MCP协议实战：30分钟给Claude接上你公司的内部API

上周给团队做Claude落地，折腾了半天怎么让它访问内部API，最后发现MCP协议真的香，30分钟就搞定了。今天把完整流程写出来，大家直接抄作业就行。

为什么要给Claude接内部API？

说实话，现在用大模型做开发的同学，90%都遇到过这个问题：

大模型训练数据都是公开的，根本不知道你公司内部的业务数据，也没法调用你内部的系统接口。

之前我们为了让Claude能查内部的用户数据，搞了个很蠢的方案：每次让用户把数据导出来，复制粘贴到对话框里。

不仅麻烦，还容易泄露敏感数据，而且数据量大的时候根本没法弄。

直到上个月Anthropic官方推出了MCP（Model Context Protocol）协议，完美解决了这个问题。

MCP到底是什么？

简单来说，MCP就是一套让大模型安全访问外部服务的标准协议。

你可以把它理解成大模型和外部系统之间的"翻译官"：

你公司的内部API不需要改任何代码，只要写个简单的MCP适配器就行
Claude会自动识别什么时候需要调用内部API，不需要你写复杂的提示词
所有请求都经过权限校验，不会泄露敏感数据
最重要的是，整个配置过程真的非常简单，我亲测30分钟就能跑通。

准备工作

首先你需要准备好这几样东西：

一个可以正常使用的Claude API Key（没有的话去Anthropic官网申请，几分钟就搞定）
你公司内部API的访问地址和权限
一台能同时访问公网和内部网络的服务器（做MCP代理用）
基础的Node.js/Python环境就行，不用什么复杂的依赖

哦对了，官方有现成的MCP SDK，直接用就行，不用自己从零写协议实现。

第一步：搭建MCP代理服务

我用的是Node.js版本的SDK，写起来最方便。

首先初始化项目：

bash 复制代码

mkdir claude-mcp-proxy
cd claude-mcp-proxy
npm init -y
npm install @anthropic-ai/mcp-server express cors

然后创建一个server.js文件，核心代码非常简单：

javascript 复制代码

const { MCPServer } = require('@anthropic-ai/mcp-server');
const express = require('express');
const cors = require('cors');
const app = express();
app.use(cors());
app.use(express.json());

// 初始化MCP服务器
const mcpServer = new MCPServer({
  // 定义你要暴露给Claude的工具
  tools: [
    {
      name: "query_internal_user_data",
      description: "查询公司内部的用户数据，根据用户ID返回用户信息",
      parameters: {
        type: "object",
        properties: {
          user_id: {
            type: "string",
            description: "要查询的用户ID"
          }
        },
        required: ["user_id"]
      },
      // 工具调用的具体实现
      handler: async (params) => {
        const { user_id } = params;
        // 这里调用你公司的内部API
        const response = await fetch(`https://internal-api.your-company.com/users/${user_id}`, {
          headers: {
            "Authorization": "Bearer YOUR_INTERNAL_API_TOKEN"
          }
        });
        return await response.json();
      }
    },
    // 你可以在这里加更多的内部API工具
    {
      name: "query_order_statistics",
      description: "查询订单统计数据，可以按日期范围查询",
      parameters: {
        type: "object",
        properties: {
          start_date: { type: "string", description: "开始日期，格式YYYY-MM-DD" },
          end_date: { type: "string", description: "结束日期，格式YYYY-MM-DD" }
        },
        required: ["start_date", "end_date"]
      },
      handler: async (params) => {
        const { start_date, end_date } = params;
        const response = await fetch(`https://internal-api.your-company.com/orders/statistics?start=${start_date}&end=${end_date}`, {
          headers: { "Authorization": "Bearer YOUR_INTERNAL_API_TOKEN" }
        });
        return await response.json();
      }
    }
  ]
});

// 暴露MCP接口
app.post('/mcp', async (req, res) => {
  const result = await mcpServer.handleRequest(req.body);
  res.json(result);
});

// 启动服务
const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
  console.log(`MCP代理服务运行在 http://localhost:${PORT}`);
});

是不是超简单？你只要把内部API的地址和参数改一下就行，其他的SDK都帮你处理好了。

启动服务：

bash 复制代码

node server.js

现在你的MCP代理服务就跑起来了。

第二步：配置Claude使用你的MCP服务

接下来需要告诉Claude，有这么个MCP服务可以用。

如果你用的是官方的Claude API，调用的时候加个mcp_endpoints参数就行：

python 复制代码

from anthropic import Anthropic

client = Anthropic(api_key="YOUR_ANTHROPIC_API_KEY")

response = client.messages.create(
  model="claude-3-opus-20240229",
  max_tokens=1024,
  messages=[
    {"role": "user", "content": "帮我查一下用户ID为12345的用户信息，还有2026年4月的订单统计"}
  ],
  # 在这里配置你的MCP服务地址
  mcp_endpoints=[
    "https://your-mcp-proxy-server.com/mcp"
  ]
)

print(response.content[0].text)

就这么简单！Claude会自动识别用户的问题需要调用哪些工具，然后自动去你的MCP服务调用对应的接口，再把结果整合到回答里。

你根本不用写任何提示词告诉它怎么调用API，MCP协议会自动处理所有的参数校验和格式转换。

第三步：测试效果

我测试的时候，问的问题是"帮我查一下用户ID 12345的信息，还有4月的订单总金额"。

Claude自动做了这几件事：

识别到需要调用两个工具：query_internal_user_data和query_order_statistics
自动提取参数：user_id=12345，start_date=2026-04-01，end_date=2026-04-30
调用我的MCP代理服务，拿到两个接口的返回结果
把结果整合起来，用自然语言回答我
整个过程不到3秒，完全不需要人工干预，效果真的惊到我了。

踩坑记录

我在配置的过程中也踩了几个坑，大家注意避坑：

1. 内网访问问题

MCP代理服务必须同时能访问公网和内网，不然Claude的请求过来了，但是访问不了内部API。

我一开始把代理服务部署在了公网服务器上，访问不了内部API，折腾了半天。后来改成部署在公司的VPN网络里，对外暴露一个公网端口就好了。

2. 权限校验

千万不要把MCP服务直接暴露在公网上不加任何校验！

我是在MCP服务前面加了一层API Key校验，只有Anthropic的官方IP段才能访问，避免被人恶意调用内部API。

官方文档里有最新的Anthropic IP段列表，直接配置到nginx或者服务层就行。

3. 参数校验

虽然MCP SDK会自动校验参数，但是最好在handler里再加一层业务校验，避免传入非法参数导致内部API出错。

比如用户ID的格式、日期范围的合法性之类的，多一层校验没坏处。

4. 超时时间

内部API的响应可能比较慢，记得把MCP服务的超时时间设长一点，我设的是30秒，足够大部分内部接口响应了。

扩展玩法

搞定基础功能之后，我还扩展了几个好用的功能：

加了调用日志，所有的工具调用都记录下来，方便排查问题
加了权限控制，不同的用户角色只能调用对应的API
加了缓存，相同的查询请求直接返回缓存结果，不用每次都调用内部API
加了更多的工具，比如查询内部知识库、创建工单、发送内部通知之类的
现在我们团队的客服、运营甚至产品同学，都直接用Claude查内部数据，不用再找技术同学跑数了，效率提升了至少一倍。

写在最后

说实话，MCP协议真的是我最近半年见过的最实用的AI开发协议。

之前想给大模型接外部工具，要么用复杂的Function Calling提示词工程，要么用各种第三方中间件，麻烦得要死。

现在有了MCP，你只要专注写自己的业务逻辑就行，其他的都交给协议处理。

整个配置过程真的只有30分钟，推荐所有做AI落地的同学都试试。

如果配置过程中遇到问题，欢迎评论区留言，我看到都会回复。