MCP不可错过系列：在VS Code中配置Sequential Thinking MCP Server

一、MCP概述

在人工智能技术飞速发展的当下，AI 的智能化程度正与日俱增。然而，AI 模型存在一定局限性，其处理能力仅局限于所训练的数据范畴。这就导致它们在面对现实世界的诸多信息时，往往表现出认知缺失。例如，对于用户存储在 Google Drive、Notion、飞书文档或者百度网盘等第三方系统中的数据内容，AI 模型通常无法直接获取和理解 。

在MCP出现之前，开发者为每个AI应用和数据源创建自定义接口，既耗时又难以维护和扩展。为有效解决 AI 与第三方系统之间的数据交互难题，Anthropic 公司（知名人工智能 Claude 的研发主体）开发出一种创新的模型上下文协议（Model Context Protocol，简称 MCP）。在2024年11月25日首次发布。

MCP 可被视作 AI 与第三方软件进行交互的通用适配标准。类比于 USB 作为连接各类硬件设备的标准接口，极大地促进了硬件之间的互联互通，MCP 也正逐步成为连接软件与 AI 及智能体（Agent）的关键标准接口，为软件与 AI 的交互搭建起高效的桥梁。

（注：图片来自网络，侵删）

值得注意的是，MCP 的设计初衷是为 AI 接入第三方系统提供便利，而非反向操作。因此，若要实现 AI 对第三方系统的有效使用，第三方系统需要进行相应的改造，以支持 MCP 协议，从而满足 AI 与之交互的要求。

MCP旨在标准化应用向AI应用提供上下文的方式，解决了AI模型与外部世界交互的复杂性问题。随着大语言模型（LLMs）能力增强，对实时、多样化数据需求增加，MCP通过提供标准化协议，让AI模型更便捷地访问和处理各类数据 。

（注：图片来自网络，侵删）

MCP采用客户端-服务器架构，主要组件包括：

MCP主机：发起请求的LLM应用，如Claude桌面应用、IDE或AI工具。
MCP客户端：位于主机程序内，与MCP服务器保持1:1连接。
MCP服务器：为MCP客户端提供上下文、工具和提示信息。
本地资源：MCP服务器可安全访问的本地计算机资源，如文件、数据库。
远程资源：MCP服务器能连接的远程资源，如通过API访问 。

（注：图片来自网络，侵删）

在典型MCP工作流程中，用户向 MCP 客户端发送提示词，客户端分析意图，通过 MCP 服务器选择适当的工具，并调用外部 API 来检索和处理所需的信息，然后通知用户结果。

（注：图片来自网络，侵删）

MCP为AI应用和开发者带来诸多好处：

简化开发: 写一次，多次集成，无需为每个集成重写自定义代码
标准化：定义标准化协议，开发者可快速连接模型与数据源，减少重复开发，提升模型通用性与实现效率，降低连接不同数据源的复杂度。
灵活性：帮助LLMs直接集成数据和工具，不限特定AI模型，支持MCP的模型可灵活切换。
开放性：作为开放协议，允许开发者为产品创建MCP服务器，助力生态系统快速扩展，形成类似HTTP和REST API的网络效应，推动模型与应用场景融合。
安全性：内置严格权限控制机制，数据源所有者始终掌握访问控制权，模型访问数据需明确授权，防止数据泄露和滥用 。
可扩展性: 随着 AI 生态系统增长，轻松添加新功能——只需连接另一个 MCP 服务器

二、了解Sequential Thinking MCP Serve

Sequential Thinking MCP Server是一种MCP服务器实现，提供通过结构化思维过程进行动态和反思性问题解决的工具 。其主要功能包括：

分解复杂问题：将复杂问题拆解为可管理的步骤。
修订和完善思路：随着理解深入，对思路进行修订和细化。
分支推理路径：能够分支进入不同的推理路径。
动态调整思路数量：根据需要动态调整总思路数量。
生成和验证解决方案假设：辅助生成并验证解决方案的假设 。
其核心工具为sequential_thinking ，在使用时涉及的参数有：

thought (string)：当前思考步骤。
total thoughts (integer)：估计所需的总思考步骤数。
revises thought (integer, optional)：重新考虑的思考步骤编号（可选）。
branch from thought (integer, optional)：分支点的思考步骤编号（可选） 。该服务器适用于将复杂问题分解为步骤、需要修订的规划和设计工作、问题范围起初不明确以及需要在多个步骤中保持上下文的任务 。

本文以下所指MCP的安装配置过程，均以Sequential Thinking MCP Serve为例。

二、环境准备

（一）安装Visual Studio Code

打开浏览器，访问Visual Studio Code官网（https://code.visualstudio.com/ ）。
根据操作系统（如Windows、MacOS、Linux），点击对应的下载按钮，下载安装包。
下载完成后，运行安装包，按照安装向导提示，完成Visual Studio Code的安装。

（二）安装工具包

MCP服务的安装命令有“npx”和“uv”等，如果采用npx命令安装，需要安装nodejs环境，对于Windows系统，nodejs可以从官方网站下载最新的安装包直接安装。至于uv，Windows下可以通过以下命令安装：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

三、在Visual Studio Code中配置MCP

（一）确保VS Code支持MCP

目前较新版本的VS Code原生支持MCP功能。打开VS Code后，若在界面中能找到与MCP相关的设置入口（可通过在设置中搜索“MCP”查找），则说明当前版本支持。若未找到，可前往VS Code官网下载最新版本（截至2025年4月，较新版本如1.99.3已支持 ）。

本文以VS Code（1.100.2）为例。打开VS Code，点击“查看->聊天”，打开聊天窗口，在下方聊天模式中选择“Agent”。

此时左下角会出现工具检测按钮。

点击后会刷新，如果没有安装MCP服务等工具，按钮会消失。不用怕，这不是出什么问题了。

（二）自动安装自动配置MCP Server

目前 MCP 生态做得最好的网站是 Smithery.ai，大家可以直接访问：https://smithery.ai/，搜索并打开 Sequential Thinking 的详情页。

在页面的“Install”区域选择”Auto”标签，在下方client列表中，选择VS Code，点击它，此时浏览器会弹出窗口询问是否打开VS Code，点击“打开”。

浏览器会自动打开VS Code并打开命令窗口，你可以直接选择“Install Server”命令，如果不放心，也可以选择“Show Configuration”命令。

我们这里选择“Show Configuration”命令，VS Code会创建并打开Sequential Thinking.json文件，你可以查看文件中的配置信息，也可以修改它。然后，点击右下角的“install”。

如果出现以下错误信息，说明你的nodejs没有安装或者安装的版本不支持npx命令。

可以点击“Install npx”，会打开nodejs官网的下载页面，下载对应版本的nodejs安装包，安装即可。

如果安装了nodejs，点击“install”会重新打开命令窗口，选择“Install Server”命令，VS Code会安装mcp并将配置信息写入全局配置文件settings.json中，这样可跨项目使用MCP服务。

然后点击“启动”按钮（见上图）或者在聊天窗口左下角点击“
“，都能启动服务。

（二）手动安装自动配置MCP Server

在本地创建一个文件夹（例如MCPTest），用VS Code打开，然后在Smithery.ai网站的Sequential Thinking详细信息页面，拷贝安装命令（如下图）。

回到vscode的聊天窗口中，点击“工具”按钮：

在打开的命令窗口中，选择“添加更多工具->添加MCP服务器”。

选择“手动安装”

将命令复制到输入框中：

回车，出现以下提示

再回车，在命令窗口中会出现以下两个选择项：

这里选择“工作区设置”，VS Code会在项目路径下创建.vscoe目录，并在该目录下创建mcp.json文件，写入配置信息：

点击“启动”可以启动服务。

（三）手动配置MCP Server

打开VS Code，点击左下角的设置图标（齿轮形状），在弹出的菜单中选择“设置”。

在设置搜索框中输入“MCP”，选择“用户”标签，找到“在settings.json中编辑”选项，点击它，此时会打开一个JSON格式的设置文件。

在该JSON文件中，添加Sequential Thinking MCP Server的配置信息。MCP配置文件采用JSON格式，对于Sequential Thinking MCP Server，其配置结构大致如下：

mcp:{
            
  "sequential-thinking": {
            
    "type": "stdio",
    "command": "npx",
    "args": [
      "-y",
      "@modelcontextprotocol/server-sequential-thinking"
    ]
  }
}

其中，“command”指定运行MCP服务器的命令，“npx”常用于启动使用Node.js开发的MCP服务；“@modelcontextprotocol/server-sequential-thinking”为Sequential Thinking MCP Server的相关标识 。添加完成后，保存该JSON文件。
4. 保存设置后，VS Code会尝试连接并启动配置的Sequential Thinking MCP Server。若启动过程中出现问题，可查看VS Code的输出面板（通过“视图”菜单 – “输出”打开，选择与MCP相关的输出通道），查看详细的错误信息并进行排查

四、使用Sequential Thinking MCP Server

(注：以下为AI生成的类容，仅参考)

（一）调用Sequential Thinking工具

在VS Code中打开一个项目或文件，进入支持AI交互的环境（如VS Code的Copilot聊天界面等，具体位置因版本和配置而异，一般可在侧边栏找到类似聊天图标入口 ）。
当需要解决复杂问题，如代码逻辑设计、项目规划等问题时，在聊天输入框中输入自然语言描述问题，并可明确提及希望使用Sequential Thinking MCP Server的sequential_thinking工具，例如：“我要设计一个用户注册功能，帮我使用Sequential Thinking工具分解步骤” 。

（二）理解工具响应

Sequential Thinking MCP Server接收到请求后，会根据问题将其分解为一系列思考步骤，并在VS Code的AI交互界面中展示。例如，对于设计用户注册功能的问题，可能会分解出收集用户信息、验证信息合法性、将信息存入数据库、返回注册结果等步骤 。
每个步骤可能包含对当前思考步骤（thought）的详细描述，以及估计的总思考步骤数（total thoughts）等信息。如果需要对某个步骤进行修订（如发现收集用户信息步骤中遗漏了某项重要信息），可再次向AI交互界面输入指令，如“重新考虑步骤1，补充收集用户邮箱信息”，此时可通过指定“revises thought”参数值为1来实现对第一个步骤的修订 。
若在某个步骤发现有不同的推理路径可走，如在验证信息合法性步骤中，可选择前端验证优先或后端验证优先两种方式，可输入“从步骤2分支，创建新的验证路径，先进行后端验证”，通过指定“branch from thought”参数值为2来实现从第二个步骤进行分支推理 。

（三）实际应用案例

假设要开发一个简单的电商订单处理系统，在VS Code中使用Sequential Thinking MCP Server进行规划：

向AI交互界面输入：“帮我规划电商订单处理系统的开发步骤，使用Sequential Thinking工具” 。
工具响应可能如下：

步骤1（thought）：确定订单处理流程，如用户下单、支付、库存检查、发货等环节（total thoughts估计为5） 。
步骤2：设计数据库表结构，用于存储订单信息、用户信息、商品信息等。
步骤3：开发前端订单页面，包括下单界面、订单状态查询界面等。
步骤4：开发后端订单处理逻辑，实现订单创建、支付处理、库存更新等功能。
步骤5：进行系统测试，包括功能测试、性能测试等 。

若在设计数据库表结构步骤中，发现遗漏了订单历史记录表，可输入：“重新考虑步骤2，添加订单历史记录表设计” 。工具会根据指令对该步骤进行修订，并可能重新调整后续步骤的描述和总步骤数 。
若在开发前端订单页面步骤中，考虑采用不同的前端框架，可输入：“从步骤3分支，创建使用Vue框架开发前端页面的路径” 。工具会生成基于Vue框架开发前端页面的新步骤分支，与原有的可能基于其他框架的开发路径并存，方便开发者对比和选择 。
在设计数据库表结构步骤中，发现遗漏了订单历史记录表，可输入：“重新考虑步骤2，添加订单历史记录表设计” 。工具会根据指令对该步骤进行修订，并可能重新调整后续步骤的描述和总步骤数 。
若在开发前端订单页面步骤中，考虑采用不同的前端框架，可输入：“从步骤3分支，创建使用Vue框架开发前端页面的路径” 。工具会生成基于Vue框架开发前端页面的新步骤分支，与原有的可能基于其他框架的开发路径并存，方便开发者对比和选择 。