MCP Server 装了二十多个，一周后我删掉了 17 个

MCP Server 装了二十多个，一周后我删掉了 17 个

我信了。

看了几篇"MCP Server 推荐清单"的文章，一口气装了 22 个 MCP Server。文件操作、数据库查询、网页抓取、GitHub 交互、Slack 通知、Notion 笔记、日历管理……能装的全装上了。

结果呢？一周后，我的 Claude Code 启动时间从 3 秒变成了 15 秒，上下文预算经常被 MCP Server 的工具描述撑爆，最离谱的是——有好几个 Server 根本没用过一次。

删。砍到只剩 5 个。

这篇文章就是我的筛选过程，以及留下来的 5 个到底好在哪。

---

先说说 MCP 是什么（30 秒版）

MCP（Model Context Protocol）是 Anthropic 推出的一个协议，让 AI 能调用外部工具。你可以把它理解成"AI 的 USB 接口"——插上不同的 MCP Server，AI 就多了不同的能力。

比如你装了一个 filesystem MCP Server，AI 就能直接读写你电脑上的文件。装了一个 github MCP Server，AI 就能帮你创建 PR、查看 Issue。

听起来很美对吧？问题是——每个 MCP Server 都会占用上下文窗口。

为什么装太多会出问题

Claude Code 的上下文窗口是有限的（大概 200K token）。每次对话开始时，所有已启用的 MCP Server 都会把自己的"工具描述"注入到上下文里。

我测了一下：

# 查看每个 MCP Server 注入的 token 数
# 在 Claude Code 中运行 /cost 命令可以看到

22 个 MCP Server 总共注入了约 18,000 token 的工具描述
相当于你每次对话还没开始说话，就少了 9% 的上下文空间

更惨的是，有些 Server 之间会冲突。比如我同时装了 filesystem 和 desktop-commander，两个都能操作文件，AI 有时候会"纠结"用哪个。

筛选标准：三刀砍下去

我定了三个硬标准，不符合的直接删：

第一刀：一周内用过 0 次的，删

这个最狠，直接砍掉了一半。什么 slack、notion、calendar、docker……听起来都挺好，但我一周下来根本没用到。

第二刀：功能重叠的，只留一个

filesystem 和 desktop-commander 都能操作文件，留 filesystem（更轻量）。

brave-search 和 web-scraper 都能抓网页，留 brave-search（更稳定）。

第三刀：启动慢或经常报错的，删

有个 database-connector 启动要 5 秒，还经常连接超时。删了直接用 terminal 跑 SQL 命令，效果一样。

最终留下的 5 个

经过三刀筛选，最后留了这些：

1. filesystem — 文件操作

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
    }
  }
}

为什么留：这是最基础的 MCP Server，AI 读写文件全靠它。启动快（不到 1 秒），稳定，没出过问题。

使用频率：每天 10+ 次。

2. github — GitHub 交互

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "ghp_xxx"
      }
    }
  }
}

为什么留：不用切终端就能让 AI 帮我创建 Issue、查看 PR、管理仓库。特别是 code review 的时候，直接让 AI 看 PR diff 然后给意见。

使用频率：每天 3-5 次。

3. brave-search — 网页搜索

{
  "mcpServers": {
    "brave-search": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-brave-search"],
      "env": {
        "BRAVE_API_KEY": "BSA_xxx"
      }
    }
  }
}

为什么留：AI 的训练数据有截止日期，搜最新信息得靠它。比 web-scraper 稳定，不需要处理反爬。

使用频率：每天 2-3 次。

4. postgres — 数据库查询

{
  "mcpServers": {
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://user:pass@localhost:5432/mydb"]
    }
  }
}

为什么留：调试 SQL、查数据、验证迁移脚本，直接让 AI 连数据库操作。比自己开终端敲 SQL 快得多。

使用频率：每天 1-2 次。

5. memory — 记忆管理

{
  "mcpServers": {
    "memory": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-memory"]
    }
  }
}

为什么留：让 AI 跨对话记住项目结构、个人偏好、常用命令。不用每次都重新解释。

使用频率：每次对话自动触发。

一句话总结

MCP Server 不是装得越多越好，而是越精越好。22 个砍到 5 个之后，启动时间从 15 秒回到 4 秒，上下文预算省了 14%，AI 的回答质量反而更高了——因为它不用在 22 个工具之间纠结了。

如果你也装了一堆 MCP Server 没怎么用，建议花 10 分钟清理一下。长痛不如短痛。

---

关注「安全值班室」公众号

每天AI安全早报 + 实战攻防案例 + 网安学习路线连载