企业官网建设流程全解析

1. 鸿蒙 AI 开发里 Skill 和 MCP 到底解决什么问题

如果你正在做鸿蒙（HarmonyOS NEXT）项目，大概率遇到过这种割裂感：AI 助手能帮你写一段 ArkTS 代码，但它不知道@State和@Prop在 API 12 之后的差异，也不清楚你本地 DevEco Studio 装在哪、模拟器有没有起来。结果就是代码看着对，一编译一堆报错，装到设备上还得手动点半天。

Skill 和 MCP 就是来补这两块短板的。Skill 是给 AI 助手挂上的“鸿蒙专业知识包”，本质是一堆本地 Markdown 参考文档，离线可查，负责回答“这个 API 怎么用、这个语法错在哪”；MCP（Model Context Protocol）是给 AI 助手接上的“手和眼”，通过标准化协议去调用外部工具，负责执行“编译项目、启动应用、抓日志、点按钮”这类真实操作。一个管知识，一个管动作，配合起来才能让 AI 在鸿蒙项目里从“会聊”变成“会干”。

这篇面向需要在鸿蒙项目里跑通 AI 能力的开发者，以 Trae 为部署载体，交付可复制的 Skill 注册流程、MCP 配置骨架，以及用 TaoToken 统一 Key 接入模型 API 的示例。目标很明确：从零完成一次可复现的端到端部署，让 AI 能查鸿蒙文档、能编译安装、能看日志改代码。

2. 前置准备：TaoToken 统一 Key 与 Trae 环境

在配 Skill 和 MCP 之前，得先让 Trae 里的模型能正常调用。Trae 支持自定义模型接入，这里用 TaoToken 做统一入口，一个 Key 覆盖对话和编码场景，省得在多个平台之间来回切。

先拿到 API Key。打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，注册后在控制台创建密钥。控制台地址是 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，密钥管理页在 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。API 基础地址统一用 https://taotoken.net/api ，注意这个地址后面不加任何 UTM 参数，直接填就行。

Trae 里配置模型的入口在设置里，找到模型服务，选择自定义 OpenAI 兼容接口，把 Base URL 填成https://taotoken.net/api，API Key 填刚创建的那串。模型名按你实际要用的填，比如做代码补全和对话可以选对应的编码模型。配完点测试连接，返回 200 就说明通了。

注意：TaoToken 是合规的 API 聚合入口，不要把它和任何非正规中转混为一谈。所有请求走标准 HTTPS，Key 只存在你本地 Trae 配置里。

环境侧还需要两样东西：一是 DevEco Studio 已安装且能正常编译一个空鸿蒙工程，二是 Node.js 18+（MCP 服务通过 npx 拉起，版本太低会报错）。这两样确认好，后面的 Skill 和 MCP 才有意义。

3. 可复制配置：Skill 注册与 MCP 接入 Trae

3.1 Skill 注册：以 harmony-next 和 arkts-syntax-assistant 为例

Skill 的注册在 Trae 里是图形化操作，但前提是你得先拿到SKILL.md文件或包含它的 zip 包。以 harmony-next 为例，它提供的是 HarmonyOS NEXT（API 12+）的离线参考文档，包含 4000 多份 ArkTS、ArkUI、NDK 的 Markdown 文档。arkts-syntax-assistant 则专注 ArkTS 语法检查、TypeScript 迁移和性能优化建议。

操作路径：打开 Trae 设置，进入“规则和技能”，在技能区域点“创建”。上传SKILL.md或 zip 包，选择技能类型为“项目”（这样它会落到当前工程的.trae/skills/目录下，跟着项目走）。Trae 会自动解析文件，填充技能名称、描述和指令字段，你按需改一下确认即可。

项目级 Skill 注册后，目录结构大致是这样：

your-harmony-project/ ├── .trae/ │ └── skills/ │ ├── harmony-next/ │ │ └── SKILL.md │ └── arkts-syntax-assistant/ │ └── SKILL.md ├── entry/ └── build-profile.json5

全局 Skill 则出现在技能面板的“全局”页签，所有项目共享。建议鸿蒙相关的放项目级，避免污染其他语言的项目。

3.2 MCP 接入：deveco-mcp 配置骨架

deveco-mcp 依赖 DevEco Studio，能在不打开 IDE 的情况下完成编译、安装、启动、抓日志、UI 操作等。Trae 里添加 MCP 的路径：对话面板右上角设置图标 → 左侧选 MCP → 右上角“添加” → “手动添加”。

配置内容直接抄下面这份，把DEVECO_PATH换成你电脑上 DevEco Studio 的实际安装路径：

{ "mcpServers": { "deveco-mcp": { "command": "npx", "args": ["-y", "deveco-mcp-server"], "env": { "PROJECT_PATH": "${workspaceFolder}", "DEVECO_PATH": "C:/Program Files/Huawei/DevEco Studio" } } } }

PROJECT_PATH用${workspaceFolder}让 Trae 自动指向当前工程根目录，这样 MCP 服务知道去哪个项目里干活。DEVECO_PATH必须是 DevEco Studio 的安装根目录，不是bin子目录，填错会报找不到工具链。

保存后 Trae 会尝试拉起npx -y deveco-mcp-server。第一次运行会下载包，稍等几秒。状态变绿就说明 MCP 服务连通了。

4. 验证请求：从对话到编译安装的端到端跑通

配置完不能只看状态灯，得实际发一次请求验证链路。在 Trae 对话框里输入一个具体任务，比如：“帮我检查 entry 模块下所有 .ets 文件的语法，然后编译 debug 包并安装到当前模拟器，最后把最近 50 行 hilog 拉出来。”

这条指令会同时触发 Skill 和 MCP：Skill 负责语法检查的知识支撑，MCP 依次调用mcp_deveco-mcp_check_ets_files、mcp_deveco-mcp_build_project、mcp_deveco-mcp_start_app、mcp_deveco-mcp_get_hilog_or_faultlog_recent。

如果一切正常，你会看到 Trae 逐步输出：先列出语法问题，再显示编译产物路径，然后提示应用已启动，最后贴出日志片段。整个过程不需要你手动敲hvigorw命令，也不用切到 DevEco Studio 点运行。

想单独验证模型 API 是否走通，可以在 Trae 里直接问一个鸿蒙 API 问题，比如“ArkTS 里@Builder和@BuilderParam的区别”，看它能否结合 harmony-next 的文档给出带版本标注的回答。能答上来，说明 Skill 的知识库被正确检索到了。

再单独验证 MCP 的设备交互能力，发一句：“获取当前设备的 UI 树，保存到项目根目录的 ui-dump 文件夹。” 对应工具是mcp_deveco-mcp_get_app_ui_tree，mode 选 full。执行完去ui-dump目录看有没有 JSON 文件生成，有就说明 MCP 到设备的链路是通的。

5. 本篇常见错排查

MCP 状态一直转圈或报npx找不到。先确认 Node.js 版本，node -v低于 18 就升级。再检查 Trae 是否继承了系统 PATH，有些桌面端启动方式不加载 shell 环境变量，可以在 MCP 配置里把command写成npx的绝对路径。

DEVECO_PATH填了但还是报工具链缺失。路径里不要带bin，也不要带末尾斜杠。Windows 下用正斜杠或双反斜杠都行，但别用单反斜杠，JSON 会转义出错。确认该路径下存在tools和sdk目录。

Skill 上传后 AI 还是答非所问。检查技能类型选的是全局还是项目。如果选项目，确认.trae/skills/下确实有对应文件夹和SKILL.md。另外 Skill 是“被动查询”，你得在提问里带上相关关键词，比如问 ArkTS 语法时明确提“ArkTS”或“.ets”，它才更容易命中。

编译通过但安装失败。多半是模拟器没启动或hvd参数没匹配上。先用mcp_deveco-mcp_get_app_ui_tree的 hvd 参数确认设备名，或者在 DevEco Studio 里手动启动一次模拟器，再让 MCP 去装。

日志拉出来是空的。bundle_name要填对，鸿蒙应用的包名不是模块名。可以在AppScope/app.json5里找bundleName字段。日志级别先用I起步，太窄的 tag 过滤容易什么都抓不到。

6. 把 Skill 和 MCP 串成日常开发流

配好之后，比较顺手的用法是：让 Skill 负责“写对”，MCP 负责“跑通”。比如改一个 ArkTS 页面，先让 AI 结合 arkts-syntax-assistant 检查状态管理写法，再让它调 MCP 编译安装，看真机效果，有问题直接拉 hilog 定位。整个循环在 Trae 一个窗口里完成，不用在编辑器和 IDE 之间反复横跳。

如果你主要做长期编码和 Agent 类任务，可以了解下 Coding Plan，地址是 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，适合需要稳定模型调用额度的场景。单纯想先验证模型对话效果，用模型对话入口 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 就行。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，遇到参数问题可以对照查。

最后提醒一句：Skill 和 MCP 都配好之后，别忘了 DevEco Studio 本身的编译环境得是通的。AI 能写代码、能调工具，但底层 SDK 和签名配置还是得你先把关。这个基础打牢，后面才是真正的“需求指挥者”体验。