在人工智能辅助编程的浪潮中，Anthropic 推出的 Claude Code 凭借其强大的代码理解能力迅速崭露头角。然而，要让这个 AI 助手真正发挥“超级程序员”的作用，仅仅拥有 API Key 是不够的。核心在于如何让它安全、高效地访问本地文件系统、执行命令以及与其他工具交互。这里就不得不提 Model Context Protocol (MCP)，它是连接 Claude Code 与外部世界的关键桥梁。许多开发者在初次尝试时，往往卡在环境配置阶段。本文将直接切入痛点，详细拆解如何在本地环境中完成 Claude Code 与 MCP 服务器的集成安装。
前置条件与环境准备
在开始安装之前，必须确保你的开发环境满足基础要求。首先，你需要拥有一个有效的 Anthropic API Key，这是调用 Claude Code 服务的凭证。其次，确保你的系统已安装 Node.js（建议 v18 或更高版本）和 npm，因为 Claude Code 本身是基于 Node.js 构建的命令行工具。对于使用 macOS 或 Linux 的用户，终端是主要的操作界面；Windows 用户则建议使用 WSL2 或 Git Bash 以获得最佳的兼容性体验。
此外，MCP 服务器并非内置于 Claude Code 默认包中，而是作为独立的插件存在。这意味着我们需要分别处理 Claude Code 的安装和 MCP 服务器的部署。目前官方推荐的 MCP 实现主要基于 Python 或 Node.js 编写，例如用于访问文件系统的 "Filesystem MCP Server" 或用于搜索代码库的 "Context7"。选择哪个 MCP 服务器取决于你的具体需求，但最基础的入门通常从本地文件系统访问开始。
安装 Claude Code 本体
获取 Claude Code 的最简单方式是通过 npm 进行全局安装。打开终端，输入以下命令：
npm install -g @anthropic-ai/claude-code
安装完成后，运行 claude 命令即可启动。首次运行时，程序会提示你输入 API Key。为了安全起见，建议将 Key 存储在环境变量 ANTHROPIC_API_KEY 中，而不是硬编码在脚本里。此时，你可以尝试与 Claude 进行简单的对话，验证基础功能是否正常。如果一切顺利，你将看到 Claude 返回的响应，这标志着你已经成功接入了 Anthropic 的核心服务。
配置 MCP 服务器以扩展能力
这是最关键的一步。MCP 的配置依赖于 JSON 格式的配置文件。你需要在 Claude Code 的配置目录（通常是 ~/.claude/ 或项目根目录下的 .claude 文件夹）中创建一个名为 mcp.json 的文件。该文件定义了 Claude Code 可以调用的 MCP 服务器列表及其参数。
假设我们要安装一个通用的文件系统 MCP 服务器（例如由社区维护的 @modelcontextprotocol/server-filesystem），首先需要安装该服务器包：npm install -g @modelcontextprotocol/server-filesystem。接着，编辑 mcp.json 文件，内容如下：
{
"servers": {
"filesystem": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/directory"]
}
}
}
请注意，出于安全考虑，MCP 服务器通常只能访问你明确授权的特定目录。在上述示例中，我们将路径替换为你希望 AI 能够读取和写入的实际项目目录。保存文件后，重启 Claude Code。此时，Claude 应该能够识别并调用新的 MCP 工具。你可以通过询问它“列出当前目录下的所有文件”来测试连通性。
如果在配置过程中遇到权限错误或连接超时，请检查防火墙设置是否阻止了本地回环通信，并确保 Node.js 版本与 MCP 服务器要求的版本兼容。通过这种模块化的方式，你可以按需添加多个 MCP 服务器，如数据库连接器、Git 工具或 Web 搜索代理，从而构建出一个完全定制化的 AI 编程工作流。掌握这一安装流程，不仅解决了初始配置难题，更为后续深度集成各种开发工具奠定了坚实基础。
本文链接：https://bf-jianli.com.cn/doubao/claude-code-mcp-azzn-clpzmxsxwxy/
