如何使用 MCP 提升你的 Claude CoWork 体验

发布: 18小时前 (2026年1月19日 GMT+8 21:08)

13 min read

原文: Dev.to

Source: Dev.to

（未提供要翻译的正文内容。如需翻译，请粘贴完整的文章文本。）

Claude CoWork 概览

当大家都忙着讨论 Claude Code 有多好时，Anthropic 推出了 Claude CoWork —— 本质上是带有更不吓人的界面的 Claude Code，用于自动化“假邮件”任务。

功能
- 访问本地文件系统、连接器、MCP，以及几乎所有可以通过 shell 执行的内容。
可用性
- 在 macOS 上的 Claude Desktop 应用（单独标签）中为 Max 订阅者（每月 $100 / $200 计划）提供研究预览。
- 未来计划支持 Windows。

工作原理

Claude CoWork 获得对您电脑上某个文件夹的访问权限。
在 本地容器化环境 中，它挂载该文件夹，使其只能在您授权的路径中读取、编辑或创建文件仅限那些位置。

“您可以放心，它不会访问您未明确授权的文件夹。”

关于 CoWork 还有很多内容可说，但这些将留待另一篇博客文章。下面我们重点介绍如何使用 连接器 和 MCP 来做的不仅仅是组织文件。

快速快捷方式：Rube.app

如果你不想花时间配置所有内容，只需在 Claude Code 中使用 rube.app。

即时访问 900 多个 SaaS 应用（Gmail、GitHub、BitBucket 等）
零 OAuth 和密钥管理麻烦
动态工具加载 → 减少令牌使用并提升执行效率
创建可复用的工作流并将其公开为工具

立即免费试用 Rube！

使用 MCP 连接器

Claude AI 连接器是什么？

Claude AI 连接器是直接集成，让 Claude 能够访问 您实际使用的工作工具和数据。该功能于 2025 年 7 月推出，使 Claude 从“知识丰富”的 AI 变成了解您的世界的 AI。

预构建集成：Gmail、Google Drive、GitHub、Google Calendar。
其他 MCP 服务器（本地和远程）：HubSpot、Snowflake、Figma、Context7 等。

启用连接器

打开 Settings → Connectors。
找到想要启用的集成。
点击 Connect。
按照认证流程操作。

注意： Pro、Max、Team 和 Enterprise 用户均可将这些连接器添加到 Claude 或 Claude Desktop。

MCP 市场

Anthropic 提供一个 MCP 市场，您可以在其中发现 Anthropic 审核的工具（包括本地和远程托管的）。

类型	导航方式
Desktop / Local MCPs	`Desktop → Search Your MCP → Click Install`
Remote MCPs	`Browse Connectors → Web tab → Search your MCPs`
Custom MCP Server	`Add a Custom Connector → Provide MCP name & Server URL → (Optional) OAuth credentials`

自定义 MCP 服务器 – 有趣的部分

您可以使用任意您喜欢的 MCP 服务器：

点击 Add a Custom Connector。
提供 MCP 名称 和 服务器 URL。
（可选）添加 OAuth 凭证。

为什么 MCP 很重要

MCP 服务器是 乘数效应，让大型语言模型轻松访问数据。然而，它们也有 物理限制：

每个 MCP 工具都有一个 模式定义（名称、参数、示例）。
模式越详细 → 执行越可靠，但也会消耗令牌（模型的上下文窗口是有限的，例如约 200 k 令牌）。
在上下文中加载过多工具定义会压缩实际推理的空间。

示例

GitHub MCP：40 个工具 → 占用约 200 k 令牌窗口的 8.5 %（≈ 17.1 k 令牌）。
Linear MCP：27 个工具 → 类似的令牌开销。

大多数 MCP 客户端 会主动将所有可用工具加载到模型上下文，即使模型实际上并不会调用其中的大多数。这会导致：

每次请求的令牌使用量增加。
为了保持在上下文限制内而 人为拆分 MCP 服务器。
不愿尝试新工具（每新增一个工具都会削弱已有交互的效果）。

真正的失败模式：结果，而非模式

即使模式完美，返回的结果（日志、数据库行、文件列表、JSON 块等）也可能充斥模型的上下文。一次不慎的响应就可能抹掉一半的对话历史，危及 LLM 的表现。

随着 MCP 工具数量的增长，工具选择的准确性会下降：

模型可能调用一个近似匹配而非正确工具。
过度使用通用工具。
完全回避工具，产生幻觉答案。

根本原因在于 有限的注意力预算：模型无法完整阅读不断增长的工具定义列表。

架构改进

1. 按需加载工具定义

不再一次性加载所有工具模式，而是仅加载 当前任务所需的工具。这将 “始终开启” 的 token 成本转变为 “仅在使用时付费” 的成本，释放推理空间并提升可靠性。

Implementation: Rube – 一个通用的 MCP 服务器，根据任务上下文动态加载工具。

Planner tool – 为任务创建详细计划。
Search tool – 查找并检索所需的工具定义。

当模型需要工具时，它请求特定的定义，只有在此时该模式才会被注入上下文。

2. 可搜索的工具目录

不要依赖模型扫描冗长的工具列表。提供一个 可搜索的索引（例如，带混合搜索的向量数据库），模型可以查询该索引。

目录条目格式

工具名称
一句话用途
关键参数
少量示例查询

模型使用自然语言在该目录中搜索，检索最相关的工具，然后加载所需的精确模式。

摘要

Claude CoWork 为您提供强大的容器化本地系统访问，同时保持权限明确。
Rube.app 提供一种免除麻烦的方式，接入 900 多个 SaaS 应用。
MCP connectors 将 Claude 与您的日常工作工具连接；市场和自定义连接器让您扩展功能。
Token efficiency 至关重要：按需加载工具定义，并使用可搜索目录以保持模型注意力集中。

通过采用这些模式，您可以在不牺牲可靠性、实验性或性能的前提下，扩展 MCP 工具的数量。

Source: …

概览

目标： 返回前 3‑5 条匹配项，然后仅加载这些模式。
原因：
- 减少 token 使用量。
- 当大量负载被粘贴回提示时，防止模型忘记先前的目标。

工具调用 vs. 程序化工具调用

方法	工作原理	Token 影响
传统工具调用	模型调用工具 → 接收结果 → 读取结果 → 决定下一次调用（重复）	每个中间结果都会加入聊天，消耗 token。
程序化工具调用	模型编写一段简短代码片段（在代码执行容器中）来调用工具作为函数，进行循环、分支、聚合，并返回最终摘要。	只有最终输出进入 Claude 的上下文 → 使用的 token 大幅减少。

该模式的适用场景

仅需要聚合或摘要的大型数据集。
包含 ≥ 3 个相互依赖工具调用 的多步骤工作流。
在 Claude 看到结果之前，对工具结果进行过滤、排序或转换。
对许多项目进行并行操作（例如检查 50 项）。
中间数据不应影响推理的任务。

注意： 添加代码执行会产生少量开销，因此对于单次快速查找，传统方法可能仍更快。

Rube MCP – 您的一站式包装器

Rube 在 877 个 SaaS 工具包之上提供了一个元工具层，处理身份验证、连接管理和批量执行。

核心发现与连接工具

工具	用途
`RUBE_SEARCH_TOOLS`	查找相关工具并生成执行计划。始终首先调用。返回工具、模式、连接状态以及推荐步骤。
`RUBE_GET_TOOL_SCHEMAS`	当 `SEARCH_TOOLS` 返回 `schemaRef` 时，检索完整的输入参数模式。
`RUBE_MANAGE_CONNECTIONS`	为用户应用创建或更新连接（OAuth、API 密钥等）。在没有活动连接的情况下，切勿执行工具。

执行与处理工具

工具	用途
`RUBE_MULTI_EXECUTE_TOOL`	为多达 50 个跨应用工具提供快速并行执行器。包括用于在执行之间持久化事实的内存存储。
`RUBE_REMOTE_WORKBENCH`	在远程 Jupyter 沙箱中执行 Python 代码（4 分钟超时）。适用于处理大文件、批量操作或复杂工具链。
`RUBE_REMOTE_BASH_TOOL`	在远程沙箱中执行 Bash 命令。非常适合文件操作以及使用 `jq`、`awk`、`sed` 等进行 JSON 处理。

食谱（可复用工作流）工具

工具	用途
`RUBE_CREATE_UPDATE_RECIPE`	将已完成的工作流转换为带有定义输入、输出和可执行代码的可复用笔记本/食谱。
`RUBE_EXECUTE_RECIPE`	使用提供的参数运行现有食谱。
`RUBE_FIND_RECIPE`	通过自然语言搜索食谱（例如 “GitHub PRs to Slack”）。返回可执行的匹配 ID。
`RUBE_GET_RECIPE_DETAILS`	获取完整的食谱详情（代码、模式、默认值）。
`RUBE_MANAGE_RECIPE_SCHEDULE`	使用 cron 表达式创建、更新、暂停或删除循环调度。

典型工作流

发现工具 – RUBE_SEARCH_TOOLS → 确定所需功能。
确保连接 – RUBE_MANAGE_CONNECTIONS。
执行 – RUBE_MULTI_EXECUTE_TOOL（或针对大数据使用 RUBE_REMOTE_WORKBENCH）。
（可选）保存 – 使用 RUBE_CREATE_UPDATE_RECIPE 以便复用。

该过程与任何 Remote MCP 服务器集成的方式相同。

开始使用 Rube

访问 Rube 网站并点击 “Use Rube”。
复制 MCP URL（例如 https://rube.app/mcp）。
打开你的 Claude 应用 → 前往 Connectors → 粘贴 MCP URL。

一切就绪！向 Claude 提问；系统会提示你验证所需的应用，然后让 Claude 处理其余工作。

演示

YouTube walkthrough: (link omitted in source)

TL;DR

仅返回前 3‑5 条匹配项 并加载它们的模式。
将大容量负载存储在外部，返回一个小的句柄。
优先使用编程式工具调用（编写短代码进行循环/过滤），以避免令牌膨胀。
Rube MCP 为您提供发现、连接、并行执行和配方管理，覆盖 877 种 SaaS 工具——几乎没有摩擦。

祝构建愉快！ 🚀