MCP协议实战指南：在VS Code中实现PostgreSQL到Excel的自动化迁移
作者：后端小肥肠
🍊 有疑问可私信或评论区联系我。
🥑 创作不易未经允许严禁转载。
姊妹篇：
从PDF到精准答案：Coze助力RAGFlow框架提升数据召回率_提升ragflow-CSDN博客
Coze+TreeMind实测：秒出ISO标准流程图/脑图（附完整提示词）-CSDN博客
目录
1. 前言
2. MCP概念
2.1. Function calling VS MCP
2.2. MCPServer平台
2.3. MCP支持的客户端
3. VS Code+Cline实现手搓智能体
3.1. VS Code+Cline集成MCP Server
3.1.1. 基础集成
3.1.2. 安装FileSystem
3.1.3. 安装PostgresSQL
3.2. 发送提示词指令
4. 资料获取
5. 结语
1. 前言
在AI技术日新月异的今天，我们正见证着LLM（大语言模型）从"能说会道"向"能工巧匠"的进化。当Anthropic推出Model Context Protocol（MCP）时，它像一道闪电划破夜空——这个被称作"AI界的USB-C"的协议，正在重新定义人机协作的边界。
作为一个沉迷于技术探索的开发者，我始终在寻找让AI真正"落地"的方法。当看到MCP协议支持本地文件操作、数据库访问甚至浏览器自动化时，一个大胆的想法在我脑中成型：能否在VS Code这个开发者主战场上，用零代码方案复刻类Manus的智能体能力。
本文通过两个开源MCP Server（FileSystem/PostgreSQL），在VS Code中搭建起从数据库查询到文件输出的完整工作流。当看到AI自主分解任务、调用工具并最终生成CSV文件的那一刻，我仿佛触摸到了未来：或许"人人手搓智能体"的时代，真的不再遥远......
2. MCP概念
MCP（Model Context Protocol）是一种旨在简化人工智能与外部资源交互的协议。它被设计用来让开发者通过标准化的接口，让AI能够访问和操作文件系统、数据库、电子表格等多种资源，最终帮助实现更复杂的自动化工作流。MCP的核心理念是通过为AI提供一系列基础的操作功能，使得AI可以自主地完成任务，而无需开发者过多干预。
2.1. Function calling VS MCP
在传统的编程模式中，人工智能通常通过函数调用（Function Calling）的方式来实现与外部资源的交互。函数调用要求开发者预先编写每一个功能模块的接口，AI只能通过调用这些函数来执行特定的操作。这种方式的局限性在于，开发者需要为每种可能的任务和操作单独创建函数和逻辑代码，且每次AI执行任务时，开发者都需要介入，提供新的函数或修改现有的代码。这导致开发者的工作量增加，且系统的灵活性受到一定限制。
MCP（Model Context Protocol）的出现则解决了这一问题。它通过标准化的协议，定义了一套通用的接口和操作规范，使得AI能够以更为自主的方式与各种外部资源进行交互。开发者不需要为每个任务编写独立的函数，AI通过MCP协议可以直接访问文件系统、数据库、电子表格等各种资源，并在这些资源上执行一系列操作。
MCP的优势在于，它允许AI在没有过多干预的情况下完成复杂的任务。开发者只需要为AI配置相关的资源和权限，而AI则可以根据预定义的协议自动决定如何操作这些资源。这使得开发者能够更加专注于设计和优化AI的智能决策，而不必被繁琐的编程工作所束缚。
| 特性 | Function Calling | MCP |
| 操作灵活性 | 受限于开发者编写的函数接口，需要为每个任务创建单独函数。 | 高度灵活，AI可以根据协议自主选择操作的方式。 |
| 开发者干预 | 每次任务执行都需要开发者介入，编写或修改函数。 | 开发者只需配置资源和权限，AI可以自主执行任务。 |
| 适用场景 | 适用于简单的功能调用，任务变化较少的场景。 | 适用于复杂的任务自动化和跨系统资源交互。 |
| 扩展性 | 扩展性差，添加新功能时需要编写新函数。 | 高度可扩展，支持多种外部资源和自动化工作流。 |
| 维护难度 | 随着任务增多，函数接口的维护难度加大。 | 由于协议标准化，维护工作减少，资源配置更加简单。 |
| 集成外部资源的难度 | 需要开发者逐一编写适配函数进行集成。 | 使用标准化协议，可以轻松集成各种外部资源。 |
| 工作流自动化 | 需要编写多个函数和控制逻辑，自动化程度较低。 | 支持通过协议实现高度自动化的工作流。 |
从对比表中可以看出，MCP在灵活性、扩展性和自动化方面相较于传统的函数调用方式具有显著的优势，尤其在涉及到跨系统资源集成和复杂自动化任务时，MCP的优势尤为明显。
2.2. MCPServer平台
MCPServer平台是Model Context Protocol（MCP）协议的核心构建块，它为开发者提供了一个服务端的基础架构，用以支持MCP协议的实现与运作。MCPServer是一个开源平台，允许开发者通过配置和搭建MCP服务器，轻松地将各种外部资源与AI进行集成，并通过MCP协议进行交互，主流一些的平台主要有以下一个：
官方：https://github.com/modelcontextprotocol/servers， 这里提供了完整的代码库和文档，帮助开发者部署和自定义MCP服务器。通过这个平台，开发者能够快速配置自己的MCP环境，并将其与不同的应用和服务对接。
MCPSo：MCP Servers，这个网站是一个专门收集和展示Model Context Protocol（MCP）服务器的平台，致力于为开发者和用户提供丰富的MCP服务器资源。在MCPSo上，你可以浏览各种类型的MCP服务器，包括地图服务、浏览器自动化、数据处理等，满足不同场景下的需求。此外，MCPSo还提供了服务器的详细信息和配置示例，帮助用户快速上手和集成。
MCPMarket：MCP Market | Discover Top MCP Servers，它汇集了大量与MCP兼容的工具、服务和资源。在MCPMarket上，你可以发现各种MCP服务器，了解其功能和应用场景，方便您根据需求选择合适的工具。平台提供了清晰的分类和搜索功能，帮助用户快速找到所需的资源。
2.3. MCP支持的客户端
在MCP的生态系统中，支持的客户端种类繁多，每个客户端都具备不同的功能和优势，能够帮助开发者根据不同的需求完成各种任务。下表展示了多种MCP客户端及其各自支持的特性，具体包括对资源、提示、工具、采样等的支持，具体类可基于网址查看：Example Clients - Model Context Protocol
3. VS Code+Cline实现手搓智能体
我想做一个测试，如果我给大模型下达了一个指令，他是否会分解步骤，进行规划，依次执行，最后给我一个我想要的结果，如果可以，那是不是人人手搓智能体的时代就不远了，于是我想到了一个简单场景，读取PostgresSQL表中的数据写入本地excel表格。要完成上述业务场景，需要预先准备一下场景数据，在PostgresSQL中准备一张student数据表，准备工作就这一步。
针对这个需求我找了两个对应的MCP Server，分别是File Syetem（github）、PostgresSQL（github）。下面就从MCP Server在VS Code中的集成开始，一步一步带大家体验如何用零代码方案复刻类Manus的智能体能力。
3.1. VS Code+Cline集成MCP Server
3.1.1. 基础集成
首先在VS Code中安装Cline插件，我安装的是中文汉化版：
Cline安装完成以后需要配置一下API提供商（我选的DeepSeek）。
用“你好”测试一下大模型是不是集成进来了
3.1.2. 安装FileSystem
点击Cline的第二个图标，进入MCP服务器的市场选项页安装一下MCP服务器，我安装的是FileSystem，可以搜索filesystem直接安装。
也可以采用npx的方式安装，我的系统的win10，用的是npx的方式，进入MCP服务器——已安装选项页，点击配置MCP服务器填写如下配置：
"filesystem": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-filesystem",
"D:/wx"
],
"disabled": false,
"autoApprove": []
}
3.1.3. 安装PostgresSQL
采用npx的方式安装，进入MCP服务器已安装选项页，点击配置MCP服务器填写如下配置：
"postgres": {
"command": "cmd",
"args": [
"/c",
"npx",
"-y",
"@modelcontextprotocol/server-postgres",
"postgresql://username:pwd@localhost:5432/database_name"
],
"disabled": false,
"autoApprove": [
"query"
]
}在上面命令中吧username、pwd、database_name这三个参数换成你自己的数据库配置，配置完了以后可以看一下右侧的已安装选项页是否安装了对应的MCP Server。
3.2. 发送提示词指令
MCP Server都安装了以后，我们需要看一下每个MCP Server的用法，这里我带着大家看一下，首先是FileSystem：
从图上可以看出File System有很多功能，比如读取文件，写入文件，编辑文件等（这个大家），每个功能都有使用说明，比如read_file，要用这个工具就需要传入path，path的话我们在配置文件里面已经配置过了。
接下来就是postgres，它的功能只有query（查询数据库）。
这两个MCP Server完成数据读写的技术路线大致如下：
- 数据读取
首先，通过PostgresSQL（MCP Server）在PostgresSQL数据库中读取所需的数据。这一过程涉及到数据库连接、查询执行以及数据提取，确保所需信息能够准确无误地获取。 - 文件创建
接下来，FileSyetem（MCP Server）将在D:/wx目录下创建一个名为xfc.xlsx的文件。此步骤需要确保目录的存在以及文件的正确命名，以便后续的数据写入操作能够顺利进行。 - 数据写入
最后，FileSyetem（MCP Server）将把从PostgresSQL数据库中读取的数据写入到刚刚创建的xfc.xlsx文件中。此过程需要处理数据格式的转换和写入操作的执行，确保数据能够以正确的格式存储在Excel文件中。
准备工作已经完成，开始发送命令：
帮我查询student中所有数据，并写入D:/wx/xfc.xlsx发送命令后，大模型就开始拆解我的任务，然后调用相应的MCP Server:
在末尾的时候.xlsx文件无法写入，大模型还更改了方案，改为写入.csv，最后成功了：
我现在去目录下面看一下结果，发现D:/wx目录下面新建了xfc.csv:
打开文件看一下，数据已经被成功写入了csv文件：
4. 资料获取
如果你对DeepSeek的相关知识还不熟悉，可以关注gzh后端小肥肠，点击底部【资源】菜单获取DeepSeek相关教程资料。
5. 结语
在本文中，我们深入探讨了如何利用Model Context Protocol（MCP）在VS Code环境中构建智能体，成功实现了从PostgreSQL数据库读取数据并输出至Excel文件的功能。这一过程展示了MCP在简化AI与外部资源交互方面的强大能力，预示着“人人手搓智能体”时代的到来。下一篇文章将重点介绍如何在Spring Boot框架中整合MCP。通过将SpingBoot与MCP相结合，我们可以将现有应用转变为智能AI助手，进一步提升系统的智能化水平和用户体验。敬请期待！
如果本文对你有帮助，请动动小手点点关注哦~小肥肠将持续更新AI相关干货知识和好用工具。
