2026 年 Claude Code、Cursor 與 Codex 最佳的 15 個 MCP Server：我們實際會安裝的清單
拿到一台新筆電，我們會先裝好三個 MCP Server 再做其他事：GitHub MCP、Context7 和 Playwright。就是這三個。其餘的，等有真實工作流程需要時再加。而這裡有個多數清單不會告訴你的部分：Anthropic 在 2025 年悄悄封存了它 20 個原始參考 Server 中的 13 個，所以網路上飄著的一半「官方 MCP Server」教學，指向的都是已不再維護的程式碼。我們每天都在用 MCP Server，但我們不賣任何一個。這就是我們會交給同事的那份清單。
把 Claude Code 當作你的主力編輯器？我們後來發表了一份 Claude Code 原生的設定指南：2026 年 Claude Code 最佳的 11 個 MCP Server。
重點整理
- 三件套入門組合：GitHub MCP + Context7 + Playwright。每次都要先裝這三個。
- Anthropic 在 2025 年封存了 20 個參考 MCP Server 中的 13 個，只剩 7 個仍在運作。
- MCP 不是免費的：每個連線的 Server，光是注入 schema 就要燒掉 2,000–5,000 個 token。
- Linux Foundation 旗下的 AAIF 現在治理 MCP（2025 年 12 月），董事會成員包含 Anthropic、OpenAI、Google 與 Microsoft。
什麼是 MCP Server（30 秒搞懂）？
MCP Server 是一個工具轉接器，它透過 Model Context Protocol 把某個服務（GitHub、你的檔案系統、Figma）暴露給任何 LLM 用戶端（Claude Code、Cursor、Codex）。可以想成 AI 工具的 USB-C：一個插頭，多種裝置。轉接器只要打造一次，所有相容的主機都能用。
在 MCP 之前，你面對的是 N×M 的問題：每個 AI 主機都得跟每個工具做一套客製整合。MCP 把它壓縮成 N+M。同一個 GitHub MCP Server 在 Claude Code、Cursor、Codex CLI、Windsurf 和 Cline 裡都能用，完全不用重寫任何東西。
實務上有兩種傳輸方式值得關注。stdio 是本地的那種：Server 以主機子程序的方式執行，透過 stdin/stdout 溝通，沒有驗證，速度最快。Streamable HTTP 是遠端的那種：跑在一個 URL 上，用 OAuth 2.1 做範圍化存取，並增加 30–200ms 的延遲。如果你想要更深入的協議拆解，我們的 MCP 協議完整拆解 會詳細說明傳輸方式、驗證與工具 schema。官方規範放在 modelcontextprotocol.io。
你該先裝哪 3 個 MCP Server？
先裝 GitHub MCP、Context7 和 Playwright。GitHub MCP 把「找那個 PR、讀那個檔案、開那個 issue」壓縮成一句話就能搞定。Context7 會把版本鎖定的文件拉進你的 prompt，讓模型不再對套件 API 產生幻覺。Playwright 則處理 QA 與爬蟲所需的真實瀏覽器操作。有了這三個，你就涵蓋了程式碼、文件與網路：大約是你會想讓 AI 代理碰的東西的 80%。
在新筆電上，這是我們開始工作前唯一會裝的配備。底下其他一切都是條件式的，但這三個不是。
1. GitHub MCP（廠商維護，官方）
對任何開發者而言，這是單一最能減少情境切換的 MCP Server。GitHub MCP 讓代理可以讀程式碼、跨組織搜尋、管理 PR、在 issue 上留言、開新 issue，全部都在你正在寫字的那個對話裡完成。
何時使用： 只要你在出貨程式碼就用。即使是個人專案，「我上週二在這個檔案裡改了什麼？」也會變成一句話搞定，而不是切換分頁。
真實踩坑點： 把你的 Personal Access Token 範圍限定在唯讀的 repo，除非你真的想讓代理去合併東西。我們看過代理「貼心地」開了沒人要求的 PR。安裝文件與官方原始碼在 github.com/github/github-mcp-server。注意：這是新的、由廠商維護的 Server。舊的 Anthropic 參考版 GitHub Server 已被封存，別裝那個。
2. Context7 MCP（社群，由 Upstash 維護）
這是阻止套件 API 幻覺的最高使用率 Server。Context7 會隨時為任何函式庫抓取版本鎖定的真實文件，並注入你的 prompt。所以當模型正要自信滿滿地編造一個不存在的 Next.js 15 API 時，你可以說「用 Context7 去拿真正的文件」，它就會回到現實。
何時使用： 每次寫程式的時段都用。尤其是任何 Next.js、React、Tailwind，或對框架版本敏感、而模型訓練資料已落後現實好幾個月的場景。
真實踩坑點： Context7 的好壞取決於它的索引。冷門函式庫可能還沒收錄，這時就改用 Fetch 去抓真實的文件 URL。文件在 context7.com。如果你想看更廣的類別，我們的 最佳 context-engineering 工具 總整理對文件錨定模式有更深入的說明。
3. Playwright MCP（Microsoft，官方）
不用寫 Playwright 腳本，就能為任何 AI 用戶端提供瀏覽器操作。Playwright MCP 讓代理可以在真實的 Chromium 實例裡導覽、點擊、填表單、截圖並執行 JavaScript。
何時使用： AI 驅動的 QA、需要 JavaScript 渲染的網路爬蟲、視覺回歸檢查、表單測試、「登入這個然後抓我的儀表板資料」這類工作流程。
真實踩坑點： 每個操作大約要 500ms，截圖又很大，所以要估算你的 token。一個 30 步的瀏覽器流程，光是截圖資料就可能吃掉 2 萬個 token。文件在 playwright.dev/docs/mcp。
A 級：接下來要加的 6 個高使用率 Server
裝完入門組合後，就依工作流程需求來加 Server。Figma Dev Mode 做設計轉程式碼、Filesystem 做本地檔案操作、Brave Search 做網路研究、Firecrawl 做網站轉資料擷取、Supabase 做資料庫工作、Sentry 做真實錯誤除錯。每一個都是在有相應工作時才值得它的位置，別第一天就把六個全裝上。
4. Figma Dev Mode MCP（Figma，官方）
把即時設計情境（階層、auto-layout、變體、設計 token）直接送進你的 prompt。Figma Dev Mode MCP 的差別在於：「建一個卡片元件」是在猜間距，而「建這個卡片元件」則附帶了真實的 token 與版面規則。
何時使用： 有真實 Figma 檔案的前端工作。踩坑點： 需要付費的 Figma Dev 席位。文件在 figma.com。
5. Filesystem MCP（Anthropic 參考版，仍在運作）
具備可設定存取控制的本地檔案讀寫。Filesystem MCP 是 7 個仍在運作的 Anthropic 參考 Server 之一。當你想讓代理在特定沙盒目錄裡操作檔案、又不想給它整台機器時，它就是正確解答。
何時使用： 脚手架、批次重構、內容遷移。踩坑點： 在多數寫程式的工作流程裡，主機（Claude Code、Cursor）本來就有檔案系統存取權，所以在上面再裝這個是多餘的。原始碼在 github.com/modelcontextprotocol/servers。
6. Brave Search MCP（Brave，廠商）
透過 Brave 的獨立索引做即時網路搜尋。Brave Search MCP 是最常見的「給代理上網」選擇，因為 API 便宜，而且結果不是 Google 那種形狀。
何時使用： 研究、查證事實、「X 現在的價格是多少」。踩坑點： 冷門查詢的結果品質參差不齊，所以當你真正需要讀到找到的內容時，要搭配 Fetch 或 Firecrawl。文件在 brave.com/search/api/mcp。
7. Firecrawl MCP（Firecrawl，廠商）
把任何網站轉成乾淨、可供 LLM 使用的資料。Firecrawl 在一次呼叫裡處理 JavaScript 渲染、分頁爬取與結構化擷取。
誠實揭露：Firecrawl 是一家廠商。他們做 MCP Server 和付費產品。他們的 Server 確實好用，我們在這裡是憑實力評比，不是憑偏見。超過 11 萬顆 GitHub 星星也有幫助。
何時使用： 爬內容型網站、競品研究、建立文件索引。踩坑點： 一旦超過免費額度，託管方案是要花真錢的。文件在 firecrawl.dev。
8. Supabase MCP（Supabase，官方）
查詢 Postgres、執行遷移、管理 auth 與 storage，全部都在對話裡完成。Supabase MCP 是「基礎設施即對話」真正能用的最乾淨範例。
何時使用： 任何以 Supabase 為後端的專案。踩坑點： 給代理一個唯讀角色來探索就好；遷移功能強大且毫不留情。文件在 supabase.com/docs/guides/getting-started/mcp。
9. Sentry MCP（Sentry，廠商）
拉取錯誤、對堆疊追蹤除錯、管理 issue。Sentry MCP 是我們找到的、用 AI 助理分類生產事故最快的方式：貼上錯誤 ID，拿到追蹤，拿到建議修復。
何時使用： 對真實應用裡的真實錯誤除錯。踩坑點： 把 token 範圍限定在單一專案。你不会想讓代理去讀你組織裡每個專案的錯誤。文件在 Sentry MCP 頁面。
B 級：6 個特定工作流程的 Server（按需安裝）
B 級 Server 只有在特定工作流程下才值得它們的 token 預算。Linear 做產品與 PM 工作、Notion 做文件與知識庫、Stripe 做付款代理、Cloudflare 做基礎設施即對話、Kubernetes 做叢集維運、Sequential Thinking 做結構化推理。除非你真的在做這些工作，否則別裝。
10. Linear MCP（Linear，官方）
Issue、衝刺、專案。把 Linear 情境拉進 Claude Code 或 Cursor，讓「這個衝刺還剩什麼？」變成一句話搞定。最適合已經住在 Linear 裡的工程團隊。文件在 linear.app/docs/mcp。
11. Notion MCP（Notion，官方）
讀寫 Notion 文件、查詢資料庫、更新頁面。適合把 runbook 放在 Notion 的團隊。踩坑點：Notion 的 API 有速率限制，大量操作可能會卡住。
12. Stripe MCP（Stripe，官方）
讀取客戶、訂閱與發票資料。非常適合支援工作流程與營收端的代理。使用帶唯讀範圍的金鑰。別讓代理發出它本意之外的退款。
13. Cloudflare MCP（Cloudflare，官方）
Workers 部署、R2 儲存、KV 讀取。很適合「用對話操作的基礎設施」工作流程。踩坑點：Workers 部署裡的一個打字錯誤可能讓某個路由掛掉，所以套用前要先檢查。
14. Kubernetes MCP（社群，多種實作）
從對話做 kubectl 風格的操作。有幾個互競的實作，選那個有在積極維護、且預設為唯讀模式的。別在第一天就給代理對生產叢集的寫入權。絕對不要。
15. Sequential Thinking MCP（Anthropic 參考版，仍在運作）
一個結構化的鏈式思考輔助工具，要求模型以明確步驟來規劃。是 7 個仍在運作的 Anthropic 參考 Server 之一。適合模型容易急躁的困難推理問題。
被封存的 Anthropic 參考 Server
Anthropic 在 2025 年把 20 個原始參考 Server 中的 13 個移到了 github.com/modelcontextprotocol/servers-archived。GitHub、Slack、Postgres、Google Drive、Brave Search、Sentry、SQLite、Puppeteer、EverArt、AWS-KB、Redis、Google Maps 與 GitLab 現在改由廠商維護。只剩 7 個參考 Server 仍由 Anthropic 積極維護。
仍在運作的 7 個：Everything、Fetch、Filesystem、Git、Memory、Sequential Thinking 與 Time。被封存的 13 個列在上面。如果一篇過時的 2024 年部落格文章叫你去裝 Anthropic 的 GitHub 或 Slack MCP Server，停下來。那些參考版已被封存。
「如果一篇過時的 2024 年部落格文章叫你去裝 Anthropic 的 GitHub 或 Slack MCP Server，停下來。那些參考版已被封存。」
為什麼會這樣？2025 年 12 月，Linux Foundation 旗下的 Agentic AI Foundation（AAIF） 接手了 MCP 的治理，董事會包含 Anthropic、OpenAI、Google、Microsoft、AWS、Cloudflare 與 Bloomberg。由廠商維護的轉接器，比 Anthropic 獨自扛下所有整合來得更健康：Slack 自己比 Anthropic 更懂 Slack。封存不是死亡，而是交接。替代的 Server（廠商維護的 GitHub MCP、Slack 自己的 MCP 等等）才是你該裝的。
MCP Server 實際上的 token 成本是多少？
每個連線的 MCP Server 會在時段開始時注入 2,000–5,000 個 token 的工具 schema。三個 Server 就代表你還沒寫 prompt 之前，就先消耗了 6,000–15,000 個 token。Scalekit 的 公開基準測試 發現，單一個 GitHub 查詢透過 MCP 花了 44,026 個 token，而透過 gh CLI 只要 1,365 個，是 32 倍的溢價。MCP 很方便，但它不是免費的。
我們在一個真實的 Claude Code 時段裡量測過，數字是吻合的。Schema 注入還會隨對話長度複利成長：每一輪模型都會重新讀取工具定義。
| Server | Schema token 數（估計） | 直接替代方案 | 大約倍數 |
|---|---|---|---|
| GitHub MCP | ~4,000 | gh CLI | 多 7–32 倍 token |
| Filesystem MCP | ~1,800 | Bash / 內建 fs | 多 3–8 倍 |
| Brave Search MCP | ~1,500 | curl API 呼叫 | 多 4–10 倍 |
| Playwright MCP | ~3,500 | Playwright 腳本 | 多 5–15 倍 |
| Context7 MCP | ~2,200 | npm view <pkg> readme | 多 2–6 倍 |
MCP 的經驗法則：裝三個 Server，而不是十三個。每一個都是對你往後發出的每個 prompt 課的稅。
那什麼時候該繳這個稅？當便利性真的勝過成本時：當同一個工具需要從一份設定就在 Claude Code、Cursor 和 Codex 之間通用時，當工作流程是探索性、你不知道會跑哪些指令時，當有人在迴路裡、而 shell 的肌肉記憶才是瓶頸時。否則，就用 CLI。
MCP Server 安全嗎？安全現況總覽
MCP Server 是具有廣泛權限的工具轉接器。把它們當作從陌生人的 GitHub 安裝一個 CLI 來對待。OX Security 在 2026 年 4 月揭露了一個下載量超過 1.5 億次的 MCP Server 裡的 RCE。光是 2026 年 1 月和 2 月，研究人員就對熱門 MCP Server 提報了 30 多個 CVE。系統性掃描發現，大約 66% 的熱門 Server 都有安全發現。鎖定版本、把 OAuth token 範圍最小化，並優先選廠商維護的，而不是隨機的 GitHub fork。
我們使用的大致安全分級：
- 已驗證／廠商維護： GitHub、Microsoft Playwright、Figma、Supabase、Stripe、Cloudflare、Linear、Notion、Sentry。由盒子上那個名字的公司撐腰。風險最低，但仍要限定 token 範圍。
- 活躍的社群（安裝前先稽核）： Context7、Firecrawl、Brave Search。維護者信譽良好，有真實的審查歷史。鎖定到一個已知可用的版本。
- 其他任何東西： 假設它不可信。讀原始碼。可以的話在容器裡跑。別給它對你在乎的任何東西的寫入權。
OAuth 2.1 範圍化在 Streamable HTTP Server 上是你的好朋友：要求 repo:read 而不是 repo，要求單一專案而不是整個組織。對 stdio Server，規則更簡單：別跑不明的執行檔。如果安裝說明是「curl 這個腳本然後 pipe 到 bash」，那不是 Server，那是一場等著發生的供應鏈事故。我們的 MCP 協議完整拆解 有更深入講 OAuth 的章節，而如果你寧可自建 MCP Server 也不裝別人的，我們的 MCP Server 逐步教學 會用 Python 和 TypeScript 帶你走完整個流程。
主機支援矩陣：哪些 Server 能在 Claude Code、Cursor、Codex 上用？
五個支援最普及的 Server（在所有主要主機都能用）是 GitHub MCP、Context7、Playwright、Filesystem 與 Brave Search。除此之外，支援度就變薄了。官方廠商 Server 通常先以 Claude Code 為目標，然後才加上 Cursor 和 VS Code，Codex 和 Windsurf 通常稍後才跟上。下方矩陣截至 2026 年 5 月為最新。
| Server | Claude Code | Cursor | Codex CLI | Windsurf | Cline | VS Code |
|---|---|---|---|---|---|---|
| GitHub MCP | 是 | 是 | 是 | 是 | 是 | 是 |
| Context7 | 是 | 是 | 是 | 是 | 是 | 是 |
| Playwright | 是 | 是 | 是 | 是 | 是 | 是 |
| Figma Dev Mode | 是 | 是 | 部分 | 部分 | 部分 | 是 |
| Filesystem | 是 | 是 | 是 | 是 | 是 | 是 |
| Brave Search | 是 | 是 | 是 | 是 | 是 | 是 |
| Firecrawl | 是 | 是 | 是 | 部分 | 是 | 是 |
| Supabase | 是 | 是 | 是 | 部分 | 部分 | 部分 |
| Sentry | 是 | 是 | 部分 | 部分 | 部分 | 是 |
| Linear | 是 | 是 | 部分 | 部分 | 部分 | 是 |
| Notion | 是 | 是 | 部分 | 部分 | 部分 | 部分 |
| Stripe | 是 | 是 | 部分 | 部分 | 部分 | 部分 |
| Cloudflare | 是 | 是 | 部分 | 部分 | 部分 | 部分 |
| Kubernetes | 是 | 是 | 是 | 部分 | 部分 | 部分 |
| Sequential Thinking | 是 | 是 | 是 | 是 | 是 | 是 |
「部分」通常代表它能用，但你得手動編輯設定檔，而不是跑一個指令就搞定。在編輯器之間做選擇的 Cursor 使用者應該看看我們的 Windsurf vs Cursor 拆解：主機選擇會影響你會走哪條 MCP 安裝路徑。
如何安裝 MCP Server（依主機，30 秒搞懂）
每個主機都有自己的設定檔路徑與指令風格。Claude Code 用 claude mcp add。Cursor 讀 .cursor/mcp.json。Codex CLI 讀 ~/.codex/config.toml 這個 TOML 檔。Windsurf 和 Cline 都用主機設定目錄裡的 JSON 設定檔。格式相似，位置不同。
Claude Code：
claude mcp add github -- npx -y @modelcontextprotocol/server-githubCursor（.cursor/mcp.json）：
{
"mcpServers": {
"github": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-github"],
"env": { "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_..." }
}
}
}Codex CLI（~/.codex/config.toml）：
[mcp_servers.github]
command = "npx"
args = ["-y", "@modelcontextprotocol/server-github"]
env = { GITHUB_PERSONAL_ACCESS_TOKEN = "ghp_..." }Cline / Windsurf： 兩者都在各自的主機設定目錄裡用 JSON。確切路徑請看各主機的文件。Schema 與上面 Cursor 的範例一致。
如果你想要一份帶截圖的逐步安裝說明，我們的 Higgsfield MCP 實作教學 會從頭到尾展示完整的 Claude Code 安裝路徑。而一旦你設定好 Server，就把它們記錄在 repo 的 CLAUDE.md 裡，這樣同事就會自動採用——我們的 CLAUDE.md 最佳實踐 指南涵蓋了這個模式。
MCP vs CLI vs Skill vs Function-Calling：何時用哪個
當延遲與 token 很重要、而你可以 shell out 時，用 CLI。當你想用一份設定就讓同一個工具跨 Claude Code、Cursor 和 Codex 通用時，用 MCP Server。當工作流程是 prompt 形狀、而不是工具形狀時，用 Claude Skill。當你在自建代理、需要直接掌控 API 時，用 function-calling。選對形狀，選錯會讓你付出 token、延遲，或兩者的代價。
| 做法 | 最適合 | 最不適合 | Token 成本 |
|---|---|---|---|
| CLI | 進階使用者、腳本化維運、規模化 | 跨主機可攜性 | 最低 |
| MCP Server | 跨主機使用的工具、探索性工作 | 高頻重複操作 | 最高 |
| Claude Skill | Prompt 形狀的工作流程、範本 | 即時資料、工具呼叫 | 中等 |
| Function-calling | 你自己的代理、直接 API | 跨主機可攜性 | 中低 |
關於更深的界線，我們的 Claude Skills 教學 會說明 Skill 何時勝過 MCP Server，而我們的 Claude Code hooks 指南 涵蓋了 Hooks vs MCP 的問題（Hooks 在生命週期事件觸發；MCP Server 由工具呼叫召喚；是完全不同的形狀）。
我們在 Techsy 怎麼用 MCP（以及我們悄悄丟掉了什麼）
我們真實的 .mcp.json 跑五個 Server，不是十五個：Sanity MCP 做這個部落格所用 CMS 的內容維運、ScraplingServer 做隱密網路爬蟲、Playwright 做我們可以從對話驅動的瀏覽器自動化、analytics-mcp（Google 官方透過 PyPI 提供的 GA4 Server）做流量資料，以及 Higgsfield MCP 在我們製作主視覺素材時做圖片與影片生成。這就是整套配備。
我們丟掉了什麼？2024 年我們試過幾個 Anthropic 參考 Server（原始的 GitHub 那個、Slack、Postgres），而其中多數後來被從我們腳下封存了。我們也丟掉了幾個 token 很重的社群 Server——它們為一兩個我們一個月只用兩次的工具注入 6,000 多個 token 的 schema。這筆帳算不過來。我們真實的 MCP 配備是五個 Server，不是十五個。再重一點我們寧可用 CLI。 如果你想看其中一個安裝從頭到尾走一遍，我們的 Higgsfield MCP 實作教學 就是那個完整範例。
常見問題
什麼是 MCP Server？ MCP Server 是一個工具轉接器，透過 Model Context Protocol 把某個服務暴露給 AI 用戶端。可以想成 AI 工具的 USB-C：一個插頭，多種裝置。Claude Code、Cursor 和 Codex 都說 MCP，所以同一個 GitHub 或 Playwright Server 在每個主機間都能用，不用你重寫整合。
2026 年有多少個 MCP Server？ 截至 2026 年 5 月，社群目錄列出超過 5,000 個 Server，但實用的範圍小得多。Anthropic 積極維護 7 個參考 Server。大約有 50 個廠商維護的「第一線」Server（GitHub、Figma、Stripe、Supabase、Linear 等）。其餘是品質與維護程度參差不齊的社群專案。
還有任何 Anthropic 參考 Server 在維護嗎？ 有，七個：Everything、Fetch、Filesystem、Git、Memory、Sequential Thinking 與 Time。其他 13 個（GitHub、GitLab、Slack、Google Drive、Postgres、Sentry、SQLite、Puppeteer、EverArt、AWS-KB、Redis、Google Maps、Brave Search）已被封存，並由廠商維護的版本取代。裝新的，忽略那些指向已封存 repo 的過時教學。
MCP Server 免費嗎？
多數是免費的開源軟體。但你用 token 付費。每個連線的 Server 會在時段開始時注入 2,000–5,000 個 token 的工具 schema，而 Scalekit 的基準測試顯示，單一個 GitHub 查詢透過 MCP 花的 token 是透過 gh CLI 的 32 倍。軟體免費，推理帳單不是。
MCP Server 安全嗎？ 把它們當陌生人的 CLI 來對待。OX Security 在 2026 年 4 月揭露了一個下載量超過 1.5 億次的 MCP Server 裡的 RCE，而安全研究人員在 2026 年初對熱門 Server 提報了 30 多個 CVE。鎖定版本、把 OAuth token 範圍限到最小所需、優先選廠商維護的 Server，其他任何東西安裝前先稽核。
stdio 和 Streamable HTTP 傳輸有什麼差別？ stdio 把 Server 以本地子程序執行，透過 stdin/stdout 溝通，沒有驗證，速度最快。Streamable HTTP 把 Server 跑在一個 URL 上，用 OAuth 2.1 做範圍化存取，每次呼叫增加 30–200ms 延遲。本地開發用 stdio，遠端與共享部署用 Streamable HTTP。
我該先裝哪些 MCP Server？ 從 GitHub MCP、Context7 和 Playwright 開始。這三個涵蓋程式碼、文件與網路，大約是你會想讓 AI 代理碰的東西的 80%。其餘一切都取決於特定工作流程。別第一天就裝那長長一串，你會把 token 燒在你從不用的 schema 上。
MCP Server 能在 Cursor 和 Codex 上用嗎，不只是 Claude Code？
可以。MCP 是一個協議，任何相容主機都能用任何 Server。安裝路徑不同：Claude Code 用 claude mcp add，Cursor 讀 .cursor/mcp.json，Codex CLI 讀 ~/.codex/config.toml。Windsurf、Cline 和 VS Code 各有自己的設定位置。Server 本身是同一個執行檔。
MCP Server 的 token 成本是多少？
大約每個 Server 在時段開始時注入 2,000–5,000 個 token 的 schema，並隨對話情境成長再付一次。Scalekit 基準測試單一個 GitHub 查詢透過 MCP 是 44,026 個 token，而透過 gh CLI 是 1,365 個：32 倍溢價。經驗法則：裝三個 Server，而不是十三個，能用 CLI 時就用 CLI。
2026 年誰在治理 MCP？ Linux Foundation 旗下的 Agentic AI Foundation（AAIF） 在 2025 年 12 月接手治理。董事會包含 Anthropic、OpenAI、Google、Microsoft、AWS、Cloudflare 與 Bloomberg。那次交接正是 Anthropic 停止維護 13 個參考 Server 的原因：由廠商維護的轉接器，比一家公司扛下所有整合來得更健康。
結論
三件事帶走。第一，從三件套入門組合（GitHub、Context7、Playwright）開始，只在有真實工作流程需要時才加更多。第二，外面一半的「官方 Anthropic MCP Server」教學指向的是已封存的程式碼，安裝前先確認。第三，MCP 不是免費的，所以要估算你的 token，當便利性不足以正當化溢價時就改用 CLI。
需要協助把 MCP 感知的代理整合進你的技術棧嗎？聯絡 Techsy。
Techsy 的編輯團隊為客戶打造 AI 增強的軟體。這篇文章裡的 MCP 配備就是我們真實的 .mcp.json：Sanity、ScraplingServer、Playwright、analytics-mcp、Higgsfield。我們每天都在用 MCP Server，但我們不賣任何一個。