开一篇文章总结一下过去一年在使用AI进行coding的经验和心得。
在二五年一二月之前，deepseek未爆发时期，大多还是使用chatgpt以及通过
MCP
MCP（Model Context Protocol）定义了应用程序和 AI 模型之间交换上下文信息的方式。这使得开发者能够以一致的方式将各种数据源、工具和功能连接到 AI 模型，就像 USB-C 让不同设备能够通过相同的接口连接一样。MCP 的目标是创建一个通用标准，使 AI 应用程序的开发和集成变得更加简单和统一。
MCP 是 Prompt engineer 的产物，更结构化上下文信息对模型的提升是显著的。所以生态库提供者一般提供现成场景，可以让AI可以直接使用。而且 MCP 不限定于特定的AI模型，支持 MCP 的模型都可以灵活切换。
- 以前：每个 AI 应用要接每个工具，都要单独写一套“私有对接”（N×M 集成地狱）。
- 现在：工具方提供 MCP Server；AI 应用做 MCP Client；大家都按 Spec 说话，就能互通。
以前你想让 AI “读本地文件 + 查数据库 + 调 GitHub + 自动化浏览器”，基本等于要为每个 AI 客户端做一套插件/SDK 对接，维护成本高、迁移成本高。
MCP 用统一协议把这件事标准化：服务提供方实现 MCP Server；AI 应用实现 MCP Client；按协议交互即可。
角色
- Host（宿主应用）：你实际在用的产品，比如 Claude Desktop、IDE。Host 管理体验、权限、多个连接。
- Client（客户端）：Host 里创建的连接实例；通常“一个 Server 对应一个 Client 连接”。
- Server（服务端）：提供能力的一段程序（本地或远程），暴露 Tools/Resources/Prompts。
三个核心原语（Primitives）
- Tools：可执行函数（例如“读文件”“发请求”“查库”）。
- Resources：可读取的上下文数据（文件内容、记录、API 响应等）。
- Prompts：可复用提示模板（对话结构/系统提示/示例）。
传输（Transport）
- 本地常用：stdio（Host 启一个子进程，通过标准输入输出通信）
- 远程常用：Streamable HTTP（可选 SSE）（HTTP POST + 可选事件流），并支持常见鉴权方式（Bearer token / API key / 自定义 header），官方也推荐 OAuth 获取 token。
Spec
Spec 就是 MCP 的“协议说明书”：规定双方如何握手、怎么发消息、有哪些能力、如何暴露工具、如何传输等。MCP 的数据层基于 JSON‑RPC 2.0，并定义了生命周期管理、能力协商、以及 3 个核心原语（Primitives）：Tools / Resources / Prompts。
官方文章：**什么是技能** 、**如何在 Claude 中使用** 及 如何创建自定义技能 更全面的一篇：**Agent Skills - Claude Code Docs**
可以通过在 Claude Code 中运行以下命令，将 GitHub 存储库注册为 Claude Code 插件市场