MCP server 裝完之後怎麼確認它在正常運作？

執行 `claude mcp list` 查看所有 MCP 的連線狀態（connected/error）。在 Claude Code session 內輸入 `/mcp` 也可以看到即時狀態。如果顯示 error，通常是 API key 沒設定或 Node.js 版本低於 18。常見問題：project-level scope 有已知 bug，改用 `claude mcp add --scope user` 安裝可解決。

Token 成本太高怎麼辦？有什麼降低 MCP token 消耗的方法？

最有效的 5 個方法：1）Dynamic Toolsets（Speakeasy 開源方案），把靜態工具定義改為按需載入，input token 可減少 91-97%；2）Hierarchical Router，10 個 MCP server 只暴露 2 個 meta-tool，節省 99.5% context；3）用 TSV 取代 JSON 輸出，節省 30-40% token；4）Database MCP 加 schema 過濾參數，table_name 過濾可減少 95% output；5）低頻操作直接用 CLI，簡單查詢 CLI 比 MCP 便宜 32 倍（Scalekit benchmark 數據）。

開發者必裝 MCP Server Top 10（2026）：場景分組 + Token 成本全解析

MCP 生態在 2026 年爆炸成長，PulseMCP 目前已收錄超過 10,000 個 server，MCP SDK 在發布後一年的累計下載量突破 9,700 萬次。Figma、Google Cloud、Perplexity 的官方 MCP 同週上線，整個生態在 2025 年從幾乎空白走到 800 萬次季度下載。問題是：10,000 個選擇，等於選擇焦慮乘以 10,000。我整理了幾個月來的使用經驗，加上 Scalekit、pgEdge、Speakeasy 的 benchmark 數據，給你一份場景導向的精選清單——告訴你各個使用場景（Coding / Research / Database / Productivity）最值得裝什麼，以及什麼時候根本不該裝 MCP、改用 CLI 更划算。

TL;DR

MCP 讓 AI 直接呼叫外部工具，但比 CLI 貴 10-32 倍 token（Scalekit 實測數據）
Coding 場景：GitHub MCP + Context7 是必裝組合
Research 場景：Brave Search MCP（輕量）或 Perplexity MCP（附 citation）
Database 場景：Postgres MCP 要小心 token 爆炸，schema 超過 100 個 table 時謹慎用
安全第一：GitHub PAT 只給 read-only scope，本地 MCP 只 bind 127.0.0.1

MCP vs CLI：先搞清楚什麼時候該用哪個

MCP 的本質

MCP（Model Context Protocol）是 Anthropic 於 2024 年底開源的協議，底層走 JSON-RPC 2.0。Claude Code 在啟動時以子進程方式啟動 MCP server，透過 stdin/stdout 傳遞 JSON 訊息。與 Bash/Read/Edit 這些內建工具最關鍵的差異在於：MCP server 是獨立進程，每次工具呼叫都帶有完整的 tool schema 定義——這是 token 成本的主要來源。

Claude Code 有 deferred loading 機制——工具定義不會在 session 開始就全部注入 context，而是需要時才載入。這緩解了部分 token 開銷，但仍比直接呼叫 CLI 貴得多。

Token 成本的現實

Scalekit 做了一個直接的 benchmark（Claude Sonnet，GitHub 操作場景），測試同樣的 GitHub 操作：

操作	CLI（`gh` 指令）	MCP Direct
簡單查詢（repo 語言）	1,365 tokens	44,026 tokens（32 倍）
複雜查詢（merged PR 清單）	5,010 tokens	33,712 tokens（7 倍）
成功率	100%	72%（28% timeout 失敗）
月成本（1 萬次操作）	$3.20	$55.20

這不是說 MCP 不好，而是要讓你做有根據的決策。

3 個問題判斷該用哪個

根據 CircleCI 的分析框架，問自己：

需要 OAuth 認證或 per-user 存取控制嗎？ 需要 → MCP；繼承 shell 環境就夠 → CLI
操作頻率高嗎？ 每天幾十次的 inner loop（build/test/lint）→ CLI；偶發的外部查詢 → MCP
需要 AI 推理來決定下一步嗎？ 需要探索性查詢（「這個 PR 有沒有影響 API 相容性？」）→ MCP；已知的確定操作 → CLI

簡化規則：本地開發 workflow 用 CLI，外部服務整合用 MCP。

如果你對 MCP、Skill、CLI 三者的概念差異還不夠清楚，可以先看這篇：MCP vs Skill vs CLI：Claude Code 工具選擇完全指南

Coding 場景：3 個必裝 MCP

GitHub MCP Server（PR/Issue 操作自動化）

我每天用最多的 MCP。GitHub MCP 讓 Claude 直接讀取 PR diff、分析 CI 失敗原因、triage issues，省掉很多在 terminal 和 editor 之間來回切換的時間。

安裝（Docker 方式，官方推薦，安全性最佳）：

claude mcp add github \
  --command docker \
  --args "run -i --rm -e GITHUB_PERSONAL_ACCESS_TOKEN ghcr.io/github/github-mcp-server" \
  --env GITHUB_PERSONAL_ACCESS_TOKEN=your_token_here

支援 9 個可選 toolset：repos、issues、pull_requests、actions、code_security、discussions、notifications、deployments、team_management。建議只開你實際需要的，可以限制 token 消耗。

最重要的安全注意事項：GitHub PAT 務必只開 read-only scope（contents:read、issues:read）。Docker 記錄過真實的 Prompt Injection 案例：惡意 issue 可以透過 GitHub MCP 劫持 agent 的後續操作。Read-only token 可以大幅降低這個風險。

CLI 替代：gh（GitHub 官方 CLI）。確定的操作（查 PR 清單、下載 artifact）直接用 gh 比 MCP 便宜 7-32 倍。

Context7 MCP（解決 LLM 訓練資料過時問題）

這是我最推薦給前端/全端開發者的 MCP，而且完全免費。Context7 由 Upstash 開源，會動態抓取 React、Next.js、Tailwind、Vercel 等 library 的最新版本官方文件，注入 Claude 的 context 中。

用過之後最明顯的感受：Claude 不再用 Next.js 12 的 Page Router 語法幫你寫 Next.js 15 的 App Router。這個問題讓我以前浪費了不少 debug 時間。

安裝（無需 API key）：

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

使用方式：在 prompt 中加入「use context7」即可觸發。例如：

「use context7，幫我用 Next.js 15 App Router 實作 Server Component 分頁」

CLI 替代：無法用 CLI 直接替代（因為需要 AI 自動注入文件 context），但可以手動瀏覽官方文件。

Figma MCP（前端開發者必裝，後端可跳過）

如果你的工作流程包含把 Figma 設計稿轉成 code，這個 MCP 可以節省大量時間。Figma 官方 MCP Server 讓 Claude 直接讀取 Dev Mode 的設計資訊——層級結構、auto-layout、variants、design tokens——而不是靠你手動截圖或複製貼上規格。

安裝（Remote MCP + OAuth，最簡單）：

claude mcp add --transport http figma-remote-mcp https://mcp.figma.com/mcp
# 重啟 Claude Code，執行 /mcp，選 figma-remote-mcp 完成 OAuth 認證

Token 成本：中高。複雜頁面的設計資訊包含大量 JSON，token 消耗顯著。建議搭配具體的 frame 或 component 選取，不要讓 Claude 掃描整個頁面。

CLI 替代：無直接替代。Figma REST API 可以手動呼叫，但工程成本遠高於 MCP。

Research 場景：3 個搜尋 MCP

Brave Search MCP（即時搜尋，無廣告偏向）

最輕量的搜尋 MCP。Brave Search MCP 使用 Brave 自己的獨立搜尋索引，不是 Google 的 wrapper，因此沒有廣告排名偏向。支援 web search、local search、image/video/news 搜尋，以及 summarizer（Pro 方案）。

安裝：

claude mcp add brave-search \
  --env BRAVE_API_KEY="your_key" \
  -- npx -y @modelcontextprotocol/server-brave-search

API 費用：$5 / 1,000 次查詢（2025 年免費方案已終止）。

CLI 替代：curl 直接呼叫 Brave Search API，適合批次或腳本化搜尋，省去 MCP schema overhead。

Perplexity MCP（研究文章首選，有 citation）

如果你需要帶來源的深度搜尋——例如寫技術文章、做競品分析——Perplexity MCP 是最好用的選擇。perplexity_research 工具特別適合需要整理多個來源的任務。

安裝：

claude mcp add perplexity \
  --env PERPLEXITY_API_KEY="your_key" \
  -- npx -y @perplexity-ai/mcp-server

Token 成本：中高。Perplexity 回傳的結果附帶完整 citation，response 較長，但資訊密度也更高。

CLI 替代：curl 直接呼叫 Perplexity API，適合批次查詢場景。

Firecrawl MCP（爬取網站、結構化資料萃取）

Firecrawl MCP 是 Research 場景的重型武器：JavaScript rendering 網頁爬取、批次處理、將 URL 轉為乾淨 Markdown。benchmark 顯示平均 7 秒完成、83% 準確率。提供 12 個工具：scrape、map、search、crawl、extract、agent 等。

安裝：

claude mcp add firecrawl \
  --env FIRECRAWL_API_KEY="your_key" \
  -- npx -y firecrawl-mcp

適合場景：爬取競品網站、抓取 SPA 動態渲染的文件、批次萃取結構化資料（價格、規格等）。

CLI 替代：curl + pandoc 或 lynx 可轉 Markdown，但無法處理 JavaScript 渲染頁面。

Database 場景：Token 成本陷阱與最佳實踐

Postgres MCP（功能強，但有風險）

Postgres MCP 讓 Claude 直接執行 SQL、探索 schema、分析資料結構。聽起來很方便，但有一個實際踩過的坑要先說清楚。

Token 爆炸的真實情況：根據 pgEdge 工程師的實測，get_schema_info 在沒有過濾的情況下，會把整個資料庫的所有 table 和 column 定義傾倒進 context。200+ tables 的企業資料庫，光 schema dump 就可能消耗數萬 token，context window 還沒開始做事就滿了。

安裝：

claude mcp add postgres \
  -- npx -y @modelcontextprotocol/server-postgres \
  postgresql://username:password@localhost/dbname

控制 token 的 3 個實踐：

查詢時永遠帶 schema_name 或 table_name 過濾（可減少 90-95% output）
絕對不做 SELECT * without LIMIT，設 default limit 100
探索性查詢結束後考慮暫時移除 MCP，避免 schema 定義持續佔據 context

CLI 替代：psql。已知的確定查詢直接用 psql -c "SELECT ..." 比 MCP 快且便宜。

Google Cloud Managed MCP（企業生產環境首選）

Google Cloud 的 Managed MCP 是 Database MCP 的進化版本：不需要本地部署基礎設施，直接連接 Cloud SQL（PostgreSQL/MySQL）、AlloyDB、Spanner、Firestore、Bigtable，內建企業級審計與治理，而且不消耗本地 context window。

啟用（GCP 環境）：

gcloud beta services mcp enable sqladmin.googleapis.com --project=PROJECT_ID

適合場景：已在 GCP 上的生產環境資料庫、需要 audit trail 的企業場景、不想在本地管理 MCP server 的團隊。

Productivity 場景：2 個補充工具

Filesystem MCP（token 效率最佳的 MCP）

Filesystem MCP 是最基礎的本地操作 server：在允許的目錄內讀寫檔案、列目錄、搜尋內容。它的 token 效率在所有 MCP 中是最高的，因為工具定義簡單、schema overhead 最小。

安裝：

npx -y @modelcontextprotocol/server-filesystem /path/to/allowed/dir

CLI 替代：Claude Code 的內建 Bash、Read、Edit 工具本身就可以做到大部分 Filesystem MCP 的功能。這個 MCP 更適合需要標準化 MCP 介面的場景（例如整合到其他 AI 框架）。

Sequential Thinking MCP（複雜推理增強）

Sequential Thinking MCP 是這份清單裡唯一「沒有 CLI 替代方案」的工具。它提供結構化的多步驟推理框架，讓 AI 把複雜問題拆解為可追蹤的思考鏈，支援分支推理與修正。

安裝：

npx -y @modelcontextprotocol/server-sequential-thinking
# 或 Docker
docker run --rm -i mcp/sequentialthinking

適合場景：系統設計決策、複雜 debug 推理、需要「想清楚再行動」的多步驟任務。

Token 注意：schema 本身輕量，但會增加 output token（完整思考鏈輸出）。

安全風險揭露：裝 MCP 前必讀的 3 個威脅

MCP 生態的安全問題在 2025-2026 年快速浮現。在裝任何第三方 MCP 之前，這些事情要知道。

威脅 1：Prompt Injection（最常見，最難防）

原理是攻擊者在 MCP 工具會讀取的內容中嵌入惡意指令。一個真實案例：Supabase 的 AI agent 在處理 support tickets 時，攻擊者把 SQL 指令嵌入用戶提交的 ticket 內容，agent 乖乖執行了，將敏感 integration token 洩漏到公開的 support thread。

GitHub MCP 是高風險場景——任何人都可以開 issue，惡意 issue 可以透過 GitHub MCP 劫持 agent 的後續操作。

防護：GitHub PAT 只給 read-only scope，不要給 write 權限。讓 Claude 「讀」GitHub 是相對安全的，讓它「寫」就要格外謹慎。

威脅 2：Tool Poisoning（在 description 裡藏惡意指令）

根據 Invariant Labs 的研究，惡意 MCP server 可以在工具的 description 欄位嵌入隱藏指令——對用戶不顯示，但 AI 看得到。這些指令可以讓合法工具偷讀 ~/.ssh/id_rsa、把 email 轉發到攻擊者信箱，甚至在工具被批准後偷改 description（rug pull）。

防護：只安裝官方或有清楚維護者、廣泛社群信任的 MCP server。定期用 claude mcp list 確認已安裝的 server 來源是否可信。

威脅 3：Supply Chain Attacks（CVE-2025-6514）

mcp-remote（OAuth proxy）在 2025 年中有一個 OS 命令注射漏洞（CVE-2025-6514）：惡意 MCP server 可以透過 authorization_endpoint 注入 shell 指令，達成 RCE。另外，安全研究員 NeighborJack 發現數百個 MCP server 預設把通訊介面 bind 到 0.0.0.0，局域網任何人都能操控。

防護原則整理：

GitHub PAT 只開必要 scope（最好 read-only）
本地 MCP server 只 bind 127.0.0.1，不要 0.0.0.0
鎖定 npm package 版本，不要在生產環境用 @latest
只裝官方或知名來源的 MCP（參考 PulseMCP 的驗證標章）

10 個 Server Token 成本速查表

MCP Server	場景	Token 成本	CLI 替代	有無免費方案
GitHub MCP	Coding	中（7-32× CLI）	`gh` CLI ✅	需 GitHub PAT
Context7 MCP	Coding	中（1k-5k/query）	無法替代 ❌	完全免費
Figma MCP	Coding/Frontend	中高	無（API 手動呼叫）	Figma Pro 用戶可用
Brave Search	Research	中	`curl` Brave API ✅	無（$5/1,000 次）
Perplexity MCP	Research	中高（含 citation）	`curl` Perplexity API ✅	需 API key
Firecrawl MCP	Research	中	`curl` + pandoc（無 JS）	有免費方案
Postgres MCP	Database	高（schema 爆炸風險）	`psql` ✅	開源免費
Google Cloud MCP	Database/GCP	Managed（不佔本地 context）	`gcloud` + `psql` ✅	GCP 費用
Filesystem MCP	Productivity	極低（最佳效率）	Claude Code 內建工具 ✅	開源免費
Sequential Thinking	Productivity	低輸入 / 高輸出	無直接替代 ❌	開源免費

結論

MCP 生態成熟了，但選擇焦慮也跟著來了。這份清單的核心邏輯是：先問場景，再選工具，最後量成本。

不是每個 MCP 都值得裝。GitHub MCP + Context7 對大多數後端開發者就夠了；前端開發者加上 Figma MCP；做研究的人再加 Brave Search 或 Perplexity。Database MCP 要小心 token 陷阱。Sequential Thinking 是唯一真的沒有替代品的思維增強工具。

更重要的是：有些操作本來就不需要 MCP。對已知的確定操作，gh pr list、psql -c、curl 的效率和成本都優於 MCP，別為了用 MCP 而用 MCP。

現在開始從一個場景入手，把它真的跑順，比一次裝 10 個 MCP 但全都半調子更有價值。

你現在的工作流裡，最常做的重複性工作是什麼？那裡可能就是 MCP 投資回報率最高的地方。