OpenCode 如何通过 MCP 扩展机制接入外部工具

使用过 OpenCode 的用户都知道，它在读代码、写测试、修复 bug 等方面表现出色。不过，再智能的 AI 编程助手，如果只能在自己的封闭环境中运行，其价值始终有限。真正实用的能力，在于能否与外部世界交互：例如查询数据库、调用 API、修改 Jira 工单，或者连接 Salesforce 查找客户信息。

这正是 MCP 所解决的问题。

MCP 是什么？

Model Context Protocol（MCP）是一个开放协议，专门用于让 LLM 应用与外部数据源、工具建立连接。可以将其理解为一个标准化的“插头”——无论使用 Claude、Cursor 还是 OpenCode，只要支持 MCP，就能通过统一的方式接入多种外部工具。

其架构采用典型的客户端-主机-服务器模式。拆解来看：

• Host（主机）：OpenCode 本身作为主机，负责创建和管理客户端、控制权限、协调 AI 模型。
• Client（客户端）：主机为每个 MCP 服务器创建一个客户端，专门负责与对应的服务器通信。
• Server（服务器）：实际执行任务的组件，将工具、资源和提示词暴露给 AI 使用。

通信方面，MCP 基于 JSON-RPC 2.0 协议，采用无状态设计——每个请求都自包含，并携带协议版本、客户端标识和能力声明。这种设计使得服务器既可在本地运行，也可部署为远程服务，具有很高的灵活性。

OpenCode 如何集成 MCP？

OpenCode 对 MCP 的支持较为完善。只需在配置文件的 mcp 字段下定义 MCP 服务器，系统便会自动将 MCP 提供的工具与内置工具合并，统一交给 LLM 使用。

集成方式分为两种：本地服务器和远程服务器。

本地 MCP 服务器

本地服务器将 MCP 服务器作为子进程启动，通过标准输入输出（stdio）与 OpenCode 通信。

配置方法简单，在 opencode.json 中添加以下内容：

{
  "mcp": {
    "everything": {
      "type": "local",
      "command": ["npx", "-y", "@modelcontextprotocol/server-everything"]
    }
  }
}

其中 type 必须设置为 "local"，command 为启动服务器的命令和参数。还可配置 environment 传递环境变量、timeout 设置超时时间（默认 5 秒）、enabled 控制是否启用。

配置完成后，在提示词中直接说“use the mcp_everything tool”即可调用。

远程 MCP 服务器

远程服务器通过 HTTP 通信，适用于部署在云端的服务。配置方式类似，只需将 type 改为 "remote"，并添加 url：

{
  "mcp": {
    "composio": {
      "type": "remote",
      "url": "https://connect.composio.dev/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_TOKEN"
      }
    }
  }
}

远程服务器还支持 OAuth 认证——若 MCP 服务器需要登录授权，在配置中增加 oauth 字段即可。

更优雅的方式：将 MCP 嵌入 Skill

除了在全局配置中添加 MCP 服务器，OpenCode 还提供了一种更简洁的玩法——将 MCP 服务器直接嵌入 Skill 中。

具体做法是在 Skill 的 Markdown 文件的 YAML 头信息中定义 MCP 服务器：

---
name: my-skill
description: "A skill that uses a custom MCP server"
mcp:
  my-server:
    command: ["npx", "-y", "@some/mcp-server"]
    environment:
      API_KEY: "${MY_API_KEY}"
---

或者直接在 Skill 目录中放置一个 mcp.json 文件。

这样做的好处是：Skill 自行管理自身的 MCP 依赖，无需修改全局配置。加载 Skill 时，插件会自动发现并连接对应的 MCP 服务器。更关键的是，连接采用懒加载机制——首次使用时才连接，5 分钟无活动则自动断开并清理资源，非常省心。

实际示例：接入 Salesforce

理论讲解之后，以 Salesforce 为例，展示如何将实际业务工具接入 OpenCode。

这里通过 Composio 的 MCP 网关连接 Salesforce，有两种方式：

方式一：使用 Composio CLI

先安装 CLI 并登录：

npx composio-cli login

然后在 OpenCode 中让 AI 触发认证：直接说“Authenticate with Salesforce Composio”。完成浏览器中的授权流程即可。

方式二：直接在 OpenCode 配置中添加

在 opencode.json 的 mcp 字段中添加：

{
  "mcp": {
    "composio": {
      "type": "remote",
      "url": "https://connect.composio.dev/mcp"
    }
  }
}

然后同样让 AI 触发认证流程。

完成配置后，即可在 OpenCode 中直接提出如下请求：

• “Add new contact to spring campaign”
• “Clone opportunity with all associated products”

OpenCode 的 Agent 将通过 MCP 调用 Salesforce 的对应工具来完成操作。整个过程简单直接。

需要注意的关键点

上下文占用：MCP 服务器会占用 LLM 的上下文空间。工具越多，消耗的 token 越多。部分服务器（如 GitHub MCP）消耗较大，容易撑爆上下文限制。因此建议按需配置，避免过度添加。

安全边界：MCP 的设计原则之一是实现服务器之间的相互隔离——每个服务器只获取所需信息，无法查看完整的对话历史，也无法了解其他服务器的行为。主机（OpenCode）负责维护这一安全边界。但需注意，工具本身可能涉及任意代码执行，因此在调用工具前，OpenCode 会先征求用户同意。

能力协商：MCP 采用能力协商机制——客户端和服务器在每次请求中声明各自支持的功能。服务器需声明支持 tools，客户端才能调用工具。该机制保证了扩展的灵活性，双方可按需增加新能力，无需等待协议升级。

小结

MCP 解决了一个实际问题：AI 编程助手不能孤立存在。通过 MCP，OpenCode 既可连接本地运行的命令行工具，也可对接远端的 SaaS 服务，并且接入方式是标准化的——无需为每个工具单独编写胶水代码。

配置上，既可采用全局的 opencode.json，也可选择 Skill 自带的 MCP 定义。具体选用哪种方式，取决于实际使用场景。但无论哪种选择，底层逻辑一致：MCP 服务器暴露工具 → OpenCode 发现并注册这些工具 → LLM 在需要时调用它们。

简而言之，MCP 相当于一个“USB 接口”——让 AI 能够连接各种外设，执行更多任务。OpenCode 将这个接口实现得相当扎实，剩下的就看用户能接入多少有趣的应用了。