VSCode扩展工具Copilot MCP使用教程【MCP】

优质文章学习记录

— 3 min read
VSCode扩展工具Copilot MCP使用教程【MCP】
在这里插入图片描述


MCP（Model Context Protocol，模型上下文协议） ，2024年11月底，由 Anthropic 推出的一种开放标准，旨在统一大型语言模型（LLM）与外部数据源和工具之间的通信协议。本文章教你使用VSCode扩展工具Copilot MCP快速上手MCP应用！

1. VSCode中安装Copilot MCP

在这里插入图片描述


Copilot MCP是一个适用于 VSCode 的 MCP Client。

2. Copilot MCP使用

安装之后会出现Coplilot授权，并在左侧菜单中出现MCP Server按钮

在这里插入图片描述

3. Add Server

点击Add Server，MCP Server分为两种建立方式，Process和SSE

在这里插入图片描述


以Process为例，输入必要信息：

在这里插入图片描述


其中Server Name是你给Server起的任意名字，需要注意的是Start Command。
这里我的输入为：

npx -y @modelcontextprotocol/server-filesystem /path

注意path修改为自己的文件路径，并确保你已安装node.js从而可以使用npx命令
这个Command怎么来的呢？
可从来自MCP Server官方社区获得自己想要的Server：

https://github.com/modelcontextprotocol/servers?tab=readme-ov-file
在这里插入图片描述


以Filesystem为例，点进去可查看其调用方式，以NPX为例：

在这里插入图片描述


其要求我们输入npx命令，并附加上文件路径，可以为多个文件路径，显然，Command格式举例如下：

npx -y @modelcontextprotocol/server-filesystem /path

注意path修改为自己的文件路径，并确保你已安装node.js从而可以使用npx命令。
在Start Command中输入以上命令即可。
输入完成后点击 Add Server
成功后列表显示刚刚添加Server，不显示意味着添加失败。

在这里插入图片描述


点开后可查看该Server提供的Tools列表：

在这里插入图片描述

4. 调用Server

准备一个测试文件，我在/path下创建了个mcp_test.txt文件,里面包含一句话：

在这里插入图片描述


之后，在VSCode 右侧Copilot对话框中出入：

@mcp <内容>
在这里插入图片描述

例如：

@mcp 请读取"/root/xxx"下的“mcp_test.txt”中的内容
在这里插入图片描述

发送后得到回应：

在这里插入图片描述

成功！！！

Read more

【2026最新】OpenClaw保姆级安装配置教程-手把手教你在Windows上用 Node.js 22+Git+Kimi模型+飞书机器人去部署你的小龙虾 超详细带图展示详解（Windows 版）

【2026最新】OpenClaw保姆级安装配置教程-手把手教你在Windows上用 Node.js 22+Git+Kimi模型+飞书机器人去部署你的小龙虾 超详细带图展示详解（Windows 版）

前言介绍 2026年，你的“数字员工”入职指南 * 你是否设想过这样一个场景：在2026年的今天，你的飞书不再仅仅是一个打卡和开会的工具，而是一个拥有“超级大脑”的智能中枢。 * 当你深夜灵感迸发时，它能陪你头脑风暴；当你被繁琐的数据报表淹没时，它能一键生成分析摘要；甚至当你需要管理密码、监控博客更新时，它都能像一位得力的私人助理般默默搞定。 这一切不再是科幻电影里的桥段，而是触手可及的现实。 为什么是OpenClaw？ * 在AI Agent（智能体）爆发的2026年，OpenClaw 无疑是GitHub上最耀眼的明星之一。它被誉为“AI界的npm”，以其极高的可扩展性和本地化部署的隐私安全性，迅速席卷全球开发者社区。 * 不同于普通的聊天机器人，OpenClaw 是一个 “行动式智能体” 。它不仅能陪你聊天，更能通过安装各种 Skills（技能） 来接管你的工作流。它就像一只无所不能的“赛博龙虾”，潜伏在你的电脑后台，随时准备响应你的召唤。 ️告别环境混乱，拥抱极致纯净 * 对于开发者而言，部署环境往往是一场噩梦。不同项目依赖不同版本的 Node.
OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人

OpenClaw 完整部署指南：安装 + 三大 Coding Plan 配置 + CC Switch + 飞书机器人 * 📋 文章目录结构 * 1.3 一键安装 OpenClaw（推荐） * 1.4 通过 npm 手动安装 * 1.5 运行 Onboard 向导 * 1.6 验证安装 * 步骤二：配置 Coding Plan 模型 * 🅰️ 选项 A：阿里百炼 Coding Plan * A.1 订阅与获取凭证 * A.2 在 OpenClaw 中配置 * A.3 可用模型列表

WebUI集成+零鉴权｜MiDaS单目深度估计镜像使用全解析

WebUI集成+零鉴权｜MiDaS单目深度估计镜像使用全解析 概述：从2D图像中“看见”3D空间 在计算机视觉领域，单目深度估计（Monocular Depth Estimation, MDE） 是一项极具挑战性但又至关重要的技术。它旨在仅通过一张普通的2D照片，推断出场景中每个像素点到摄像机的相对距离，从而重建出三维空间结构。这项能力对于机器人导航、自动驾驶、增强现实（AR）、虚拟现实（VR）以及智能安防等应用场景具有深远意义。 传统上，获取深度信息依赖于双目摄像头、激光雷达或ToF传感器等硬件设备，成本高且部署复杂。而MDE技术则提供了一种低成本、易部署的替代方案——只需一个普通摄像头，即可实现对环境的“3D感知”。 本文将深入解析一款基于 Intel MiDaS 模型 构建的轻量级、高稳定性、无需Token验证 的AI镜像：AI 单目深度估计 - MiDaS。该镜像不仅集成了WebUI交互界面，还针对CPU环境进行了深度优化，真正实现了“开箱即用”的深度估计体验。