{ "mcpServers": { "filesystem": { "command": "npx", "args": [ "-y", "@modelcontextprotocol/server-filesystem", "C:\\Users\\heml\\Desktop", "C:\\Users\\heml\\Downloads", "还可以增加你需要访问的本地目录路径" ] }, "sqlite":{ "command": "uv", "args": [ "--directory", "替换为你自己路径\\servers-main\\src\\sqlite", "run", "mcp-server-sqlite", "--db-path", "替换为你自己路径\\scm.db" ] } }}注意提前安装如下内容：
1. filesystem需要的内容
npx是Node.js包管理工具npm的一个工具，因此需要先安装Node.js和npm。Node.js的安装包中包含了npm，所以安装Node.js后即可使用npm。再运行
npm install -g npx
2. sqlite数据库需要的内容
访问https://github.com/modelcontextprotocol/servers下载代码。
代码解压缩放到本地目录
Sqlite的MCP Server配置如下地方进行替换
\\servers-main\\src\\sqlite
接着安装uv，运行如下命令：
pip install uv
pip install httpx mcp
在以上内容都处理完成后可以重新启动Claude Desktop。注意在进入主界面后，我们会在对话框右下方看到一个小锤子的图标，基本代表安装成功。当然你也可以进入到Setting设置界面看下状态是否正常。
如果启动有异常在\Claude\logs目录下会有异常日志文件，可以方便我们进行问题的排查和分析。
1. FileSystem文件系统验证
对于FileSystem起什么作用？
特别是在AI辅助编程的时候，最大的作用就是你如果没有使用类似Cursor这种工具，而是直接跟GPT或Claude交互，那么大模型生成的源代码文件，你需要一个个复制粘贴并存储为本地的源代码文件。但是大模型有了对本地文件系统的访问能力，所有操作大模型都可以自己全部完成。
比如我现在需要用python实现一个简单的待办应用。
注意所有文件和目录大模型会全部一次帮你全部生成好。
我们只需要去运行启动即可。这个极大避免了我们传统方式下要手工粘贴和复制源代码文件的麻烦。
接着我做第二个测试，比如让AI帮我写一段Python文件，自动的帮我进行微信文件目录下重复文件的清理操作。
具体提示语如下：
我现在有一个目录，存储的是我微信下载的文件，具体目录如下：
C:\Users\heml\Documents\WECHAT~1\sharptoolbox\FileStorage\File
但是现在这个目录或子目录下面有一些重复文件，这些重复文件特征为：
1. 文件大小相同，扩展名相同
2. 文件名前面全部相同，只是后面增加了不同的括号+数字的后缀，如(1), (2),（3）
类似以下三个文件实际是重复的：
【104页超详细】DeepSeek从入门到精通
【104页超详细】DeepSeek从入门到精通(1)
【104页超详细】DeepSeek从入门到精通(2)
我现在需要你遍历这个目录和所有子目录，将所有带后缀的重复文件全部转移到我桌面的temp1目录下。请帮我自动化进行处理。
整个代码生成没有问题，但是最后AI无法自动去帮我执行生成好的python文件。这块查了下资料，一般AI大模型本身从安全性角度考虑不建议AI可以完全操作电脑去执行命令。如果确实有类似需求，可以参考Github上面有对应的mcp server可以参考。
https://github.com/ezyang/codemcp
https://github.com/blazickjp/shell-mcp-server
2. 数据库访问和查询验证
对于数据库这块，我创建了一个简单的包括供应商，物料，用户，订单等数据表的Sqlite数据库。然后我就可以基于数据库内容和Claude进行沟通和协同。
比如我们可以让他返回供应商表的数据，如下：
当然我们也可以让MCP来完成一个多表关联查询，并将数据用表格的方式返回给我。具体如下：
可以看到，这个Sqlite MCP Server基本能够自己学习我们数据库里面的表结构，包括各个表之间的关系和语义。然后类似Test2SQL一样，我可以自然语言对话的方式让Claude返回我需要的数据查询结果。
那么这个简单的测试，对企业AI应用的思考点在哪里？
这个也是我前面文章一直强调的，企业内部的IT系统的数据库，或者IT系统已经做好的API接口能力层，完全可以安装MCP协议的标准规范，实现为一个个独立的MCP Server，通过MCP方式将这些能力接入到大模型中。
那么大模型的能力就极大的延伸到对企业内部已有的数据，文档，API接口各种能力的方式和使用。这才是为何我一直强调企业的AI应用，一定要早点规划MCP Sever能力组件的开发的原因。
企业AI应用的重点不要放在上层AI智能体的开发，虽然这个看起来可能见效快，但是这种大量的AI智能体和传统的单体应用小烟囱没有太大的区别，仍然是一个个的信息孤岛。
企业在考虑AI应用的时候，不是简单的考虑AI应用场景，更加应该思考如何去构建一个通用的AI智能底座。更加应该考虑的是已有的私有能力，如何在确保数据安全性的情况下能够通过MCP Server接入大模型。
