AI/Agent 應用正成為我們開發工作流程中的重要一環。為了讓這些應用能調用外部工具、存取最新資訊，我們通常會使用 MCP (Model Context Protocol) 協定為其擴充能力。
然而，當我們同時使用 Cursor、Claude Code 等多個 AI 程式設計應用時，一個低效率的環節很快就會出現：MCP 服務的重複設定。本文將介紹一個開源專案 MCP-Router，它可以徹底解決這個問題，幫助我們實現「一次設定，所有應用共享」。
一、核心痛點：N x M 的重複工作
低效率的工作流程非常明確。
假設我們的工具箱中有 3 個 AI 應用 (N=3)，現在需要接入一個新的 Web 搜尋 MCP。我們必須依次為這 3 個應用單獨設定，總計 3 次操作。如果後續再接入一個知識庫 MCP，又需要重複 3 次。
這種 N x M (應用數 x MCP 數) 的設定模式，在團隊協作或個人工具鏈拓展時，會消耗掉大量不必要的時間。
二、解決方案：MCP-Router
MCP-Router 是一個開源的 MCP 服務中繼站。它的工作原理是聚合所有上游的 MCP 服務，然後自身作為一個統一的 MCP 服務，供其他 AI 應用連接。
它的官網是 https://mcp-router.net/en
工作流程優化後變得非常簡單：
- 集中設定：我們將所有需要的 MCP 服務，一次性設定到 MCP-Router 中。
- 統一接入：我們將所有的 AI 應用，統一指向 MCP-Router 這一個服務。
完成這個流程後，未來任何 MCP 服務的增減，我們都只在 MCP-Router 中更新一次。所有連接到它的 AI 應用都會自動同步這些能力。
三、上手實踐：三步驟完成設定
首次設定 MCP-Router 的過程非常直接，預計在 5 分鐘內可以完成。
- 安裝 MCP-Router
我們直接從專案的 Github Release 頁面下載對應系統的安裝檔。 直達位址: https://github.com/mcp-router/mcp-router/releases
安裝過程無需任何額外操作。
- 匯入 MCP 設定
啟動 MCP-Router 後，點擊主畫面的新增按鈕，準備匯入 MCP 服務。
我們需要提供一份 JSON 格式的設定檔。下方是一個包含多個常見 MCP 服務的設定範例，我們可以根據自己的需求進行修改：
{
"mcpServers": {
"context7": {
"command": "npx",
"args": ["-y", "@upstash/context7-mcp"],
"env": {}
},
"mcp-deepwiki": {
"command": "npx",
"args": ["-y", "mcp-deepwiki@latest"],
"env": {}
},
"playwright": {
"command": "npx",
"args": ["@playwright/mcp@latest"],
"env": {}
},
"open-websearch": {
"command": "npx",
"args": ["-y", "open-websearch@latest"],
"env": {
"MODE": "stdio",
"DEFAULT_SEARCH_ENGINE": "duckduckgo"
}
}
}
}
將設定內容貼上後，點擊 Import 按鈕即可完成。
所有新匯入的 MCP 預設為未啟動狀態，我們可以依需求啟動。
連接 AI 應用
這是最後一步，將我們的 AI 應用指向這個強大的「中繼站」。
Cursor
MCP-Router 對 Cursor 這類常見應用提供了最佳的支援。在應用程式清單中找到 Cursor，直接點擊「Add MCP Config」按鈕，即可一鍵完成所有設定，無需手動操作。
Claude Code
MCP-Router 為 Claude 的桌面版提供了設定，但沒有為 Claude Code 提供設定。 這裡，我介紹一下 Claude Code 的設定方式。
首先要新增自訂應用，具體步驟可以參考圖片中的操作。
新增步驟後，點擊「how to use」，複製權杖。
取得權杖後，將下方指令中的 <token> 進行完全替換。
claude mcp add mcp-router --env MCPR_TOKEN=<Token> -- npx -y @mcp_router/cli@latest connect
claude mcp add mcp-router --env MCPR_TOKEN=mcpr_M_YOaa3nDhnW-Hg8jIicBBgtpm6P0Acc -- npx -y @mcp_router/cli@latest connect
接著就能順利完成 Claude Code 的設定，後續新增 MCP 時，同樣不需要更新此處的設定，只要在 MCP-Router 新增 MCP 即可。
透過對這兩個應用的設定實作，相信你已經能體會 MCP-Router 帶來的便利性。 在使用這類工具之前，如果我們新安裝一個 MCP，想在 Cursor 使用時就得設定一次，想在 Claude Code 使用時又得再設定一次。 重複的設定，在此刻就顯得額外冗餘。
四、一個有用的技巧：讓 AI 產生設定指令
如果未來遇到一個新的 AI 應用，我們不清楚它的 MCP 新增指令格式，可以利用 Claude 官方文件的 Ask Docs 功能。
我們只需要把目標 MCP 的 JSON 設定資訊傳送給 Ask Docs，然後提問：
根據 MCP 的設定說明，如果我要新增這樣的 MCP，我應該用什麼指令？
{
"mcpServers": {
"mcp-router": {
"command": "npx",
"args": [
"-y",
"@mcp_router/cli@latest",
"connect"
],
"env": {
"MCPR_TOKEN": "mcpr_M_YOaa3nDhnW-Hg8jIicBBgtpm6P0Acc"
}
}
}
}
它會為我們產生準確的命令行指令。
五、總結
MCP-Router 將一次性的設定工作，轉化為一個可長期複用的高效工作流程。它不僅解決了多 AI 應用場景下的重複設定問題，也極大降低了嘗試和切換新工具的維護成本。
值得一提的是，有社區愛好者進行了二次開發，提供了中文支援版本，進一步降低了使用門檻。 中文版位址: https://github.com/Fate0x01/mcp-router/releases
現在，設定已全部完成。我們鼓勵你立即上手嘗試，親自體驗這種高效的工作流程。
小弟創建了一個有關ClaudeCode以及AI程式碼的DC群組，目前還處於起步狀態，希望各位能多多支持！每天都會在群組裏分享ClaudeCode或codex的使用技巧。如果大家感興趣，請點按AI程式設計交流群組加入！感激不盡。
