来到第11天，依旧教程乱指路，小白不友好，所以我又来边学变记录了

3.2.1 实验一：实现 MCP Hosted 模式 (云端动态加载)

实验目标：

1. 从 ModelScope MCP 广场获取 @modelcontextprotocol/fetch 云端配置；
2. 在三款客户端中配置并启用 Hosted 模式 fetch 工具；
3. 调用工具抓取网页内容，验证云端工具可用性。

步骤 1：获取 fetch 云端配置

访问 ModelScope MCP 广场：https://www.modelscope.cn/mcp；

进入fetch工具详情页：https://modelscope.cn/mcp/servers/@modelcontextprotocol/fetch；

这个链接呢直接是打不开的，404的

所以只能手动点击

然后我搜出5个fetch，不知道该点哪个

经过我与deepseek一顿对话，得出结论：这个fetch就是Fetch 网页内容抓取 MCP

进入以后

教程：切换至「Hosted 模式」标签，复制完整 JSON 配置（示例如下）：

切换至「Hosted 模式」标签是什么也不说清楚的，反正我一通乱点

发现：应该点击“连接”

实验 3.2.2：实现 MCP fetch 工具 Local（本地）模式

实验目标：

1. 本地启动 @modelcontextprotocol/fetch 服务；
2. 在三款客户端中配置并启用 Local 模式 fetch 工具；
3. 调用工具抓取网页，验证本地服务可用性。

将工具下载到本地运行。相比 Hosted 模式，Local 模式启动更快、版本更稳定，且方便进行二次修改。

步骤1：获取 fetch 本地配置

本次实验，我们将使用uvx直接运行mcp-server-fetch，因此不需要额外的安装步骤，只需要进行JSON文件的配置。

复制完整 JSON 配置（示例如下）：

是的，它叫你复制，不说去哪里复制

好在我刚才乱点的时候看到过

点这个

---

来到实验3

3.2.3 多工具协作（fetch + filesystem）实现网页抓取写入 Obsidian

同时挂载 Fetch (联网) 和 Filesystem (本地读写) 两个工具。验证 AI 如何根据工具描述 (Description) 进行意图识别，自动在不同工具间切换。

实验目标：

1. 配置 filesystem 工具（Hosted/Local），与 fetch 工具联动；
2. 理解 MCP 工具路由机制，触发 “抓取 → 提取 → 写入” 自动化流程；
3. 验证 Obsidian 笔记写入结果的正确性。

步骤1：获取 filesystem 工具配置

本次实验，我们将使用uvx直接运行@modelcontextprotocol/server-filesystem，因此不需要额外的安装步骤，只需要进行JSON文件的配置：

1. {
2. "mcpServers": {
3. "filesystem": {
4. "command": "npx",
5. "args": [
6. "-y",
7. "@modelcontextprotocol/server-filesystem",
8. "/home/wguo/Downloads/MyVault"
9. ]
10. }
11. }
12. }

请参考实验2的步骤，将上述JSON配置文件导入到Clause Desktop、Cursor和Cherry Studio的 MCP 配置中。

额，补充友情提示：文件路径是要自己改的

步骤2：触发多工具路由并验证

输入以下 Prompt（替换 Obsidian 路径和目标网页）：

1. # 任务指令
3. 1. 调用 fetch 工具（@fetch-local)，抓取网页:https://www.gitlink.org.cn/Gitconomy/Git4Research；
4. 2. 提取网页核心信息：标题、作者（如有）、核心知识点（整理为 Markdown 列表）；
5. 3. 调用 filesystem 工具（@filesystem）将提取的内容写入 Obsidian 笔记：
6. - 文件路径：/home/wguo/Downloads/MyVault/Tutorial.md；
7. - 编码：utf-8；
8. - 要求：写入前清空文件原有内容，格式为 Markdown，标题用 # 标注，知识点用
9. - 标注。
11. # 执行要求 - 严格按工具能力路由，先完成抓取再写入；
12. - 输出执行日志，包括抓取结果摘要和写入状态；
13. - 若步骤失败，输出具体错误原因。

依旧补充友情提示：文件路径是要自己改的

实验4

可以直接复制：

# S (Role - 角色设定)
你是一位拥有文件系统权限的知识架构师。你擅长执行“Agentic Chunking”（代理式切片），并将切分后的原子化知识直接固化为本地文件。
# C (Context - 语境背景)
我将提供一篇关于《2025年生成式AI数据工程》的长文本。
当前环境已挂载 `filesystem` 工具，你有权限在我的 `/Inbox` 目录下创建文件。
# O (Objective - 任务目标)
请分析输入文本，识别出文中的核心概念（如特定的切片策略、架构模型），并**为每一个核心概念分别调用一次 `write_file` 工具**，将其保存为独立的原子化笔记。
# R (Requirements - 工具调用契约)
**严禁**在对话框中直接输出 Markdown 正文。你必须严格遵守以下工具调用协议：
1.  **Action Protocol (动作协议)**：
    - 识别出 N 个核心概念 = 调用 N 次 `write_file` 工具。
    - 这是一个多步执行任务，请确保所有核心概念都被保存。
2.  **Parameter Constraints (参数约束)**：
    - `path`: 必须存储在 `/Inbox/` 目录下。文件名格式：`Atomic - {核心概念名}.md`。
    - `content`: 写入的内容必须是完整的 Markdown，且**首部必须包含 YAML Frontmatter**：
      ```yaml
      ---
      type: atomic_note
      source: GenAI_Report_2025
      tags: [AI, RAG, Chunking]
      created: {{date}}
      ---
      ```
    - 正文结构：【定义/原理】->【优缺点/特征】->【核心公式/数据】。
3.  **Safety (安全边界)**：
    - 文件名若包含特殊字符（如 `/`, `:`, `?`），请替换为 `-`。
    - 确保内容进行了“去语境化”处理（De-contextualization），即代词“它”需替换为具体名词。
# I (Input - 待处理文本)
{{[[Source-GenAI-Report-2025]]}}

结束

教程制作不易，点个赞吧