本多敏行去年底开始，MCP（Model Context Protocol）这阵风就从 AI 编程工具圈一路吹到了日常开发者的面前。Claude Code、Cursor 这些工具大家都在装 MCP server，但说实话，很多 MCP 都是社区开发者塞进去的小玩具，真正由官方维护、能直接管理云端基础设施的不算多。Cloudflare 推出的官方 MCP server 是我最近实测下来比较有代表性的一个：通过它，AI 助手可以直接查询和修改 DNS 记录、部署 Worker、操作 R2 对象存储和 D1 数据库，相当于把 Cloudflare 的整张管理面“接入”了对话窗口。这篇文章不聊概念以外的东西，就写我怎么从零配置、跑通、并且踩了哪些坑，想给准备在 Claude Code 或 Cursor 里接 Cloudflare MCP 的朋友一份可以直接照着做的记录。
1. 先弄清楚：MCP 到底是个什么“协议”
1.1 从“工具调用的暴政”说起
在 MCP 出现之前，想让 AI 替我操作一个外部系统，通常只有两条路：要么让 AI 只生成代码，我自己复制去跑；要么我预先写好一套 API 调用脚本，把参数暴露给 AI 去填充。第一条路的问题是“AI 只动嘴，动手的还是我”，第二条路的问题是每接一个服务就要写一套独立脚本，还要自己管鉴权、解析返回结果、处理错误。做多了你就会发现，AI 像个刚入职但不会用内部系统的实习生，什么都要你手把手帮它对接。
MCP 想解决的正是这个割裂问题。它定义了一套统一协议，让 AI 应用（Host）通过本地或远程的 MCP Server 发现并调用外部能力。Server 只需要把工具（Tool）暴露出来，AI 客户端就能拿到这些工具的名字、参数说明和返回结构，然后自主决定“该调哪个函数”。步骤从“写脚本 -> 调 API -> 解析 JSON”简化成了“AI 知道有这个工具 -> AI 按规则发起调用 -> 你得到执行结果”。
1.2 MCP 的核心概念：Client、Server、Tool、Resource
我第一次看文档时被一堆名词绕晕了，拆开看其实不复杂：
- Host：承载 AI 对话的应用，比如 Claude Desktop、Claude Code、Cursor。
- Client：Host 内部负责和 Server 建立连接、管理会话的组件。
- Server：暴露工具和资源的独立进程或服务，比如 Cloudflare 官方这个 MCP server。
- Tool：Server 提供给 AI 的函数，比如
create_worker、list_dns_records。 - Resource：Server 暴露的可读数据，通常以 URI 形式表示，AI 可以像读文件一样读取，例如 Cloudflare zone 的配置信息。
理解它们之间的关系，可以用一个“USB-C 统一接口”的类比：MCP 就是那个统一接口标准，Server 是各种外设，Host 是电脑。电脑不需要知道外设内部怎么工作，只要外设符合接口标准，插上就能用。AI 也一样，不需要关心 Cloudflare API 的鉴权方式和请求格式，只要 MCP Server 把能力包装成标准工具，它就能直接调用。
另外经常有人问 MCP 和 Skills 有什么区别。我目前的体会是，Skills 更像“提示词包”，作用是教会 AI 某种工作流程或思维方式，不一定能真正触发外部操作；MCP Tool 则是真实能握住的外部系统操作把手。两者不是替代关系，而是搭配关系：用 Skill 定义步骤，用 MCP Tool 执行动作。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. Cloudflare 为什么要做自己的 MCP server
2.1 Cloudflare 生态里值得被 AI 操作的东西
Cloudflare 现在远远不止一个 CDN，它更像一个边缘计算平台。日常开发里，我们最常打交道的资源包括：
- Worker：无服务器函数，部署在全球边缘节点。
- DNS Record：域名解析记录，改一条记录是高频操作。
- Pages Project：静态站点和全栈应用托管。
- R2 Object Storage：兼容 S3 的对象存储。
- D1 Database：基于 SQLite 的边缘关系型数据库。
- KV Storage：轻量键值存储。
这些资源全部有对应的 HTT