3.4 进阶技巧和最佳实践

🎯 本节目标

学完本节后，你将掌握：

✅ 高级配置技巧（多环境、条件配置、作用域策略）
✅ 性能优化方法（Token 管理、上下文效率）
✅ 团队协作最佳实践（Git 工作流、审批流程）
✅ 三级调试方法论（系统化问题诊断）
✅ 企业级安全加固（权限控制、审计、合规）

🚀 高级配置技巧

技巧 1：多环境配置管理

场景： 你需要在开发、测试、生产环境间切换，每个环境有不同的数据库和 API 端点。

解决方案：环境变量 + 配置模板

项目配置：.mcp.json

json

{
  "mcpServers": {
    "database": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DB_URL": "${DATABASE_URL}"
      }
    },
    "api-backend": {
      "type": "http",
      "url": "${BACKEND_API_URL:-https://api.production.com}/mcp",
      "headers": {
        "Authorization": "Bearer ${API_TOKEN}",
        "X-Environment": "${APP_ENV:-production}"
      }
    }
  }
}

环境配置文件：

.env.development:

bash

DATABASE_URL=postgresql://localhost:5432/myapp_dev
BACKEND_API_URL=https://api.dev.company.com
API_TOKEN=dev_token_12345
APP_ENV=development

.env.staging:

bash

DATABASE_URL=postgresql://staging-db.company.com:5432/myapp_staging
BACKEND_API_URL=https://api.staging.company.com
API_TOKEN=staging_token_67890
APP_ENV=staging

.env.production:

bash

DATABASE_URL=postgresql://prod-db.company.com:5432/myapp_prod
BACKEND_API_URL=https://api.company.com
API_TOKEN=prod_token_secure_xyz
APP_ENV=production

快速切换：

bash

# 开发环境
cp .env.development .env
source .env
claude

# 测试环境
cp .env.staging .env
source .env
claude

# 或者使用 direnv 自动加载
# .envrc
source_env .env.development

技巧 2：条件配置和特性开关

场景： 某些 MCP 服务器只在特定条件下启用。

方案 A：使用 disabled 字段

json

{
  "mcpServers": {
    "experimental-feature": {
      "disabled": true,  // 快速禁用
      "type": "http",
      "url": "https://experimental.api.com/mcp"
    },
    "legacy-system": {
      "disabled": "${ENABLE_LEGACY:-true}",  // 环境变量控制
      "type": "stdio",
      "command": "legacy-server"
    }
  }
}

方案 B：多个配置文件

bash

# 基础配置
~/.claude.json

# 实验性功能
~/.claude.experimental.json

# 按需合并
cat ~/.claude.json ~/.claude.experimental.json | \
  jq -s '.[0] * .[1]' > ~/.claude.merged.json

技巧 3：分层配置继承

配置优先级： Local > Project > User > Managed

示例场景：

Managed（IT 管理员）：

json

// /etc/claude-code/managed-mcp.json
{
  "allowedMcpServers": [
    {"serverName": "github"},
    {"serverName": "sentry"},
    {"serverName": "approved-internal-api"}
  ],
  "deniedMcpServers": [
    {"serverName": "filesystem"}  // 安全策略：禁止文件访问
  ],
  "requiredMcpServers": {
    "security-scanner": {
      "type": "http",
      "url": "https://security.company.com/mcp"
    }
  }
}

User（个人全局设置）：

json

// ~/.claude.json
{
  "mcpServers": {
    "github": {
      "type": "http",
      "url": "https://mcp.github.com/anthropic"
    },
    "personal-notes": {
      "type": "http",
      "url": "https://mcp.notion.com/mcp"
    }
  }
}

Project（团队共享）：

json

// /project/.mcp.json
{
  "mcpServers": {
    "project-db": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "postgres-server"],
      "env": {"DB_URL": "${PROJECT_DB_URL}"}
    }
  }
}

Local（项目个人覆盖）：

json

// /project/.claude/settings.local.json
{
  "mcpServers": {
    "project-db": {
      "env": {
        "DB_URL": "postgresql://localhost:5432/my_local_test_db"
      }
    }
  }
}

最终生效配置：

✅ security-scanner（Managed 强制）
✅ github（User 全局）
✅ personal-notes（User 全局）
✅ project-db（Project + Local 覆盖数据库 URL）
❌ filesystem（Managed 禁止）

技巧 4：动态服务器配置（插件系统）

高级场景： 开发可重用的 MCP 配置包。

插件结构：

my-mcp-plugin/
├── plugin.json
├── servers/
│   ├── custom-db-server.js
│   └── custom-api-server.js
├── config/
│   └── mcp-config.json
└── README.md

plugin.json：

json

{
  "name": "my-company-mcp-plugin",
  "version": "1.0.0",
  "mcpServers": {
    "company-db": {
      "command": "${CLAUDE_PLUGIN_ROOT}/servers/custom-db-server.js",
      "args": ["--config", "${CLAUDE_PLUGIN_ROOT}/config/db-config.json"],
      "env": {
        "DB_URL": "${COMPANY_DB_URL}"
      }
    }
  }
}

使用插件：

json

// ~/.claude.json
{
  "plugins": [
    "/path/to/my-mcp-plugin"
  ]
}

⚡ 性能优化策略

策略 1：Token 预算管理

问题： MCP 服务器输出过大导致 token 消耗爆炸。

解决方案：配置输出限制

bash

# 设置 MCP 输出 token 限制
export MAX_MCP_OUTPUT_TOKENS=50000

# 默认：25,000 tokens
# 警告阈值：10,000 tokens

claude

示例：数据库查询优化

❌ 低效查询：

sql

SELECT * FROM users;  -- 返回 100,000 行

✅ 优化查询：

sql

SELECT id, email, name FROM users
WHERE status = 'active'
LIMIT 100;  -- 只返回必要的列和行

在 Skill 中指导 Claude：

markdown

---
name: database-query-optimizer
description: 查询数据库时自动优化 SQL
---

# 数据库查询优化规则

当执行数据库查询时，始终遵循：

1. **只选择必要的列**
   - ❌ `SELECT *`
   - ✅ `SELECT id, name, email`

2. **使用 LIMIT 限制结果**
   - 探索性查询：`LIMIT 10`
   - 生产查询：`LIMIT 100`

3. **过滤不必要的数据**
   - 使用 WHERE 条件
   - 避免全表扫描

4. **聚合优先**
   - 需要统计？使用 `COUNT(*)`、`SUM()`
   - 不要取回所有数据后再计算

策略 2：渐进式工具加载

原理： MCP 支持按需加载工具定义，而非一次性加载所有工具。

实现： 使用文件系统层次组织工具

服务器端实现示例（Node.js）：

javascript

// mcp-server.js
const server = new MCPServer({
  tools: {
    // 懒加载：只有被调用时才加载完整定义
    async listTools() {
      return {
        tools: [
          {name: "github_create_pr", description: "Create a PR"},
          {name: "github_list_issues", description: "List issues"},
          // ... 只返回名称和简短描述，不返回完整 schema
        ]
      };
    },
    async getTool(name) {
      // 按需加载完整定义
      const toolDefs = {
        "github_create_pr": {
          name: "github_create_pr",
          description: "Create a new pull request",
          inputSchema: { /* 完整 JSON Schema */ }
        },
        // ...
      };
      return toolDefs[name];
    }
  }
});

客户端行为：

启动时：调用 listTools() → 只获取工具名称（< 1KB）
需要时：调用 getTool(name) → 获取完整定义（按需）
结果：Token 使用减少 95%+

策略 3：中间结果缓存

场景： 重复查询相同数据（如数据库 schema）。

方案 A：服务器端缓存

javascript

// mcp-server.js
const cache = new Map();

async function getSchema(tableName) {
  const cacheKey = `schema:${tableName}`;

  if (cache.has(cacheKey)) {
    return cache.get(cacheKey);  // 命中缓存
  }

  const schema = await db.query(`
    SELECT column_name, data_type
    FROM information_schema.columns
    WHERE table_name = $1
  `, [tableName]);

  cache.set(cacheKey, schema, {ttl: 3600});  // 缓存 1 小时
  return schema;
}

方案 B：Claude 记忆（Skills）

markdown

---
name: remember-schema
description: 记住已查询的数据库 schema
---

# Schema 记忆

已查询的表结构：

## users 表
- id (INTEGER, PRIMARY KEY)
- email (VARCHAR(255), UNIQUE)
- name (VARCHAR(100))
- created_at (TIMESTAMP)

## posts 表
- id (INTEGER, PRIMARY KEY)
- user_id (INTEGER, FOREIGN KEY → users.id)
- title (VARCHAR(200))
- content (TEXT)
- created_at (TIMESTAMP)

**规则：** 如果已经有 schema 信息，不要重新查询。

策略 4：并行工具调用

场景： 需要从多个服务获取数据。

串行调用（慢）：

调用 GitHub API → 等待 2 秒
调用 Sentry API → 等待 1.5 秒
调用 PostgreSQL → 等待 0.5 秒
总耗时：4 秒

并行调用（快）：

同时调用：
  - GitHub API
  - Sentry API
  - PostgreSQL
等待所有完成
总耗时：2 秒（最慢的那个）

Claude 会自动并行化独立的工具调用。

优化提示：

> 同时获取 GitHub 最新 PR 和 Sentry 最新错误

Claude 会并行执行：
[工具调用 1] github_list_prs()
[工具调用 2] sentry_list_issues()

而不是串行执行。

👥 团队协作最佳实践

实践 1：Git 工作流

推荐文件结构：

project/
├── .mcp.json                    # ✅ 提交（团队共享配置）
├── .env.example                 # ✅ 提交（配置模板）
├── .env                         # ❌ 不提交（个人凭据）
├── .gitignore                   # ✅ 包含 .env
├── .claude/
│   ├── skills/                  # ✅ 提交（团队 Skills）
│   ├── settings.local.json      # ❌ 不提交（个人设置）
│   └── README.md                # ✅ 提交（设置说明）
└── README.md                    # ✅ 包含 MCP 设置指南

.gitignore：

# Environment files
.env
.env.local
.env.*.local

# Claude Code personal settings
.claude/settings.local.json

# Logs
*.log

.mcp.json（团队共享）：

json

{
  "mcpServers": {
    "project-db": {
      "type": "stdio",
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": {
        "DB_URL": "${PROJECT_DB_URL}"
      }
    },
    "github": {
      "type": "http",
      "url": "https://mcp.github.com/anthropic"
    }
  }
}

.env.example（模板）：

bash

# Database Connection
PROJECT_DB_URL=postgresql://user:password@host:5432/dbname

# GitHub (OAuth will handle authentication)
# No token needed in .env

# Other services
SENTRY_ORG=your-org-name
LINEAR_TEAM_ID=your-team-id

README.md 设置说明：

markdown

## Claude Code Setup

### 1. Install Dependencies
```bash
npm install

2. Configure Environment

bash

# Copy example environment file
cp .env.example .env

# Edit .env with your credentials
nano .env

3. Approve MCP Servers

bash

# Start Claude Code
claude

# Approve project MCP servers when prompted
# - project-db
# - github

4. Authenticate Remote Services

> /mcp
# Click "Login" for each remote service

5. Verify Setup

> /mcp
# All servers should show ✅ Connected


### 实践 2：代码审查工作流

**场景：** 团队成员提交包含 MCP 配置更改的 PR。

**审查清单：**

```markdown
## MCP Configuration Review Checklist

### 安全性
- [ ] 没有硬编码的密码或 API keys
- [ ] 敏感信息使用环境变量引用
- [ ] `.env` 文件不在提交中
- [ ] `.env.example` 已更新

### 配置正确性
- [ ] JSON 语法有效（使用 `jq` 或 linter 验证）
- [ ] 服务器名称清晰明确
- [ ] 传输类型正确（HTTP/Stdio）
- [ ] 命令和参数正确

### 文档
- [ ] README 包含新服务器的设置说明
- [ ] `.env.example` 包含新的环境变量
- [ ] 变更说明了为什么需要新服务器

### 影响评估
- [ ] 新服务器是必需的，还是可选的？
- [ ] 是否影响其他团队成员的工作流？
- [ ] 是否需要额外的权限或访问审批？

### 测试
- [ ] 提交者已验证配置工作正常
- [ ] 至少一个其他团队成员成功复现

PR 模板示例：

markdown

## MCP Configuration Change

**添加的服务器：** `linear`
**类型：** Remote (HTTP)
**用途：** 自动化 issue 创建和项目管理

### Setup Instructions
1. 认证 Linear：

/mcp


2. 设置环境变量（可选）：
```bash
echo "LINEAR_TEAM_ID=your-team-id" >> .env

Testing

[x] 测试 linear_create_issue 工具
[x] 测试 linear_list_issues 工具
[x] 验证权限范围正确

Security

[x] 使用 OAuth（无需 API key）
[x] 请求的权限：read, write
[x] 审查了 Linear 的数据访问策略

Checklist

[x] JSON 语法验证通过
[x] .env.example 已更新
[x] README 已更新
[x] 至少 2 人测试成功


### 实践 3：CI/CD 集成

**场景：** 在 CI 流水线中使用 Claude Code 和 MCP。

**GitHub Actions 示例：**

`.github/workflows/claude-code-checks.yml`:
```yaml
name: Claude Code Quality Checks

on: [push, pull_request]

jobs:
  mcp-config-validation:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3

      - name: Validate MCP Configuration
        run: |
          # 验证 JSON 语法
          jq empty .mcp.json

          # 检查敏感信息泄露
          if grep -r "password\|secret\|token" .mcp.json; then
            echo "❌ Error: Potential secret in .mcp.json"
            exit 1
          fi

      - name: Verify .env.example
        run: |
          # 确保所有环境变量都有示例
          required_vars=$(grep -oP '\$\{\K[^}]+' .mcp.json | sort -u)
          example_vars=$(grep -oP '^[A-Z_]+(?==)' .env.example | sort -u)

          missing=$(comm -23 <(echo "$required_vars") <(echo "$example_vars"))
          if [ -n "$missing" ]; then
            echo "❌ Missing in .env.example: $missing"
            exit 1
          fi

  automated-testing:
    runs-on: ubuntu-latest
    services:
      postgres:
        image: postgres:14
        env:
          POSTGRES_PASSWORD: test_password
        options: >-
          --health-cmd pg_isready
          --health-interval 10s
          --health-timeout 5s
          --health-retries 5

    steps:
      - uses: actions/checkout@v3

      - name: Setup Claude Code
        run: |
          npm install -g @anthropic/claude-code
          cp .env.example .env
          # 设置测试环境变量
          echo "PROJECT_DB_URL=postgresql://postgres:test_password@localhost:5432/test" >> .env

      - name: Test MCP Servers
        env:
          CLAUDE_API_KEY: ${{ secrets.CLAUDE_API_KEY }}
        run: |
          # 非交互模式测试
          claude -p "List all configured MCP servers" --output json > mcp_status.json

          # 验证所有服务器连接成功
          jq -e '.servers[] | select(.status != "connected")' mcp_status.json && exit 1 || exit 0

🔍 三级调试方法论

Level 1：连接和配置问题

症状： MCP 服务器无法连接或未显示。

诊断步骤：

1.1 检查服务器列表

> /mcp

预期输出：

MCP Servers Status:
────────────────────────────────────────
📦 github
   Status: ✅ Connected
📦 postgres
   Status: ❌ Failed to connect
   Error: Command not found: npx
────────────────────────────────────────

1.2 验证配置语法

bash

# 验证 JSON
jq empty ~/.claude.json

# 查看具体服务器配置
claude mcp get postgres

1.3 检查环境变量

bash

# 列出所有环境变量
env | grep -i db

# 验证特定变量
echo $DATABASE_URL

1.4 测试命令手动执行

bash

# 测试 MCP 服务器命令是否可执行
npx -y @modelcontextprotocol/server-postgres

# 如果失败，检查 Node.js
node --version  # 应该 >= 18.17

常见问题 & 解决方案：

问题	原因	解决方案
`Command not found: npx`	Node.js 未安装	`brew install node` (macOS)
`ENOENT: no such file`	路径错误	使用绝对路径
`Permission denied`	文件权限	`chmod +x server.js`
`JSON parse error`	语法错误	使用 `jq` 验证

Level 2：认证和权限问题

症状： 服务器连接成功，但工具调用失败。

诊断步骤：

2.1 检查认证状态

> /mcp

📦 github
   Status: ✅ Connected
   Authenticated as: yourusername  ← 检查这里
   Scopes: repo, read:user         ← 检查权限范围

2.2 验证 OAuth Token

# 清除并重新认证
> /mcp
# 选择服务器 → Clear authentication → Login

2.3 检查权限范围

需要的权限：repo (完整仓库访问)
授予的权限：public_repo (只有公开仓库)

解决：重新认证并授予正确的 scope

2.4 测试工具权限

> /permissions

Allowed tools:
- Read
- Write
- Bash
❌ mcp__github__create_pr  ← 工具被阻止

解决：
> /permissions add mcp__github__create_pr

2.5 检查企业策略

bash

# 查看托管配置
cat /etc/claude-code/managed-mcp.json

# 示例输出：
{
  "deniedMcpServers": [
    {"serverName": "github"}  ← IT 阻止了 GitHub
  ]
}

# 解决：联系 IT 管理员请求访问

Level 3：工具执行和数据问题

症状： 工具调用成功，但返回意外结果或错误。

诊断步骤：

3.1 启用调试模式

bash

claude --mcp-debug

输出示例：

[MCP DEBUG] Tool call: github_create_pr
[MCP DEBUG] Parameters: {
  "title": "Add feature",
  "base": "main",
  "head": "feature-branch"
}
[MCP DEBUG] Request sent to server
[MCP DEBUG] Response received: 422 Unprocessable Entity
[MCP DEBUG] Error: {
  "message": "Validation Failed",
  "errors": [
    {
      "field": "head",
      "code": "invalid",
      "message": "Branch 'feature-branch' does not exist"
    }
  ]
}

3.2 检查服务器日志

> /mcp
# 选择服务器
# 查看 "Recent Logs" 部分

Recent Logs (postgres):
────────────────────────────────────────
[INFO] Connected to database
[ERROR] Query failed: syntax error at or near "SELCT"
[ERROR] Did you mean: SELECT?
────────────────────────────────────────

3.3 手动验证数据

sql

-- 直接连接数据库验证数据存在
psql $DATABASE_URL

postgres=# SELECT * FROM users LIMIT 5;
-- 确认数据确实存在

-- 然后再让 Claude 查询

3.4 检查 Token 限制

> /context

MCP Output Token Usage:
- postgres: 45,678 tokens ⚠️ (limit: 25,000)
- Recommendation: Use LIMIT in queries

提示被截断的迹象：
[... 1,234 more rows omitted due to token limit ...]

3.5 验证输入数据

工具调用失败原因：
Parameters: {
  "user_id": "abc123"  ← 应该是数字
}

数据库期望：INTEGER
实际传入：STRING

解决：在 Skill 中添加类型验证规则

🔒 安全加固与合规性

加固 1：最小权限原则

原则： 只授予完成任务所需的最小权限。

OAuth Scope 控制：

❌ 过度授权：

GitHub Scopes:
- admin:org           ← 不需要组织管理权限
- delete_repo         ← 不需要删除仓库权限
- admin:gpg_key       ← 不需要 GPG key 管理

✅ 最小权限：

GitHub Scopes:
- repo                ← 仓库读写（必需）
- read:user           ← 读取用户信息（必需）

Filesystem Roots 限制：

❌ 危险：

json

{
  "filesystem": {
    "command": "filesystem-server",
    "args": ["/"]  // ← 允许访问整个文件系统
  }
}

✅ 安全：

json

{
  "filesystem": {
    "command": "filesystem-server",
    "args": [
      "/project/data",      // 只允许项目数据目录
      "/project/documents"  // 和文档目录
    ]
  }
}

加固 2：数据保护

敏感数据脱敏：

方案 A：服务器端自动脱敏

javascript

// mcp-server.js
function sanitizeEmail(email) {
  const [user, domain] = email.split('@');
  return `${user[0]}***@${domain}`;
}

async function getUsers() {
  const users = await db.query("SELECT * FROM users");
  return users.map(user => ({
    ...user,
    email: sanitizeEmail(user.email),  // 自动脱敏
    phone: user.phone.replace(/\d(?=\d{4})/g, '*')
  }));
}

方案 B：Claude 指令（Skill）

markdown

---
name: data-privacy
description: 自动保护敏感数据隐私
---

# 数据隐私保护规则

处理用户数据时，始终遵循：

## 1. 个人身份信息 (PII) 脱敏
- 邮箱：`user@example.com` → `u***@example.com`
- 电话：`+1-555-1234` → `+1-***-1234`
- 地址：只显示城市和国家，隐藏街道

## 2. 不在响应中包含
- 密码（即使是哈希值）
- 信用卡号
- 社会安全号 (SSN)
- API 密钥和 tokens

## 3. 日志记录
当记录操作时，使用用户 ID 而非邮箱或姓名。

加固 3：审计日志

记录所有 MCP 操作：

javascript

// mcp-server.js
const fs = require('fs');

function auditLog(action, user, details) {
  const logEntry = {
    timestamp: new Date().toISOString(),
    action,
    user,
    details,
    ip: process.env.CLIENT_IP
  };

  fs.appendFileSync(
    '/var/log/mcp-audit.log',
    JSON.stringify(logEntry) + '\n'
  );
}

// 使用
async function createPR(params) {
  auditLog('github_create_pr', 'claude-user', {
    repo: params.repo,
    title: params.title
  });

  // 执行实际操作
  const result = await github.createPR(params);
  return result;
}

审计日志格式：

json

{"timestamp":"2025-01-15T10:30:45Z","action":"github_create_pr","user":"alice@company.com","details":{"repo":"company/backend","title":"Fix auth bug"},"ip":"10.0.1.42"}
{"timestamp":"2025-01-15T10:31:12Z","action":"postgres_query","user":"alice@company.com","details":{"query":"SELECT * FROM users WHERE id = $1","params":[123]},"ip":"10.0.1.42"}

分析审计日志：

bash

# 查看特定用户的所有操作
cat /var/log/mcp-audit.log | jq 'select(.user == "alice@company.com")'

# 查找数据库查询操作
cat /var/log/mcp-audit.log | jq 'select(.action == "postgres_query")'

# 统计操作频率
cat /var/log/mcp-audit.log | jq -r '.action' | sort | uniq -c

加固 4：合规性检查

GDPR 合规示例：

markdown

## MCP GDPR Compliance Checklist

### 数据最小化
- [ ] 只收集必要的用户数据
- [ ] MCP 查询使用 `SELECT` 指定列，而非 `SELECT *`
- [ ] 定期清理不再需要的数据

### 用户权利
- [ ] 实现"访问权"：用户可以查询自己的数据
- [ ] 实现"删除权"：用户可以删除自己的数据
- [ ] 实现"导出权"：用户可以导出数据

### 同意管理
- [ ] OAuth 流程明确说明数据使用方式
- [ ] 用户可以撤销授权

### 安全措施
- [ ] 传输加密（TLS）
- [ ] 存储加密（数据库级别）
- [ ] 访问控制（最小权限）

### 审计与透明度
- [ ] 记录所有数据访问操作
- [ ] 保留审计日志至少 1 年
- [ ] 数据泄露响应计划

SOC 2 合规示例：

json

// managed-mcp.json（IT 管理员）
{
  "securityPolicies": {
    "requireMFA": true,
    "allowedIPs": ["10.0.0.0/8", "192.168.1.0/24"],
    "sessionTimeout": 3600,
    "requireApprovalForTools": [
      "mcp__*__delete*",
      "mcp__*__destroy*",
      "mcp__postgres__execute"
    ]
  },
  "auditLog": {
    "enabled": true,
    "destination": "syslog://audit.company.com:514",
    "retentionDays": 365
  }
}

📊 质量指标

指标 1：MCP 集成健康度

检查清单：

指标	目标	测量方法
连接成功率	> 99%	每小时 ping 测试
工具调用成功率	> 95%	成功调用 / 总调用
平均响应时间	< 2 秒	监控工具调用延迟
Token 效率	< 5K tokens/query	`/context` 命令监控
错误率	< 5%	失败调用 / 总调用

监控脚本：

bash

#!/bin/bash
# mcp-health-check.sh

echo "MCP Health Check - $(date)"
echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"

# 测试所有服务器连接
claude -p "List all MCP servers and their status" --output json > /tmp/mcp_status.json

# 解析结果
connected=$(jq '[.servers[] | select(.status == "connected")] | length' /tmp/mcp_status.json)
total=$(jq '.servers | length' /tmp/mcp_status.json)
success_rate=$(echo "scale=2; $connected / $total * 100" | bc)

echo "Connected: $connected / $total ($success_rate%)"

# 警报
if (( $(echo "$success_rate < 95" | bc -l) )); then
  echo "⚠️  WARNING: Connection rate below 95%"
  # 发送告警到 Slack/PagerDuty
fi

echo "━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━"

指标 2：团队采用率

跟踪指标：

sql

-- 查询团队成员的 MCP 使用情况
SELECT
  user_email,
  COUNT(DISTINCT server_name) as servers_used,
  COUNT(*) as total_tool_calls,
  AVG(execution_time_ms) as avg_response_time
FROM mcp_audit_log
WHERE timestamp > NOW() - INTERVAL '30 days'
GROUP BY user_email
ORDER BY total_tool_calls DESC;

目标：

80% 团队成员使用至少 1 个 MCP 服务器
平均每人使用 3+ 个服务器
每周至少 10 次工具调用

🎯 本节核心要点

1. 配置技巧总结

技巧	适用场景	复杂度
多环境管理	开发/测试/生产	🟡 中
条件配置	特性开关	🟢 低
分层继承	企业 + 团队 + 个人	🔴 高
插件系统	可重用配置包	🔴 高

2. 性能优化 Checklist

[ ] Token 限制：MAX_MCP_OUTPUT_TOKENS=50000
[ ] 查询优化：使用 LIMIT 和 WHERE
[ ] 渐进式加载：只加载需要的工具
[ ] 结果缓存：避免重复查询
[ ] 并行调用：独立操作同时执行

3. 团队协作要点

.mcp.json (提交) + .env.example (提交) + .env (不提交)

4. 调试三级方法

Level 1: 连接和配置 → /mcp, jq, 环境变量
Level 2: 认证和权限 → OAuth, /permissions, 企业策略
Level 3: 工具执行 → --mcp-debug, 日志, 数据验证

5. 安全原则

✅ 最小权限
✅ 数据脱敏
✅ 审计日志
✅ 合规检查

🚀 下一步

恭喜！你已经掌握了 MCP 的高级技巧和企业级最佳实践。

在 3.5 本章小结 中，我们将：

回顾 MCP 的核心知识点
解答常见疑问（FAQ）
提供快速参考指南
规划你的 MCP 学习路径
指向下一步的学习资源

准备好总结了吗？ 让我们巩固所学知识！

💡 实践建议： 选择一个你最需要的高级技巧（如多环境管理或性能优化），在你的项目中实施它。真正的掌握来自于应用，而不仅仅是理解。

3.4 进阶技巧和最佳实践 ​

🎯 本节目标 ​

🚀 高级配置技巧 ​

技巧 1：多环境配置管理 ​

技巧 2：条件配置和特性开关 ​

技巧 3：分层配置继承 ​

技巧 4：动态服务器配置（插件系统） ​

⚡ 性能优化策略 ​

策略 1：Token 预算管理 ​

策略 2：渐进式工具加载 ​

策略 3：中间结果缓存 ​

策略 4：并行工具调用 ​

👥 团队协作最佳实践 ​

实践 1：Git 工作流 ​

2. Configure Environment ​

3. Approve MCP Servers ​

4. Authenticate Remote Services ​

5. Verify Setup ​

Click "Login" for Linear ​

Testing ​

Security ​

Checklist ​

🔍 三级调试方法论 ​

Level 1：连接和配置问题 ​

Level 2：认证和权限问题 ​

Level 3：工具执行和数据问题 ​

🔒 安全加固与合规性 ​

加固 1：最小权限原则 ​

加固 2：数据保护 ​

加固 3：审计日志 ​

加固 4：合规性检查 ​

📊 质量指标 ​

指标 1：MCP 集成健康度 ​

指标 2：团队采用率 ​

🎯 本节核心要点 ​

1. 配置技巧总结 ​

2. 性能优化 Checklist ​

3. 团队协作要点 ​

4. 调试三级方法 ​

5. 安全原则 ​

🚀 下一步 ​

3.4 进阶技巧和最佳实践

🎯 本节目标

🚀 高级配置技巧

技巧 1：多环境配置管理

技巧 2：条件配置和特性开关

技巧 3：分层配置继承

技巧 4：动态服务器配置（插件系统）

⚡ 性能优化策略

策略 1：Token 预算管理

策略 2：渐进式工具加载

策略 3：中间结果缓存

策略 4：并行工具调用

👥 团队协作最佳实践

实践 1：Git 工作流

2. Configure Environment

3. Approve MCP Servers

4. Authenticate Remote Services

5. Verify Setup

Click "Login" for Linear

Testing

Security

Checklist

🔍 三级调试方法论

Level 1：连接和配置问题

Level 2：认证和权限问题

Level 3：工具执行和数据问题

🔒 安全加固与合规性

加固 1：最小权限原则

加固 2：数据保护

加固 3：审计日志

加固 4：合规性检查

📊 质量指标

指标 1：MCP 集成健康度

指标 2：团队采用率

🎯 本节核心要点

1. 配置技巧总结

2. 性能优化 Checklist

3. 团队协作要点

4. 调试三级方法

5. 安全原则

🚀 下一步