一個 MCP 伺服器只會一件事。把檔案、聯網、記憶三個一起接上，AI 手裡攥著一整張工具清單，查證、歸檔、記偏好，一條活自己跑完。
菜鳥之友系列：《AI 工具實操與提示詞》・工具篇作者：業州愚公
上一篇《MCP 入門》裡，我給客戶端接上了檔案系統的 MCP 伺服器，AI 從此能讀我指定的資料夾。當天我就遇到了新問題：我讓它「把這份報告裡的關鍵數字上網查證一遍，再把結論整理進我的筆記檔」，它回我一句——我只能讀寫本地檔案，沒有聯網能力。
這就像你給助理配了一張辦公室的門禁卡，他進得了門、翻得了檔案，可你要他順路去查個資料、打個電話，他就站在原地不動了。不是他不想幹，是你只給了他一樣本事。
MCP 的設計本來就是「一個伺服器管一類能力」：檔案的歸檔案、聯網的歸聯網、記憶的歸記憶。所以真正的用法不是接一個就完事，而是把幾個各管一攤的伺服器同時接到同一個客戶端上，讓 AI 手裡攥著好幾樣工具，自己判斷什麼時候用哪一樣。這一篇就講怎麼串、串完怎麼用。
先理清三個名詞，很多新手卡在這裡。MCP 主機（Host）是你打開用的那個軟體，比如 Cherry Studio、Claude Desktop 這類桌面客戶端；MCP 客戶端（Client）是主機內部負責跟伺服器通話的模組，你不用單獨安裝它；MCP 伺服器（Server）才是真正提供能力的單位，一個管檔案、一個管聯網。
關鍵機制只有一句話：客戶端會把所有已啟用伺服器的工具，合併成一張統一的工具清單交給模型。模型看到的不是「檔案伺服器有這五個工具、網頁伺服器有那三個工具」，而是一張扁平的清單，每個工具帶著名字和用途說明。你下指令時，模型自己對著清單挑工具、排順序，先調哪個、後調哪個、把前一個的輸出餵給後一個，全由它安排。
| 對比項 | 只接一個 MCP 伺服器 | 同時接多個 MCP 伺服器 |
|---|---|---|
| 模型可用的工具 | 單一類別，幾個到十幾個 | 跨類別合併，十幾個到幾十個 |
| 能完成的任務 | 單一步驟（讀檔、查網頁） | 多步驟串聯（查了再寫、算了再存） |
| 你要下的指令 | 一步一個指令，自己當調度員 | 一句話交代整件事，模型自己排班 |
| 出錯時的排查 | 只查一個伺服器 | 要逐個伺服器排查誰掉鏈子 |
| 適合的人 | 第一次接觸 MCP | 已跑通單個、想提效的老手 |
看懂這張表就知道：串多個伺服器不是什麼高深操作，改動的只是設定檔裡多寫幾段；真正變難的是「指令怎麼下」，這一點放到第四節講。
我以最常見的組合為例：檔案系統伺服器（讀寫本地資料夾）、網頁抓取類伺服器（聯網取回網頁內容）、記憶類伺服器（把跨對話要記住的東西存下來）。這三個湊齊，「查、讀、寫、記」就閉環了。
具體步驟（介面與設定欄位以官方最新版本為準）：
第一步，確認執行環境。這幾個官方維護的伺服器都以 npm 套件形式提供，本機要裝好 Node.js；有些第三方伺服器用 Python 寫，則需要 Python 環境。裝法上一篇講過，不再重複。
第二步，在客戶端的 MCP 設定裡逐個添加。設定本質上是一段 JSON，裡面有一個 mcpServers 的區塊，每個伺服器佔一個鍵，寫明啟動命令和參數。接一個是寫一個鍵，接三個就是寫三個鍵，彼此獨立、互不干擾。Cherry Studio 有圖形化的添加介面，逐項填等效；Claude Desktop 則要手動編輯設定檔。每個伺服器的正確寫法，以它自己的官方說明頁為準，照抄別自創。
第三步，逐個驗證再疊加。這是我踩坑後總結的鐵律：一次只加一個，重啟客戶端，先單獨測通了再加下一個。三個一起加，萬一全沒反應，你分不清是哪一段寫壞了。驗證方法很土但有效：問模型「你現在有哪些工具可用」，或直接下單步指令「列出某某資料夾裡的檔案」，看它會不會伸手。
第四步，檢查工具清單合併結果。三個都通了之後，再問一次「你現在有哪些工具」，你會發現清單變長了——檔案讀寫的、抓網頁的、存記憶的混在一張表裡，這就說明合併機制生效了。
大部分客戶端對每個 MCP 伺服器都有「啟用／停用」開關。臨時不想讓 AI 碰某類能力（比如帶著筆記型電腦出門、不想它聯網），把對應伺服器停用即可，不用刪設定。
工具多了，最常見的翻車不是工具不夠，而是指令太籠統，模型挑錯工具或亂了順序。實測下來三條原則很好用：
一，交代任務按「先—再—最後」的順序寫。與其說「幫我處理這份報告」，不如說「先讀某資料夾裡的 report.md，把裡面的數字挑出來；再上網查證每個數字的出處；最後把查證結果寫進同資料夾的 notes.md」。模型對帶明確步驟的指令，工具調用順序明顯更穩。
二，動手前先讓它複述計畫。加一句「動手前先說一遍你打算用哪些工具、按什麼順序」。它複述的過程，就是你攔截錯誤的機會——它說要用聯網工具去讀本地檔案，你當場就能糾正，省得它跑完一圈白乾。
三，敏感操作單獨確認。「寫入檔案」「刪除」這類動作，最好讓它在執行前把要寫的內容先給你看一眼。多伺服器場景下 AI 的自主性變高，這道人工閘門不能省。
| 任務場景 | 單伺服器下的做法 | 三伺服器串聯後的做法 |
|---|---|---|
| 查證報告數字並歸檔 | 你自己上網查、自己改檔案 | 模型抓網頁→對照本地報告→寫入筆記，一條龍 |
| 收集某主題資料做摘要 | 只能查網頁，結果要你手動存 | 抓多個網頁→彙總→寫進指定資料夾 |
| 記住專案偏好與進度 | 每次對話重新交代一遍 | 存入記憶伺服器，下次對話自動帶出 |
| 定期整理資料夾 | 只能讀，改動要你確認每一步 | 讀→分類→提方案→經你確認後批量寫入 |
第一個坑：工具不是越多越好。工具清單塞到幾十個之後，實測中模型偶爾會挑錯——明明該用讀檔工具，它偏去用聯網工具繞一圈。如果你只是日常使用，三到五個伺服器、總計二十個以內的工具是比較穩的區間，用不上的一律停用。
第二個坑，也是最要緊的安全問題：每接一個第三方 MCP 伺服器，等於把對應的本地權限交給了它的作者。檔案伺服器開了哪個目錄，AI 就能讀寫哪個目錄；來路不明的伺服器，等同於讓陌生人拿著你家的鑰匙。所以只用官方或可信開源專案維護的伺服器，目錄權限按最小範圍開——給它報告資料夾就行，別把整顆硬碟交出去。裝之前花五分鐘看看它的原始碼倉庫有多活躍、多少人在用，不虧。
第三個坑：伺服器進程偶爾會假死。表現是工具突然全部調不動。先重啟客戶端，不行再看該伺服器的依賴環境是不是被別的程式動過。排查時記得回到「一次只測一個」的老辦法。
千萬不要為了省事把含密碼、金鑰、客戶資料的目錄掛給檔案伺服器。MCP 的檔案工具是真讀真寫，模型讀到的內容會進入對話上下文——若你用的是雲端模型，這些內容會被送往對方伺服器。
如果你已經用單個 MCP 伺服器跑了一陣子，開始覺得「一步一個指令、自己當調度員」太累，那就值得花一個晚上把兩三個伺服器串起來，把調度權交給模型，這是 MCP 從「能用」到「好用」的那一步。
反過來，如果你還沒跑通任何一個 MCP 伺服器，別直接跳到多伺服器——先把一個接通、弄懂設定檔每一欄的意思，再疊加。基礎不牢的時候串三個，排查起來是三倍的痛苦。
下一篇預告裡我會再進一階：自己動手寫一個最小的 MCP 伺服器——用幾十行程式碼，把你最常用的那個專屬操作（比如查你自己的業務系統）做成一個只有你能用的工具。
工具推薦隨身機器人（新用戶免費試用 7 天）
把幾個 MCP 串起來是給桌機裝外掛；如果你想要一個開箱即用、什麼都會一點的 AI 助理，隨身機器人值得試：新用戶免費試用 7 天，手機上隨時問、隨時辦，詳見 sylogs.com。
下一篇預告：《自己寫一個最小的 MCP 伺服器：幾十行程式碼，給 AI 加一件專屬工具》——從最簡單的「查天氣」等唯讀工具起步，講清工具定義、參數說明和除錯方法，照著敲就能跑。
業州愚公 ｜ SY 視野（sylogs.com）原創內容，轉載請註明出處。