让 Claude 用好 MCP：六个提问技巧 + 一条核心原则

Joy — Tue, 16 Jun 2026 15:50:00 +0800

给 Claude 接上 MCP（Model Context Protocol）后，它就能读你的项目文件、搜代码、跑命令了。但很多人发现：明明接好了，Claude 还是答不到点上。原因很简单——MCP 只是给了 Claude「能力」，不等于给了它「上下文」。它必须先调用工具才能看见你的项目。怎么提问，直接决定它调得准不准、答得好不好。这篇讲六个提问技巧 + 一条核心原则。

先理解一件事：Claude 不会「自动知道」你的项目

这是所有技巧的前提。MCP 注册成功 ≠ Claude 已经读过你的代码。它和你一样，第一眼什么都看不到，只有当它主动调用 list_files、get_module、search_code 这类工具时，对应内容才会进入它的上下文。

所以本质上你是在和一个**「会用工具、但每次都从零开始看项目」的协作者**对话。下面六个技巧，全都是围绕「怎么帮它又快又准地拿到对的上下文」展开的。

技巧 1：开场先让它建立上下文

第一轮对话，别急着提需求，先让 Claude 主动探索项目，建立全局认知：

✅ 好的开场
"用 list_files 看一下项目根目录结构"
"用 get_project_info 了解这个项目的依赖和脚本"
"用 get_structure 列出所有 sections 和 components"

不要假设它已经知道结构。先给它一个「鸟瞰」，后面的对话才有共同的地图。

AI Agent 开发入门：从原理到一个能调用工具的最小智能体

Joy — Tue, 16 Jun 2026 15:00:00 +0800

AI Agent（智能体）开发，是指构建一种能够自主感知、推理规划、调用工具并执行任务以达成目标的系统。一句话区分：传统 AI（普通聊天机器人）是「你问一句，它答一句」；AI Agent 更像一个数字员工——你给它一个高级目标（比如「分析这家公司的财报并做成 10 页 PPT」），它能自己拆步骤、查资料、跑代码、调 API，最后把成果交给你。

1. Agent 的本质：给大模型装上「手脚和大脑」

大模型（LLM）本身只会「输入文字 → 输出文字」。Agent 开发的本质，就是在 LLM 外面套一层结构，让它能和真实世界交互、并多步自主行动。这层结构通常包含四个部分：

flowchart TD
 U["用户指令
（高级目标）"] --> B["大脑 · LLM
理解意图 / 规划 / 推理"]
 B --> P["规划 Planning
拆解子任务 + 自我反思纠错"]
 B --> M["记忆 Memory
短期上下文 + 长期知识"]
 B --> T["工具 Tools
搜索 / 数据库 / 代码 / 发邮件 / API"]
 T --> E["执行并观察结果"]
 E --> B
 B --> O["交付成果"]

 style B fill:#dbe9ff,stroke:#2563eb,stroke-width:2px
 style T fill:#ffe9d5,stroke:#b71d18

大脑（LLM / 推理引擎）：负责理解意图、分析问题、制定计划。
记忆（Memory）：短期记忆（当前对话上下文）+ 长期记忆（历史经验、知识库，常配合向量数据库）。
工具（Tools）：让 Agent 能「动手」——网页搜索、查数据库、跑代码、发邮件等。
规划（Planning）：把复杂目标拆成可执行的子任务，并能自我反思、发现错误后纠正。

2. 核心机制：ReAct 循环