect.composio.dev/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
      }
    }
  }
}

远程服务器还支持 OAuth 认证。如果你的 MCP 服务器需要登录授权，可以在配置里加 oauth 字段。

一个更优雅的方式：Skill 嵌入 MCP

除了直接在全局配置里加 MCP 服务器，OpenCode 还有一个更 neat 的方式——把 MCP 服务器嵌在 Skill 里。

具体做法是在 Skill 的 markdown 文件的 YAML frontmatter 里定义 MCP 服务器：

---
name:my-skill
description:"A skill that uses a custom MCP server"
mcp:
my-server:
    command:["npx","-y","@some/mcp-server"]
    environment:
      API_KEY:"${MY_API_KEY}"
---

或者直接在 Skill 目录里放一个 mcp.json 文件也行。

这样做的好处是：Skill 自己管自己的 MCP 依赖，不用改全局配置。加载 Skill 的时候，插件会自动发现并连接对应的 MCP 服务器。连接是懒加载的——第一次用的时候才连，5 分钟不用自动断开清理。很省心。

一个完整的例子：接上 Salesforce

光说不练假把式。我们拿 Salesforce 举个例子，看看怎么把真实的业务工具接进 OpenCode。

用 Composio 的 MCP 网关来连 Salesforce。有两种方式：

方式一：用 Composio CLI

先装 CLI 并登录：

npx composio-cli login

然后在 OpenCode 里让 AI 去认证：

“Authenticate with Salesforce Composio”

走完浏览器里的授权流程就行了。

方式二：直接在 OpenCode 配置里加

在 opencode.json 的 mcp 字段里加：

{
  "mcp": {
    "composio": {
      "type": "remote",
      "url": "https://connect.composio.dev/mcp"
    }
  }
}

然后同样让 AI 去触发认证流程。

搞定之后，你就可以在 OpenCode 里直接问：

“Add new contact to spring campaign”

或者

“Clone opportunity with all associated products”

OpenCode 的 Agent 会通过 MCP 调用 Salesforce 的对应工具来完成任务。

值得注意的几个点

上下文占用：MCP 服务器会占用 LLM 的上下文空间。工具越多，占用的 token 越多。有些服务器（比如 GitHub MCP）消耗特别大，很容易撑爆上下文限制。所以别什么都往里加，按需配置。

安全边界：MCP 的设计原则之一就是服务器之间相互隔离——每个服务器只拿到它需要的信息，看不到整个对话历史，也看不到其他服务器在干什么。主机（OpenCode）负责维护这个安全边界。但工具本身可能涉及任意代码执行，调用工具之前 OpenCode 会征求用户同意。

capability 协商：MCP 用了一套能力协商机制——客户端和服务器在每次请求里声明自己支持什么功能。服务器得声明自己支持 tools，客户端才能调用工具。这套机制保证了扩展的灵活性——双方可以按需增加新能力，不用等协议升级。

小结

MCP 解决了一个很实际的问题：AI 编程助手不能活在真空中。通过 MCP，OpenCode 可以接上本地跑的命令行工具，也可以连上远端的 SaaS 服务，而且接入方式标准化了——不用为每个工具写一遍胶水代码。

配置上，你可以走全局的 opencode.json，也可以走 Skill 自带的 MCP 定义。哪种方式更适合你，取决于具体的使用场景。但不管怎么选，底层逻辑是一样的：MCP 服务器暴露工具 → OpenCode 发现并注册这些工具 → LLM 在需要的时候调用它们。

说到底，MCP 就是个“USB 接口”——让 AI 能插上各种外设，干更多活。OpenCode 把这个接口做得很扎实，剩下的就看你能接上多少好玩的东西了。