Claude 的真正超能力不在于编码——而是在你添加这些 MCP 服务器时发生的事情

Claude 可以成为一个真正令人印象深刻的人工智能工具，特别是如果你正在考虑 Claude Code 的功能。不过，除了编写代码和处理日常对话之外，只要你使用可用的数百甚至数千个 MCP 服务器，它还能做更多事情。这些服务器让 Claude 可以与外部工具交流，如果使用得当，甚至能把它变成一个令人惊讶的优秀照片编辑器。

MCP，即模型上下文协议，是Anthropic在2024年底发布的一个开放标准。可以把它想象成AI的USB连接：一种标准化的连接类型，让Claude（或其他任何AI）能够接入数据库、网络工具、文件系统、设计应用程序，以及你能想象的几乎任何东西。自那以后，这个生态系统迅速发展，有大量MCP服务器使Claude比原本更有用。

赋予它真正持久的记忆

将短暂的聊天转化为持续的上下文

尽管在撰写本文时内置的记忆功能已经推出，Claude 有时在对话中仍可能出现记忆问题。然而，已经有一个可以解决该问题的 MCP 服务器：Memory Server。它实现了一个持久的知识图谱，可以在多个会话中读取和写入，从而赋予 Claude 持久记忆。

你可以告诉 AI 记住你的偏好，比如使用 TypeScript 而不是 JavaScript，某个特定项目使用 PostgreSQL，或者你希望你的回复以某种特定方式格式化，无论对话内容如何。下次你打开聊天时，这些信息仍然存在，Claude 会记住它，随着时间的推移，它会逐渐感觉不像一个你必须不断重新说明的工具。

内存数据存储在您机器上的本地文件中，这意味着它保持私密，您可以随时清除。它是由Anthropic建立的官方参考服务器之一，并且完全免费运行。

像专业人士一样阅读文档

过时的文档可能会悄无声息地阻碍你的项目进展

每个 AI 聊天机器人都有知识截止日期——训练数据中的硬性截止日期，之后 AI 的回答可能会明显错误。如果你使用的是 Claude 截止日期之后发布的新代码和库，这尤其成问题，而这正是 Context7 解决的。

Context7 是一个 MCP 服务器，当你提出问题的瞬间，它会获取数千个软件库的实时、特定版本的文档，并将这些数据直接注入 Claude 的上下文中。为了让它工作，你甚至不需要 API 密钥。只需在你的提示中添加 使用 context7，就可以开始使用了。

当你使用像 React 这样快速发展的框架或不断更新的 AI 栈工具时，这个 MCP 服务器是确保 Claude 始终使用更新文档的好方法，从而使用最新的方法。

让它真正可以处理你的文件

引入新鲜的实时信息

如果你的文件系统已经变得一团糟，就像很多人经常会遇到的那样，让 Claude 来整理你的混乱是一种节省时间和存储空间的好方法。现在 Claude 可以处理你直接粘贴到聊天中的内容或你在 Claude Code 中提供的工作目录，但通过 文件系统服务器，它可以读取你的项目文件、创建新文件、搜索目录并进行批量编辑——这一切都通过普通的英文指令即可完成。

服务器配备了可配置的访问控制，因此您可以决定 Claude 可以查看和处理哪些文件夹。这里的原则很简单：大多数实际工作都涉及文件，而无法访问文件的 AI 只是半个有用。它也是让 Claude 快速管理和整理那些经过多次开发者测试运行或只是乱序数据堆积而变得杂乱的目录的好方法。

将互联网加入对话

真实搜索而不是猜测

如果你是 Brave 浏览器的粉丝，并且对 Claude 的截断限制感到沮丧，Brave 搜索 MCP 将解决这个问题。正如你可能猜到的，这个服务器允许 Claude 使用 Brave 独立的搜索索引进行网络搜索，这意味着没有谷歌的跟踪，也没有广告偏向的结果。

这是一个付费服务器，但免费等级对于大多数个人使用情况已经足够。回应的结构是：Claude 获取原始搜索结果，然后对其进行综合，以提供结合自身推理与当前信息的答案。你还可以将其与 Firecrawl MCP 服务器配对，从任何 URL 抓取完整页面内容，有效地使 Claude 能够进行实时研究而无需切换应用程序。

让它去做事情——而不仅仅是说话

自动化任务，例如浏览工作流程

Playwright MCP 为 Claude 提供了一个可实时控制的浏览器——Chrome、Firefox 或 WebKit——它可以像真实用户一样浏览网页、点击、填写表单、截取屏幕截图以及进行交互。如果你还在疑惑，它允许 Claude 接管你的浏览器，并像你一样上网浏览。

当你开始使用它时，你会发现它的使用场景比你一次可能想象的还要多。我最喜欢的之一是让 Claude 打开我的本地开发服务器，填写表单以生成真实的测试数据，并验证其是否正常工作。像这样的任务如果手动完成会相当乏味；现在只需一个指令就能完成。

服务器使用浏览器的可访问性树而不是原始像素，这意味着 Claude 不需要视觉模型就能理解屏幕上的内容。它读取的是结构化的元素引用，从而使交互更快速、更可靠。它还支持持久会话，因此如果你不想共享凭证（而你也不应该），可以自己登录并将控制权交给 Claude。

开始构建你的MCP堆栈

使用 MCP 服务器是扩展 Claude 功能的好方法，尤其是如果你已经深入使用它的话。这些服务器都不需要复杂的设置。它们都通过 Claude 的桌面端使用 JSON 配置文件运行，而且大多数可以通过一个 npx 命令安装。如果你想了解还有哪些其他资源，GitHub 上还有一个社区维护的 awesome-mcp-servers 仓库。

从与你的工作流程匹配的几个开始——Memory saver 和 Filesystem server 对几乎任何人来说都是不错的默认选择。从那里，你可以慢慢添加更多解决你特定问题的 MCP 服务器，不知不觉中，你就会拥有一个非常强大的工具。你甚至可以将这些 MCP 工具与本地的 LLMs 一起使用，以获得更高效的离线优先 AI 体验。