企业官网建设流程全解析

大家好，我是专注于AI开发工具与生态的技术博主。最近，AI Agent开发领域迎来了一波重要的基础设施更新，特别是围绕插件、MCP协议、Skills市场以及DSH桌面端的整合，让开发者构建智能体应用的门槛大大降低。如果你正在为如何让AI Agent连接外部工具、处理复杂任务而烦恼，或者对Claude、Cursor等工具中提到的MCP感到好奇，那么这篇文章正是为你准备的。

本文将系统性地拆解这一技术组合，从核心概念到实战部署，手把手带你理解并上手。无论你是想为自己的项目添加AI能力，还是希望深入理解下一代AI开发范式，都能在这里找到清晰的路径和可运行的代码示例。

1. 背景与核心概念：为什么是插件、MCP与Skills市场？

在传统的AI应用开发中，让大语言模型（LLM）与外部世界交互是一个复杂的过程。开发者需要为每个外部工具（如数据库、API、文件系统）编写特定的适配代码，处理认证、数据格式转换、错误处理等一系列繁琐问题。这不仅开发效率低，也使得AI Agent的能力被禁锢在预设的“围墙花园”里。

插件（Plugin）、MCP（Model Context Protocol）和Skills市场这一组合，正是为了解决上述痛点而生的新一代解决方案。它们共同构建了一个开放、标准化、可扩展的AI能力生态。

• 插件（Plugin）：可以理解为AI Agent的“手”和“眼睛”。一个插件就是一个封装好的功能模块，让AI能够执行某个特定任务，例如读取文件、执行SQL查询、调用天气API等。用户或开发者通过安装插件来扩展AI的能力。
• MCP（Model Context Protocol）：这是一个由Anthropic提出的开放协议，你可以把它想象成AI世界的“USB标准”。它定义了一套标准化的通信方式，让任何符合MCP协议的服务器（Server）（即工具提供方）都能被任何支持MCP的客户端（Client）（如Claude Desktop、Cursor、DSH等）发现和使用。MCP的核心价值在于解耦和标准化，工具开发者只需按照协议实现一次，就能在所有兼容客户端上运行。
• Skills市场（Skills Market）：这是一个集中展示和分发插件（或称为Skill）的平台。开发者可以将自己开发的、符合MCP协议的插件发布到市场上，其他用户则可以像在手机应用商店一样，轻松搜索、浏览和安装所需的技能，极大地促进了生态的繁荣。
• DSH（DeepSeek Harness）桌面端：这是一个集大成的AI Agent开发与运行环境。它不仅是一个支持MCP协议的强大客户端，更提供了一个图形化的桌面应用界面，方便开发者管理插件、编排任务流、调试AI行为。你可以把它看作是一个专为AI Agent设计的“集成开发环境（IDE）”或“操作系统”。

它们之间的关系：插件是具体的能力单元，MCP协议是它们与AI客户端通信的“世界语”，Skills市场是这些能力的“应用商店”，而DSH桌面端则是最终运行和调度这一切的“舞台”和“控制台”。

2. 环境准备与版本说明

在开始实战之前，我们需要准备好基础环境。本文将主要以DSH桌面端作为客户端示例，因为它对MCP的支持较为完善且提供了图形化界面。

核心环境要求：

1. 操作系统：Windows 10/11, macOS 10.15+, 或主流Linux发行版（如Ubuntu 20.04+）。本文示例将在Windows和macOS下进行。
2. Node.js环境（用于开发和运行MCP服务器）：建议安装Node.js 18.x LTS或更高版本。这是开发自定义MCP插件的推荐环境。
3. Python环境（可选，部分插件可能需要）：建议安装Python 3.8+。
4. DSH桌面端：我们需要下载并安装DeepSeek Harness的桌面客户端。请访问其官方GitHub仓库或发布页面获取最新版本。本文写作时，版本号可能在v0.1.x左右，请以实际下载为准。
5. 代码编辑器：推荐使用VS Code，它本身也对MCP有很好的支持（通过Cursor或特定插件）。

版本兼容性说明：MCP协议和各个客户端（DSH、Claude Desktop、Cursor）都处于快速迭代中。本文的示例和配置思路基于当前（2024年中）的通用实践，核心概念不变。如果遇到接口差异，请参考对应工具的最新官方文档进行调整。

3. MCP协议核心原理与配置拆解

理解MCP协议是玩转整个生态的关键。它主要基于JSON-RPC 2.0 over STDIO/SSE，通信过程可以简化为以下几步：

1. 客户端发现服务器：客户端通过配置文件或环境变量知道MCP服务器的启动命令。
2. 初始化握手：客户端启动服务器进程，双方交换initialize和initialized消息，协商能力。
3. 列出可用工具：客户端请求tools/list，服务器返回它提供的所有工具（即插件功能）列表。
4. 调用工具：当用户需要时，客户端发送tools/call请求，附带参数，服务器执行并返回结果。
5. 资源管理：服务器还可以提供“资源”（如文件内容、数据库表结构），客户端可以读取(resources/read)或订阅(resources/subscribe)其更新。

一个典型的MCP服务器配置（用于DSH/Claude Desktop）：MCP客户端通常需要一个配置文件来声明它要连接的服务器。对于DSH桌面端，配置可能集成在UI中，但其底层原理一致。

// 示例：一个自定义的MCP服务器配置 (例如保存在 `~/.config/mcp/servers.json`) { “mcpServers”: { “my-calculator”: { “command”: “node”, “args”: [“/path/to/your/mcp-server/calculator/index.js”], “env”: { “API_KEY”: “your_api_key_here” // 可传递环境变量 } }, “sqlite-db”: { “command”: “python”, “args”: [“-m”, “mcp_server_sqlite”], “env”: { “DB_PATH”: “/path/to/database.db” } } } }

配置项解释：

• command: 启动服务器所需的命令（如node,python）。
• args: 传递给命令的参数，通常是服务器脚本的路径。
• env: 可选的环境变量，用于向服务器传递配置信息（如API密钥、数据库路径）。

关键点：MCP服务器是一个独立的、常驻的进程。客户端负责管理其生命周期（启动、停止、重启）。这种设计使得工具开发与AI客户端完全独立。

4. 完整实战案例：开发一个自定义MCP插件（天气查询）

现在，我们从零开始创建一个最简单的MCP插件：一个天气查询服务器。我们将使用Node.js来实现。

4.1 创建项目结构

首先，创建一个新的项目目录并初始化。

mkdir mcp-weather-server cd mcp-weather-server npm init -y

安装必要的MCP开发包。这里我们使用@modelcontextprotocol/sdk，这是Anthropic官方提供的SDK，简化了服务器开发。

npm install @modelcontextprotocol/sdk

同时，我们需要一个真实的天气API。这里用axios发起HTTP请求，并用dotenv管理API密钥。

npm install axios dotenv

创建项目文件：

touch index.js .env .env.example

最终目录结构如下：

mcp-weather-server/ ├── node_modules/ ├── index.js # MCP服务器主文件 ├── .env # 存储敏感配置（如API密钥） ├── .env.example # 环境变量示例文件 ├── package.json └── package-lock.json

4.2 编写核心MCP服务器代码

打开index.js，编写以下代码：

// index.js const { Server } = require(‘@modelcontextprotocol/sdk/server/index.js’); const { StdioServerTransport } = require(‘@modelcontextprotocol/sdk/server/stdio.js’); const axios = require(‘axios’); require(‘dotenv’).config(); // 加载.env文件中的环境变量 // 1. 初始化MCP服务器 const server = new Server( { name: “weather-mcp-server”, version: “0.1.0”, }, { capabilities: { tools: {}, // 声明本服务器提供工具 }, } ); // 2. 定义天气查询工具 // 这个工具将被AI客户端识别和调用 server.setRequestHandler(‘tools/list’, async () => { return { tools: [ { name: ‘get_weather’, description: ‘Get the current weather for a given city.’, inputSchema: { type: ‘object’, properties: { city: { type: ‘string’, description: ‘The name of the city, e.g., “Beijing” or “New York”’, }, units: { type: ‘string’, enum: [‘metric’, ‘imperial’], description: ‘Temperature units. metric for Celsius, imperial for Fahrenheit.’, default: ‘metric’, }, }, required: [‘city’], }, }, ], }; }); // 3. 处理工具调用请求 server.setRequestHandler(‘tools/call’, async (request) => { const { name, arguments: args } = request.params; if (name !== ‘get_weather’) { throw new Error(`Unknown tool: ${name}`); } const { city, units = ‘metric’ } = args; const apiKey = process.env.WEATHER_API_KEY; // 从环境变量读取密钥 if (!apiKey) { throw new Error(‘WEATHER_API_KEY is not set in environment variables.’); } try { // 调用外部天气API（这里以OpenWeatherMap为例） const response = await axios.get(‘https://api.openweathermap.org/data/2.5/weather’, { params: { q: city, appid: apiKey, units: units, }, }); const weather = response.data; const temp = weather.main.temp; const description = weather.weather[0].description; const humidity = weather.main.humidity; return { content: [ { type: ‘text’, text: `The current weather in ${city} is ${description}. Temperature is ${temp}°${units === ‘metric’ ? ‘C’ : ‘F’}, humidity is ${humidity}%.`, }, ], }; } catch (error) { console.error(‘Weather API error:’, error.message); return { content: [ { type: ‘text’, text: `Failed to get weather for ${city}. Error: ${error.response?.data?.message || error.message}`, }, ], isError: true, }; } }); // 4. 启动服务器，使用标准输入输出进行通信 async function main() { const transport = new StdioServerTransport(); await server.connect(transport); console.error(‘Weather MCP server running on stdio…’); } main().catch((error) => { console.error(‘Server fatal error:’, error); process.exit(1); });

4.3 配置环境变量

在.env.example文件中说明需要的环境变量：

# .env.example # 请从 https://openweathermap.org/api 申请免费的API Key WEATHER_API_KEY=your_openweathermap_api_key_here

然后将.env.example复制为.env，并填入你真实的API密钥。

cp .env.example .env # 然后用编辑器打开 .env 文件填入密钥

重要安全提示：.env文件包含敏感信息，务必将其添加到.gitignore文件中，避免提交到公开仓库。

4.4 在DSH桌面端中配置并运行

1. 确保DSH桌面端已安装并运行。
2. 配置MCP服务器：DSH桌面端通常会在设置或高级选项中有“MCP Servers”的配置界面。你需要添加一个新的服务器配置。
   • 名称：weather(可自定义)
   • 命令：node
   • 参数：/绝对路径/to/your/mcp-weather-server/index.js
   • （某些版本DSH可能允许直接选择项目目录，或通过图形化方式配置）。
3. 保存并重启DSH：为了使配置生效，可能需要重启DSH客户端。
4. 验证连接：重启后，在DSH的聊天界面中，你应该能通过提示词使用新功能。例如，尝试输入：“帮我看看北京的天气。”

4.5 运行与验证结果

当你在DSH中询问天气时，后台会发生以下事件：

1. DSH（客户端）识别出你的意图需要调用外部工具。
2. 它查找已配置的MCP服务器，发现weather服务器提供了get_weather工具。
3. DSH通过MCP协议向你的Node.js服务器进程发送tools/call请求，参数为{“city”: “Beijing”, “units”: “metric”}。
4. 你的index.js代码被触发，调用OpenWeatherMap API。
5. 获取到天气数据后，服务器将格式化的结果返回给DSH。
6. DSH将结果呈现给你。

预期输出：

“The current weather in Beijing is clear sky. Temperature is 22°C, humidity is 65%.”

至此，你已经成功创建并运行了一个自定义的MCP插件，并通过DSH桌面端调用它。

5. 常见问题与排查思路

在开发和集成MCP插件的过程中，你可能会遇到以下典型问题。

6. 最佳实践与工程建议

将MCP插件用于生产环境或团队协作时，遵循以下最佳实践可以避免很多坑。

1. 插件（MCP服务器）开发规范：

• 清晰的工具定义：在tools/list中，为每个工具提供准确、详细的name、description和inputSchema。好的描述能极大提升AI调用工具的准确率。
• 健壮的错误处理：在tools/call中，务必用try...catch包裹核心逻辑，并返回格式化的错误信息（isError: true），而不是让进程崩溃。
• 资源管理与清理：如果插件使用了数据库连接、文件句柄等资源，要监听客户端的断开信号，做好清理工作，防止资源泄漏。
• 配置外部化：像API密钥、服务地址等配置，必须通过环境变量或配置文件传入，绝不要硬编码在代码中。
• 添加日志：在关键步骤（如收到请求、调用API、返回结果）添加日志输出（到console.error或文件），便于调试和监控。

2. 安全性考量：

• 最小权限原则：插件只应拥有完成其功能所需的最小权限。例如，一个文件阅读插件不应拥有删除文件的权限。
• 输入验证与消毒：对客户端传入的所有参数进行严格的验证和消毒，防止注入攻击（如SQL注入、命令注入）。
• 敏感信息保护：如前所述，API密钥等必须通过安全的方式管理。考虑使用密钥管理服务（KMS）或容器秘钥注入。
• 网络隔离：对于生产环境的MCP服务器，应考虑其网络访问边界，避免其访问内部敏感网络。

3. 性能与可维护性：

• 保持无状态：尽可能将MCP服务器设计为无状态的，这样便于水平扩展和重启。
• 设置超时：对依赖的外部服务调用（如HTTP请求、数据库查询）设置合理的超时时间，避免长时间阻塞。
• 版本化：为你的MCP服务器定义版本号，并在更新时注意向后兼容性。可以在initialize阶段声明版本。
• 编写文档：为你的插件编写清晰的README，说明其功能、配置方法、工具参数和常见问题。

4. 在DSH桌面端中的使用建议：

• 插件分组管理：如果安装了多个插件，可以在DSH中通过标签或项目进行分组管理，保持工作区整洁。
• 利用图形化优势：DSH桌面端通常提供对话历史、提示词模板、变量管理等功能，与MCP插件结合，可以构建复杂的自动化工作流。
• 关注更新：MCP生态发展迅速，定期更新DSH桌面端和你的自定义插件，以获取新特性和安全修复。

7. 总结与学习路线

通过本文，我们系统地探讨了AI Agent开发中的关键基础设施：插件、MCP协议、Skills市场以及DSH桌面端。我们从为什么需要这套生态讲起，深入理解了MCP作为标准化协议的核心价值，并最终通过一个完整的天气查询插件开发案例，将理论付诸实践。

你现在应该能够：

1. 清晰解释插件、MCP、Skills市场和DSH各自的作用与关系。
2. 在本地环境配置并运行DSH桌面端。
3. 使用Node.js和MCP SDK开发一个具备实际功能的自定义插件。
4. 在DSH中配置并使用自己开发的插件。
5. 排查插件集成过程中的常见问题。

下一步可以探索的方向：

• 更复杂的插件：尝试开发连接数据库（SQLite/PostgreSQL）、操作文件系统、调用企业内部API的插件。
• 探索Skills市场：去官方的Skills市场（如腾讯Skills市场）逛逛，安装一些他人开发的优秀插件，学习其设计和实现。
• 集成其他客户端：尝试将你开发的MCP插件配置到Claude Desktop、Cursor等其他支持MCP的客户端中，体验“一次开发，多处运行”。
• 学习Server-Sent Events (SSE)：了解MCP中用于资源订阅的SSE传输模式，实现实时数据推送（如监控日志、股票价格）。
• 参与社区：关注MCP协议和DSH等项目的GitHub仓库，了解最新动态，甚至为开源项目贡献代码或插件。

AI Agent的开发范式正在从封闭走向开放，从定制走向标准化。掌握MCP这一核心协议，意味着你掌握了连接AI与万千工具世界的钥匙。希望这篇教程能为你打开这扇门，助你在构建智能应用的路上走得更远。如果在实践中遇到新的问题，欢迎在社区交流探讨。