wen aidev
Published on

MCP Server 開發03 實戰 Noteit MCP 與開發避坑指南

Noteit-MCP 正式上線

歡迎大家玩玩給意見:noteit-mcp.com

歷經開發與測試,我的 MCP Server —— Noteit-MCP 終於上線了!

🔹 核心理念:像拼 LEGO 一樣組裝你的 AI 助手

Noteit-MCP 的設計核心是「高度模組化」。我希望它不只是一個工具,而是能讓你根據不同場景,自由組裝出最適合的 AI 助手配置。

你可以自訂並組合以下四大元件:

  • 🧠 Persona (角色設定):定義 AI 的說話風格與思考模式(例如:Linus Torvalds 風格、嚴謹的商業分析師、溫柔的 coding 導師)。
  • 📋 Instructions (指令/任務):預設的標準作業程序(SOP),例如「除錯流程」、「PRD 撰寫標準」、「Code Review 檢查表」。
  • 📚 Documents (參考文件):掛載特定的 API 文件、最佳實踐(Best Practices)或是專案架構說明。
  • 🧾 Rules (規則):限制 AI 行為的邊界條件。

📚 Agent Profile:一鍵切換情境

將上述四個元件組合起來,就是一個 Agent Profile

舉例來說,你可以建立一個 「Vibe Coding Security Specialist」 的 Profile,當你需要檢查專案資安時,一鍵切換:

  • Persona:資安專家(嚴格、偏執)
  • Instructions:OWASP Top 10 檢查流程
  • Documents:公司內部的資安白皮書
  • Rules:絕對禁止輸出明碼密鑰

這樣一來,原本通用的 AI 瞬間變成專精領域的專家。

📝 強大的筆記系統

除了 Agent 設定,Noteit-MCP 還內建了完整的筆記功能:

  • 記錄推理:完整記錄 AI 的思考過程。
  • Mermaid 支援:支援流程圖、架構圖的直接渲染。
  • 模板庫:內建 60 種常用模板,從會議記錄到架構設計,都可以自訂組合,幫助開發與紀錄。

💡 支援一鍵安裝:目前已支援主流 MCP Client,包括 Cursor, Claude Code, Gemini 等。


實際開發經驗談:MCP 的那些「坑」

老實說,開發 MCP Server 是一個非常「坑」的過程。

如果你只是在本地端(Local MCP)跑跑簡單的 demo,你會覺得「哇,很簡單嘛!」。但一旦你要做到 MCP Server(遠端服務) 的層級,難度是指數級上升。

1. Client 端的碎片化地獄

這是最大的痛點。所謂的 "MCP Client"(例如 Cursor, Claude Code),每一家的支援程度和實作細節 完全不同

  • Cursor 支援度較高。
  • Claude Code Anthropic 親兒子,支援度高。
  • Gemini 完全是在搞笑,剛出的時候mcp bug一堆,最近才比較穩定。
  • codex 就你最特別,mcp格式還和別人不一樣...。

這導致你寫好一個功能,在 Cursor 上完美運行,到了 Claude Code 可能就報錯,在 Gemini 上直接沒反應。開發者必須花大量時間去適應不同 MCP Client 。

2. Output 截斷與 Token 限制

為了節省成本或效能考量,許多 MCP Client 都有「節省用量」的設計。

這導致最直接的問題:截斷輸出(Truncated Output)

當你的 MCP Server 嘗試回傳一個比較大的結果(例如生成一個完整的網頁結構),Client 端往往會因為 Token 限制直接把它卡斷。這對於需要產生 Web 內容的功能來說簡直是災難,你會收到一堆殘缺不全的 HTML 或 JSON,導致前端渲染失敗。

3. Anthropic 官方文件的「理想」與「現實」

Anthropic 的官方文件寫得非常漂亮,列出了三大支柱:

  • Tools (工具)
  • Prompts (提示)
  • Resources (資源)

看起來很美好,對吧?但實戰後的結論是:其實只有 Tools 是有用的。

為什麼?因為核心關鍵在於 MCP Client 支不支援

如果 Client 端(你的 IDE)沒有做好 Prompts 或 Resources 的 UI 整合,你在 Server 端寫得再華麗、文件再完整,使用者根本「看得到吃不到」,甚至連觸發都無法觸發。

Tools 是目前唯一能穩定跨 Client 運作的功能,也是 MCP 的靈魂所在。其他的...暫時先當作是美好的願景吧。

結語

雖然坑很多,但 MCP 的潛力依然巨大。它真正實現了讓 AI 與外部世界「標準化」連接的可能。如果你也想開發 MCP Server,建議先從最核心的 Tools 功能下手,並且要有心理準備面對各大 Client 端的不一致性。

歡迎來 noteit-mcp.com 體驗看看,也歡迎回饋你的使用心得!

支持作者 ☕

台灣用戶:

透過 LINE Pay 支持

國際用戶:

透過 Ko-fi 支持

留言討論