企业官网建设流程全解析

1. 先把误解拆开：Agent Skills 和 MCP 到底谁管什么

Agent Skills 和 MCP 经常被放在一起讨论，甚至被描述成“二选一”的关系。实际用下来，它们解决的是两个完全不同层面的问题。Agent Skills 更像一份写给 AI 看的操作手册，规定在什么场景下按什么顺序做事、遇到分支怎么判断；MCP 则像一套标准插座，让 AI 能安全地连上外部数据源、工具和系统。一个管“怎么做才对”，一个管“能不能做”。

这个区别在配置文件里体现得特别明显。Agent Skills 通常写在项目根目录的 Markdown 或 JSON 里，内容偏业务规则和流程编排；MCP 的配置则集中在 settings.json 或 config.toml 这类文件里，描述的是服务地址、启动命令、认证方式。两者可以同时存在，互不冲突。

我这次用 TaoToken 作为统一的 API 通道，在 Cline 和 CC Switch 两个工具里分别接入这两类配置。Cline 负责带 MCP 的编码助手场景，CC Switch 负责多套 Agent Skills 的切换管理。核心思路是：不管上层是 Skills 还是 MCP，底层都走同一个 Key、同一个 API 地址，省去反复配环境变量的麻烦。

适合谁看：已经在用 Cline、Claude Code 或类似工具，想同时管理 Skills 和 MCP 配置，又不想每个工具单独维护一套密钥的开发者。下面从配置文件角度一步步拆。

2. TaoToken 前置：一把 Key 打通两套工具链

TaoToken 在这里的角色是统一入口。你不需要为 Cline 配一个 Key、为 CC Switch 再配一个，而是拿一个 Key，在两个工具的配置里都指向同一个 API 地址。这样做的好处是：切换工具时不用重新申请凭证，排查连通性问题时也只需要验证一个通道。

先拿到 Key。访问控制台地址https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite，登录后在 API Keys 页面创建一个新 Key。建议按工具命名，比如cline-mcp和ccswitch-skills，方便后续区分和吊销。

创建完成后复制 Key，注意它只显示一次。接下来在模型对话页面确认一下当前可用的模型列表，地址是https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite。这一步不是必须，但能帮你确认 Key 本身是有效的，避免后面配置写完才发现是凭证问题。

API 基础地址统一用https://taotoken.net/api，这个地址不加任何查询参数。所有工具的 base_url 都填这个，不要在后面拼/v1之外的路径，具体路径由各工具自己处理。

注意：Key 不要写进会提交到 Git 的文件里。下面示例中我用sk-你的Key占位，实际使用时建议通过环境变量注入，或者把配置文件加入.gitignore。

3. 可复制配置：settings.json 与 config.toml 骨架

3.1 Cline 的 MCP 配置：settings.json

Cline 的 MCP 配置放在用户目录下的settings.json中，Windows 路径通常是%APPDATA%\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json，macOS 在~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/下。不同版本路径可能略有差异，以 Cline 面板里 “MCP Servers” 的 “Configure” 按钮跳转为准。

下面是一个接入 TaoToken 作为模型通道、同时挂载一个本地 MCP 服务的骨架：

{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "/Users/yourname/projects" ], "env": { "TAOTOKEN_API_KEY": "sk-你的Key", "TAOTOKEN_BASE_URL": "https://taotoken.net/api" }, "disabled": false, "autoApprove": [] } }, "apiProvider": "openai", "openAiBaseUrl": "https://taotoken.net/api", "openAiApiKey": "sk-你的Key", "openAiModelId": "claude-sonnet-4-20250514" }

字段说明：mcpServers下每个键是服务名，command和args决定怎么启动这个 MCP 服务，env把 TaoToken 的凭证传进去，disabled控制是否启用。autoApprove留空表示所有工具调用都需要手动确认，生产环境建议保持空数组。

apiProvider设为openai是因为 TaoToken 的接口兼容 OpenAI 格式，openAiBaseUrl填https://taotoken.net/api，openAiModelId按你实际要用的模型填。

3.2 CC Switch 的 Skills 配置：config.toml

CC Switch 用来管理多套 Agent Skills 配置，它的配置文件是config.toml，一般放在~/.cc-switch/config.toml。下面是一个包含两个 Skills 配置档、共用 TaoToken 通道的骨架：

default_profile = "skills-dev" [profiles.skills-dev] name = "Skills 开发档" api_base = "https://taotoken.net/api" api_key = "sk-你的Key" model = "claude-sonnet-4-20250514" skills_dir = "./skills/dev" [profiles.skills-prod] name = "Skills 生产档" api_base = "https://taotoken.net/api" api_key = "sk-你的Key" model = "claude-sonnet-4-20250514" skills_dir = "./skills/prod" [mcp] enabled = true config_path = "./mcp/settings.json"

字段说明：default_profile指定默认激活哪个档，api_base和api_key就是 TaoToken 的地址和 Key，两个档可以共用同一个 Key。skills_dir指向该档对应的 Skills 目录，切换档位时 CC Switch 会加载不同目录下的 Skill 定义。[mcp]段让 CC Switch 同时读取 MCP 配置，实现 Skills 和 MCP 在同一工具内共存。

3.3 一个最小 Agent Skill 定义

Skills 目录下放一个deploy.md，内容如下：

# Skill: 代码部署 ## 触发条件 用户提到“部署”“上线”“deploy”时激活。 ## 执行流程 1. 调用 MCP 工具 `run_tests`，若失败则停止并报告失败用例数。 2. 测试通过后调用 `upload_to_s3`，environment 设为 production。 3. 访问返回的 URL 做健康检查。 4. 用一句话总结部署结果，包含版本号和 URL。 ## 安全规则 - 生产环境部署前必须确认当前分支已合并。 - 破坏性操作先询问用户。

这个文件就是 Agent Skills 的典型形态：声明式、可读、非工程师也能改。它调用的是 MCP 提供的run_tests和upload_to_s3，两者在这里是协作关系。

4. 验证请求：确认两套通道都通

配置写完不能直接信，要分别验证 MCP 通道和 Skills 通道。

先验证 MCP。在 Cline 面板打开 MCP Servers，找到你配置的服务，点 “Restart”。如果状态变成绿色，说明服务启动成功。然后在对话框输入：

请列出当前可用的 MCP 工具

正常返回会列出filesystem下的工具列表。如果报连接错误，先检查npx是否可用，再检查env里的 Key 有没有写错。

再验证 Skills。在 CC Switch 里切到skills-dev档，执行：

cc-switch use skills-dev cc-switch status

status会输出当前激活的档位、API 地址和模型名。确认api_base显示为https://taotoken.net/api。然后触发一次 Skill：

帮我部署最新版本

如果 Skill 定义正确、MCP 工具可用，你会看到它先调用run_tests，再根据结果决定是否继续。这一步能同时验证 Skills 的流程编排和 MCP 的能力调用。

最后做一次底层连通性验证，直接用 curl 打 TaoToken 的接口：

curl -X POST https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的Key" \ -H "Content-Type: application/json" \ -d '{ "model": "claude-sonnet-4-20250514", "messages": [{"role": "user", "content": "ping"}], "max_tokens": 10 }'

返回中包含choices字段就说明 Key 和地址都没问题。这一步能把工具层的问题和通道层的问题分开定位。

5. 本篇常见错排查

MCP 服务启动失败，报command not found。多数是npx不在 PATH 里。在终端执行which npx确认路径，然后在 settings.json 的command里写绝对路径，比如/usr/local/bin/npx。

Cline 里模型能对话但 MCP 工具不出现。检查mcpServers的 JSON 是否合法，常见问题是多了一个逗号或少了引号。用python -m json.tool settings.json验证格式。

CC Switch 切换档位后 Skills 没生效。确认skills_dir是绝对路径或相对于 config.toml 的正确相对路径。另外检查该目录下是否有.md文件，空目录不会加载任何 Skill。

两个工具同时用同一个 Key 报 429。这是并发限流，不是配置错误。在 TaoToken 控制台确认当前套餐的并发上限，必要时为两个工具分别创建 Key，便于单独观察用量。

Skills 里调用的 MCP 工具名对不上。Skill 定义里写的工具名必须和 MCP 服务实际暴露的名字完全一致，大小写敏感。在 Cline 的 MCP 面板里能看到每个服务的工具清单，照着抄。

改了 config.toml 但 CC Switch 没重新加载。部分版本需要手动执行cc-switch reload，或者退出后重新启动。改完配置先 reload 再验证，能省很多来回。

6. 继续往下走：按场景选入口

如果你现在的主要问题是 MCP 服务接不通、工具列表出不来，先去 API Keys 页面确认 Key 状态，再对照接入文档检查 base_url 和认证头：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite和https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite。

如果你还在选模型、想先确认哪个模型适合跑 Skills 编排，直接在模型对话页面试几轮：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite。

如果你打算长期跑编码类 Agent、需要稳定的并发和额度，看 Coding Plan 页面：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite。

Claude Code 相关的接入配置单独放在这里：https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite。

配置这件事，先跑通一条最小链路，再往上叠 Skills 和 MCP，比一次性写一大坨再调试要快得多。