最近在 Twitter 看到 Claude Code MCP 的讨论，让我想起正在使用的两个 MCP 插件。作为需要频繁审计代码的安全工程师，这两个工具确实解决了实际工作中的痛点，分享下使用体验。

痛点一：AI 生成的代码总是过时

记得用 Cursor 写以太坊合约时，需要用到 ethers 库处理链上交互。但 AI 生成的代码全是 v5 语法，而项目用的是 v6 版本。ethers 在 v6 做了大量 API 重构，方法名和调用方式全变了。

graph TD
    A[需要使用 ethers 库] --> B[AI 生成代码]
    B --> C[使用 v5 语法]
    C --> D[运行报错]
    D --> E[手动查 v6 文档]
    E --> F[告诉 AI 正确写法]
    F --> G[重新生成代码]
    G --> H{还有错误?}
    H -->|是| D
    H -->|否| I[终于能用]
    
    style D fill:#ffcccc
    style E fill:#fff2cc
    style I fill:#d4edda

每次都要经历这样的循环：AI 生成代码 → 运行报错 → 手动查文档 → 教 AI 正确写法 → 重新生成。当需要频繁调用不同方法时，这个过程简直让人抓狂。

直到遇到 Context7 MCP 这个救星。

Context7：实时获取最新文档

核心思路简单却高效：实时抓取官方文档最新内容，直接注入 AI 上下文。从此不再担心 AI 的”知识”过期。

graph LR
    A[用户请求] --> B[Context7 MCP]
    B --> C[实时抓取官方文档]
    C --> D[注入到 AI 上下文]
    D --> E[AI 基于最新文档生成代码]
    E --> F[一次写对!]
    
    subgraph "支持的文档源"
        G[OpenZeppelin]
        H[Symbiotic Protocol]
        I[ethers.js]
        J[React/Next.js]
        K[更多...]
    end
    
    C --> G
    C --> H
    C --> I
    C --> J
    C --> K
    
    style F fill:#d4edda

安装命令：

claude mcp add --transport http context7 https://mcp.context7.com/mcp --header "CONTEXT7_API_KEY: YOUR_API_KEY"

使用更简单： 在 prompt 里加一句 “use context7” 即可。

让人惊喜的是文档覆盖范围：除了 React/Next.js 等主流框架，连 Web3 细分领域都包含：

  • OpenZeppelin Contracts：DeFi 项目必备的智能合约安全库文档
  • Symbiotic Protocol：较新的共享安全协议，没想到也能支持
  • 主流区块链 SDK：从 ethers 到 viem 全面覆盖

现在写相关代码基本一次通过，AI 能根据最新 API 生成准确代码，彻底告别版本错配。

痛点二：单一模型能力有限

代码审计时常需要发现潜在漏洞，实践中发现个有趣现象：

  • Claude Code 写代码很”勤快”，能快速实现需求
  • GPT-5 更擅长深度分析，尤其在需要逻辑推演的场景

例如审计 DeFi 合约时：

  • GPT-5 能剖析经济模型，发现隐蔽攻击向量
  • Claude Code 则擅长编写验证漏洞的测试用例

过去不得不在不同工具间来回切换，复制粘贴效率极低。

Zen MCP：多模型协同作战

Zen MCP 完美解决这个问题，让 Claude 能调用其他模型能力。

graph TD
    A[安全代码审核任务] --> B[Claude Code + Zen MCP]
    
    B --> C[调用 GPT-5 深度分析]
    C --> D[发现潜在风险点]
    
    B --> E[Claude Code 编写测试用例]
    D --> E
    E --> F[验证安全隐患]
    
    B --> G[调用 Gemini 生成报告]
    F --> G
    G --> H[结构化审核报告]
    
    subgraph "多模型协作"
        I[GPT-5: 深度思考分析]
        J[Claude: 代码编写执行]
        K[Gemini: 文档报告生成]
    end
    
    C -.-> I
    E -.-> J
    G -.-> K
    
    style H fill:#d4edda

我选择接入 OpenRouter，一次配置即可调用多模型：GPT-5、Gemini、各版本 Claude、DeepSeek 等。当然也支持单独配置各平台 API。

典型工作流：

  1. 深度分析：调用 GPT-5 识别代码风险点
  2. 漏洞验证：Claude 根据分析编写测试用例
  3. 报告生成：用 Gemini 输出结构化报告

这种分工让各模型发挥所长：GPT-5 负责”思考”，Claude 负责”执行”，无缝衔接。

安装配置

Option B: 即时设置（推荐）

在 ~/.claude/settings.json 或 .mcp.json 中添加以下配置：

{
  "mcpServers": {
    "zen": {
      "command": "bash",
      "args": ["-c", "for p in $(which uvx 2>/dev/null) $HOME/.local/bin/uvx /opt/homebrew/bin/uvx /usr/local/bin/uvx uvx; do [ -x \"$p\" ] && exec \"$p\" --from git+https://github.com/BeehiveInnovations/zen-mcp-server.git zen-mcp-server; done; echo 'uvx not found' >&2; exit 1"],
      "env": {
        "PATH": "/usr/local/bin:/usr/bin:/bin:/opt/homebrew/bin:~/.local/bin",
        "OPENROUTER_API_KEY": "your-key-here",
        "DISABLED_TOOLS": "analyze,refactor,testgen,secaudit,docgen,tracer",
        "DEFAULT_MODEL": "auto"
      }
    }
  }
}

配置完成后，就能在 Claude 中灵活调用各类模型。支持 OpenRouter API 或单独配置各平台 API Key。

graph LR
    A[Claude Code] --> B[Zen MCP]
    B --> C[OpenRouter API]
    
    subgraph "可调用的模型"
        D[GPT-5/o3]
        E[Gemini Pro]
        F[Claude 各版本]
        G[DeepSeek]
        H[其他模型...]
    end
    
    C --> D
    C --> E
    C --> F
    C --> G
    C --> H
    
    style A fill:#e1f5fe
    style C fill:#f3e5f5

实践建议

Context7 技巧：

  • API Key 非必须：不配置也能用，但有 Key 可放宽速率限制
  • 善用 topic 参数：聚焦特定功能时指定文档范围
  • 网络问题重试：文档获取失败多因临时网络波动

Zen MCP 心得：

  • 避免滥用：简单任务直接用 Claude 即可
  • 明确分工：分析用 GPT-5，编码用 Claude
  • 成本控制：按任务重要性选择 OpenRouter 上的模型

效果对比

场景 使用前 使用后
API 文档查询 手动查文档→教 AI→重试 “use context7”→一次成功
代码审计 多工具切换 分析→编码→报告全流程闭环
学习新技术 可能学到过时方案 实时获取最佳实践
开发效率 反复调试修改 显著减少返工

总结

这两个 MCP 直击核心痛点：

  • Context7 根治文档过期问题
  • Zen MCP 打破单模型能力局限

对于处理复杂技术栈的开发者，这俩工具堪称效率神器。它们没有花哨噱头，却实实在在地提升了开发体验。

如果你也在用 Claude，强烈建议试试这两个 MCP，相信你会拍腿感叹：”怎么没早点用！”

相关资源：