企业官网建设流程全解析

MCP Client 调模型不通，是《精通MCP：AI智能体开发实战》第5章读者最容易卡住的环节：MCP Inspector 能调 Server，5.3 节的 TypeScript Client 一请求模型就 401 或 404。先别改 SDK，去 TaoToken 看模型通道，官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ，拿 Key 后把 Base URL 写成 https://taotoken.net/api，别填官网地址，也别在末尾加 /v1。第5章的主线是 5.1 创建 MCP Server、5.2 用 MCP Inspector 调试资源/提示词/工具、5.3 创建 MCP Client 并运行客户端。前两步跑通只能证明 MCP 协议这一侧是活的；一旦 Client 开始向 LLM 发请求，就会多出一条模型认证通道。那条通道需要 API Key、Base URL、模型 ID 三样东西，任何一样错位，表现都像“MCP 坏了”，其实 MCP Server 还在正常工作。

1. MCP Inspector 通了，MCP Client 调模型却不通的典型现场

1.1 第5章其实有两条独立通道

原文第5章把简单智能体拆成 Server、Inspector、Client 三块。MCP Inspector调试的是 Server 暴露的 resources、prompts、tools，它不调用大模型，所以你在 Inspector 里能列工具、能手动传参执行，说明 MCP 协议层、传输层、Server 实现都没大问题。MCP Client则不一样：它先通过Client和StdioClientTransport连上 Server，拿到工具列表；然后把工具描述转成模型能看懂的 function/tool 定义，再向 LLM 发一条 chat 请求。模型返回 tool_calls 后，Client 才回头调用 MCP Server 的工具。整条链路里，Inspector 只覆盖前半段，模型请求那半段它完全没碰。

所以“Inspector 能调 Server，Client 调模型却不通”并不是矛盾现象。你要做的是把两条通道拆开看：MCP 通道负责连接、发现、执行工具；模型通道负责认证、路由、生成 tool_calls。两条通道的配置项、报错码、排查工具都不同。先确认报错发生在mcp.connect、listTools还是llm.chat.completions.create，再决定改哪里。

1.2 401、404、model not found 分别指向哪一层

401 基本落在模型通道的认证上：Key 没填、填错、.env 没加载、Key 被撤销、请求头没带出去。404 多半是 Base URL 路径问题：把官网地址填进了 baseURL，或者在https://taotoken.net/api后面又加了/v1，SDK 再拼一次路径就 404。model not found 则是模型 ID 不在当前通道的可用列表里，常见于凭记忆写模型名、从旧文章抄了一个带日期后缀的 ID。还有一种看起来像模型报错、实际是 MCP Server 没启动的情况：StdioClientTransport的 command 或 args 写错，connect直接失败，控制台没走到模型请求就退出。

先把错误原文复制出来，对照上述分类。不要一看到“调用失败”就重装 MCP SDK，也不要一看到 404 就换模型。第5章的代码结构很清楚，排障时按调用顺序切分，能省掉大量来回试错。

2. 在控制台创建 YOUR_API_KEY，Base URL 只写 https://taotoken.net/api

2.1 打开官网创建 API Key

原文 5.3 实现 MCP Client 时，需要让 Client 能调用模型。这一步对应原来的“申请密钥/配置认证”。现在去 TaoToken 注册登录，进控制台创建 API Key，复制出来后在项目里用YOUR_API_KEY占位。不要把真实 Key 写进代码、提交到 Git、贴到聊天记录。本地开发可以用.env，CI 里用环境变量，团队共享时走密钥管理工具。

创建 Key 的页面是控制台，模型广场也在同一个站内。模型广场会列出当前通道可用的模型 ID，复制哪个就填哪个。不要从旧教程里抄模型名，也不要在代码里写一个看起来很像的日期后缀。Key 的权限、额度、可用模型以控制台和模型广场当时显示为准。

2.2 官网地址和接口 Base URL 必须分开

这是最容易混的一步。官网落地页https://taotoken.net/?utm_source=taotoken_aicg_blog_end是给浏览器打开的，用来注册、创建 Key、看模型广场、看用量。填进 OpenAI SDK、Anthropic SDK 或任何模型客户端的Base URL是https://taotoken.net/api，末尾不要加/v1。两者长得像，但用途完全不同。把官网地址填进 baseURL，请求会拿到 HTML 页面，SDK 解析 JSON 时直接报错；在/api后面加/v1，SDK 再拼/chat/completions，路径就重复了。

下面这张表可以贴在项目 README 里，避免下次又填错：

表格里的官网链接是给人点的，不要复制到代码的 baseURL 字段。代码里的 baseURL 只认https://taotoken.net/api。

3. 改第5章 MCP Client 的模型请求：TypeScript 代码和 .env

3.1 准备 .env，不要把 Key 写进 TypeScript

假设第5章项目已经用 npm 初始化，装了@modelcontextprotocol/sdk、openai（或@anthropic-ai/sdk）以及dotenv。在项目根目录新建.env，内容如下：

TAO_TOKEN_API_KEY=YOUR_API_KEY TAO_TOKEN_BASE_URL=https://taotoken.net/api TAO_TOKEN_MODEL=YOUR_MODEL_ID

YOUR_API_KEY从 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 创建；YOUR_MODEL_ID从同一站点的模型广场复制。TAO_TOKEN_BASE_URL保持https://taotoken.net/api，不要改成官网地址，也不要加/v1。在入口文件顶部引入dotenv/config，确认环境变量加载成功。不要用字符串拼接把 Key 拼进代码，后面排查 401 时你会感谢这一步。

3.2 把模型客户端实例化改成统一通道

如果第5章的 MCP Client 用 OpenAI SDK 调模型，把实例化部分改成：

import OpenAI from "openai"; const llm = new OpenAI({ apiKey: process.env.TAO_TOKEN_API_KEY, baseURL: process.env.TAO_TOKEN_BASE_URL, });

如果用的是 Anthropic SDK，改成：

import Anthropic from "@anthropic-ai/sdk"; const llm = new Anthropic({ apiKey: process.env.TAO_TOKEN_API_KEY, baseURL: process.env.TAO_TOKEN_BASE_URL, });

这里的baseURL是模型通道的入口，不是浏览器入口。兼容通道在中间把发过去的 chat 请求按统一格式转给对应模型。你不需要改 MCP Server 的工具实现，也不需要改 Inspector 的调试方式。MCP 协议部分仍然按原文第5章写，只有模型认证这一段换成https://taotoken.net/api。

3.3 MCP Client 主流程保持原文结构

MCP Client 的主流程不要因为换模型通道就重写。仍然是：创建 transport、连接 Server、listTools、把工具定义映射成模型格式、发 chat 请求、处理返回的 tool_calls。下面是一个组合示例，重点看模型客户端和listTools怎么接：

import "dotenv/config"; import { Client } from "@modelcontextprotocol/sdk/client/index.js"; import { StdioClientTransport } from "@modelcontextprotocol/sdk/client/stdio.js"; import OpenAI from "openai"; const transport = new StdioClientTransport({ command: "node", args: ["./dist/server.js"], }); const mcp = new Client( { name: "chapter5-mcp-client", version: "1.0.0" }, { capabilities: {} } ); await mcp.connect(transport); const { tools } = await mcp.listTools(); const llm = new OpenAI({ apiKey: process.env.TAO_TOKEN_API_KEY, baseURL: process.env.TAO_TOKEN_BASE_URL, }); const completion = await llm.chat.completions.create({ model: process.env.TAO_TOKEN_MODEL!, messages: [ { role: "user", content: "列出当前可调用的工具名，不要执行工具。" }, ], tools: tools.map((tool) => ({ type: "function", function: { name: tool.name, description: tool.description ?? "", parameters: tool.inputSchema, }, })), }); console.log(completion.choices[0]?.message);

这段代码只负责生成或解释工具调用，不直接连接你的生产库、生产机器去执行。真正执行工具的是 MCP Server，而 Server 连什么资源、允许哪些操作，仍按原文第5章和后续章节的权限设计来。模型通道只解决“模型能不能收到请求、能不能返回 tool_calls”。

4. 运行第5章客户端后的三层验证

4.1 先用最小 chat 请求验证 Key 和 Base URL

在跑完整 MCP Client 之前，单独写一个check-model.ts，只发一条不带工具的 chat 请求。这一步能把模型通道单独隔离出来：

import "dotenv/config"; import OpenAI from "openai"; const llm = new OpenAI({ apiKey: process.env.TAO_TOKEN_API_KEY, baseURL: "https://taotoken.net/api", }); const res = await llm.chat.completions.create({ model: process.env.TAO_TOKEN_MODEL!, messages: [{ role: "user", content: "只回复 ok" }], }); console.log(res.choices[0]?.message?.content);

如果这里报 401，回去检查 Key；如果报 404，检查 baseURL 是不是少了/api或多了/v1；如果报 model not found，去模型广场换一个模型 ID。最小请求通过后，模型通道才算真正打通。注意这里的 baseURL 仍然是https://taotoken.net/api，不要因为这是测试文件就写官网地址。

4.2 再跑 MCP Client 看工具列表和 tool_calls

最小请求通过后，运行完整客户端。观察终端顺序：先看到 MCP 连接成功，再看到tools列表，然后看到模型返回文本或 tool_calls。如果模型返回的是 tool_calls，说明模型已经理解了工具定义；接下来按原文 5.3.3 运行客户端，让 MCP Client 把 tool_calls 转成对 Server 的调用。如果模型只返回文本、没有 tool_calls，检查你传给模型的 tools 定义是否为空、工具描述是否清楚、模型是否支持函数调用。不要在这时改 baseURL，那已经是另一条通道的事。

4.3 去控制台核对这次调用有没有记上账

打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 进控制台，看刚才的调用记录和用量。如果最小 chat 请求出现了，但 MCP Client 的请求没出现，说明完整客户端里的模型客户端没有真正使用同一套环境变量，可能被硬编码的旧 baseURL 覆盖了。检查代码里有没有第二个new OpenAI或new Anthropic，检查.env有没有被dotenv/config加载，检查系统环境变量里有没有同名的旧值。控制台的记录是判断请求有没有走到统一通道的最直接依据。

5. 还报 401、404、model not found 时怎么对号入座

5.1 404：先查 /v1 是否重复

OpenAI SDK 默认会向 baseURL 拼/chat/completions，Anthropic SDK 也会拼自己的路径。TaoToken 要求的 baseURL 是https://taotoken.net/api，末尾不带/v1。如果你写成https://taotoken.net/api/v1，最终请求可能变成/api/v1/chat/completions或/api/v1/v1/chat/completions，服务端找不到就返回 404。排查时同时检查三处：TypeScript 代码里的字符串、.env文件、系统环境变量。只改一处，另外两处还在，照样 404。

5.2 401：Key 加载顺序和空格问题

401 的常见原因不是 Key 无效，而是请求里根本没带上 Key。dotenv/config必须在创建 OpenAI 客户端之前引入；环境变量名大小写要一致；复制 Key 时不要带前后空格或换行。可以用console.log(process.env.TAO_TOKEN_API_KEY?.slice(0, 6))确认前六位，但不要在日志里打印完整 Key。如果 Key 确实失效，去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 控制台重新创建一把，替换YOUR_API_KEY。

5.3 model not found：模型 ID 以模型广场为准

模型 ID 不是猜出来的。同一家模型在不同通道可能有不同命名，旧文章里的 ID 也可能已经下架。打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 模型广场，复制当前可用的模型 ID，替换.env里的YOUR_MODEL_ID。不要写gpt-5或随意加日期后缀当正式配置，除非模型广场当时确实列出了这个 ID。换模型后先跑 4.1 的最小请求，再跑完整 MCP Client。

5.4 MCP 连接失败：别把锅甩给模型通道

如果错误发生在mcp.connect或listTools，说明还没走到模型请求。检查StdioClientTransport的command和args是否指向正确的 Server 入口，./dist/server.js是否存在，Server 是否已经编译。MCP Inspector 能调 Server，是因为 Inspector 直接启动或连接了 Server；MCP Client 这里如果 command 写错，同样连不上。先让listTools成功，再去调模型。

6. 配通之后：用同一把 Key 做一次模型对话，再看长期用量

6.1 在模型对话里发一条消息

MCP Client 跑通后，用同一把 Key 打开 TaoToken 模型对话，发一条普通消息。这一步不涉及 MCP Server，只验证模型 ID、Base URL、Key 三件事在另一个入口是否一致。如果模型对话通、MCP Client 也通，说明模型通道和 MCP 通道都已经就位。如果模型对话通、MCP Client 不通，回到第4节看是不是完整客户端里用了另一套配置。

6.2 长期跑智能体可以看 Coding Plan

第5章只是入门，后面还有商城智能体、论文研究智能体、ChatBI 智能体、深度研究报告生成智能体。MCP Client 会频繁发模型请求，长期跑下来要看套餐是否够用。可以打开 Coding Plan 看当前方案，具体额度、价格以页面当时列表为准。不要在没有控制台数据的情况下估算消耗，先看用量再决定。

6.3 Key 轮换和用量都在控制台

需要新建 Key、删除旧 Key、查看调用记录，去 控制台 API Keys。第5章之后如果要做多 Server、多模型的智能体，每套环境可以用不同 Key，出问题时也更容易定位是哪条通道在报错。配完 MCP Client 的第一件事，就是回控制台看这次请求有没有记上；记上了，说明 Base URL 和 Key 都已经走在 TaoToken 通道上。