1. 从零理解 MCP 与飞书机器人自动发消息的完整链路MCP 全称 Model Context Protocol你可以把它理解成给 AI 编程工具装的一个「外挂工具箱」。平时 Cursor 只能读写你本地的文件、跑跑终端命令但一旦接上 MCP 服务它就能调用外部能力——比如发飞书消息、查数据库、调第三方 API。飞书机器人自动发消息这个场景就是最典型的 MCP 入门练手项目链路短、反馈快、成就感强。这篇文章要交付的东西很具体用 Cursor 写一个 MCP 服务通过飞书群自定义机器人的 webhook 地址让 Cursor 里的一句指令直接把消息推到飞书群。同时我会把 MCP 服务里需要调用的模型 endpoint 和鉴权配置统一改到 TaoToken 的 API 通道上这样你后续写更复杂的 MCP 工具时不用每个项目都去翻不同厂商的 Key。适合谁看完全没写过 MCP 的小白、用过 Cursor 但没碰过 MCP 配置的开发者、想给团队做自动化通知的运维同学。你不需要精通 Python但需要能跟着复制粘贴、改几个参数。整个过程我实测下来从建群到收到第一条飞书消息大概三分钟。先说清楚飞书机器人的两种类型避免你走弯路。第一种是群自定义机器人它靠一个 webhook URL 接收 HTTP POST 请求不需要走飞书开放平台的鉴权流程最适合练手。第二种是应用机器人需要调飞书开放平台的服务端 API涉及 tenant_access_token 等鉴权复杂度高一个量级。本文只讲第一种因为它的链路最短也最容易验证成功。MCP 服务本身是一个独立进程Cursor 通过 stdio 通信模式跟它交互。你在 Cursor 里说「把当前项目目录发到飞书」Cursor 会判断该调用哪个 MCP 工具然后把参数传给 MCP 服务进程服务进程再向飞书 webhook 发 POST 请求。整条链路里MCP 服务是桥梁webhook 是出口Cursor 是入口。这里有个关键点MCP 服务里如果还要调用大模型做消息总结或格式化就需要一个模型 endpoint 和 API Key。传统做法是每个项目单独配一家厂商的 Key管理起来很碎。TaoToken 的价值就在这里——它提供统一的 API 通道你只需要一个 Key就能在多个 MCP 项目里复用同一套鉴权配置。下面第二节我会具体讲怎么把 MCP 的 endpoint 指到 TaoToken。2. TaoToken 统一 Key 与 API 通道的前置配置在写 MCP 服务之前先把模型通道配好否则后面 MCP 里调用模型时会报 401 或鉴权失败。TaoToken 的官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 基础地址是 https://taotoken.net/api注意 API 地址后面不加 UTM 参数。你需要先拿到一个 API Key。进入控制台后创建 Key复制出来保存到本地。这个 Key 就是你所有 MCP 项目共用的统一凭证。我试过在三个不同的 MCP 服务里用同一个 Key只要 Base URL 和 Model ID 对得上都能正常跑通。MCP 服务里调用模型时通常需要三个东西Base URL、API Key、Model ID。TaoToken 的 Base URL 就是 https://taotoken.net/apiKey 是你刚创建的那串Model ID 根据你实际要用的模型填。比如你要用 Claude 系列做消息总结就填对应的模型标识要用其他模型换成对应的 ID 即可。这三个参数在后面的 MCP 配置片段里会反复出现建议你先记下来。如果你还没创建 Key可以走这个路径模型对话页面先试一下通道是否通然后去 API Keys 页面创建正式 Key。模型对话的入口在 https://taotoken.net/api 对应的控制台里具体页面是模型对话。创建 Key 的页面是 API Keys。这两个页面建议都打开看一眼确认你的账号状态正常。为什么要强调「统一 Key」因为 MCP 生态里每个服务可能来自不同作者有的默认让你填 OpenAI 的 Key有的让你填 Anthropic 的 Key。如果你每个都单独配Key 散落在各个 mcp.json 里一旦要轮换或排查就很痛苦。统一到 TaoToken 之后你只需要维护一个 Key所有 MCP 服务的模型调用都走同一个通道排障时也只需要检查一个地方。还有一个实际好处MCP 服务在本地跑经常需要重启。如果你用的是按量计费的多个厂商 Key重启后偶尔会遇到额度或限流问题。统一通道后你在 TaoToken 控制台能看到调用记录哪次请求失败、失败原因是什么一目了然。这对调试 MCP 工具特别有用因为 MCP 的报错信息经常被 Cursor 吞掉你只能从服务端日志或通道侧记录去反查。配置完成后你可以先用一条 curl 验证通道是否可用。这条命令后面第三节会给出完整版本这里先记住思路用 Bearer 方式带上你的 Key向 TaoToken 的 API 地址发一个最小请求看返回是否正常。如果这一步就报 401那说明 Key 或 Base URL 有问题先别急着写 MCP把通道调通再说。3. 可复制的 MCP 配置片段与 Cursor 提示词模板这一节是核心操作区。先建项目文件夹比如叫 feishu-mcp-demo。然后去 MCP 官方 Python SDK 仓库把 README 下载下来放到项目目录里。这个 README 就是给 Cursor 看的「小抄」它里面包含了 MCP 服务的标准结构和示例代码。你不需要逐句读懂Cursor 能读懂就行。接着创建飞书群自定义机器人。在飞书里建一个群一个人也能建进入群设置找到群机器人添加自定义机器人。添加完成后飞书会弹出一个 webhook 地址复制保存到本地记事本。这个地址不要外发它相当于你群消息的投递凭证。现在打开 Cursor打开你的项目文件夹确保 README 文件在目录里。然后输入下面这段提示词。注意两个替换点README.md 换成你实际的文件名webhook 地址换成你自己的。阅读学习 README.md 中关于 MCP 服务搭建的资料基于此为我构建一个使用 webhook 发送飞书消息的 MCP 服务。 MCP server 介绍 工具名feishu-bot-message 工具描述 1、当用户想要发送飞书消息时总结消息内容并调用此工具。 2、环境变量飞书 bot 的 webhook URL 是 https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址 3、使用 stdio 通信模式。 4、模型调用使用以下配置 Base URL: https://taotoken.net/api API Key: 你的TaoTokenKey Model ID: 你的模型IDCursor 生成代码后打开 Cursor 设置找到 MCP 选项点击 add new server。这时它会打开 mcp.json 文件。如果没自动打开你手动在项目里找到或创建 .cursor/mcp.json。然后跟 Cursor 说请帮我把此项目的 MCP 配置添加到我已打开的 mcp.json 文件中。下面是一个可复制的 mcp.json 配置片段路径和字段名按你实际项目调整{ mcpServers: { feishu-bot-message: { command: python, args: [/你的项目路径/feishu-mcp-demo/server.py], env: { FEISHU_WEBHOOK_URL: https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址, TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: 你的TaoTokenKey, TAOTOKEN_MODEL_ID: 你的模型ID } } } }配置保存后Cursor 的 MCP 列表里这个服务应该显示绿点代表启动成功。如果显示红点或黄点先看 Cursor 的 MCP 日志常见原因是 Python 路径不对或依赖没装。你可以在项目目录里跑 pip install -r requirements.txt 补依赖。这里要强调三件套的完整性Base URL、Key、Model ID 缺一不可。如果你只填了 Key 没填 Base URLMCP 服务会默认往官方地址发请求可能因为网络或额度问题失败。如果你填了 Base URL 和 Key 但 Model ID 写错会报模型不存在的错误。这三个参数在 mcp.json 的 env 字段里都要写全。4. 验证请求与飞书消息成功推送配置绿点之后回到 Cursor 对话窗口输入一句测试指令把「MCP 通道测试成功」这句话发到飞书群。Cursor 会识别到 feishu-bot-message 工具并调用它。几秒内你的飞书群应该收到一条机器人消息。如果没收到先用 curl 单独验证 webhook 是否通。这条命令不经过 MCP直接测飞书侧curl -X POST https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址 \ -H Content-Type: application/json \ -d {msg_type:text,content:{text:curl 直连测试}}如果 curl 能收到消息说明 webhook 没问题问题在 MCP 服务或 Cursor 配置。如果 curl 也收不到检查 webhook 地址是否复制完整、机器人是否还在群里。再验证 TaoToken 通道。这条 curl 测模型侧curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的TaoTokenKey \ -H Content-Type: application/json \ -d {model:你的模型ID,messages:[{role:user,content:回复OK}]}返回里如果有 choices 字段且内容正常说明通道可用。如果返回 401检查 Key 是否复制错如果返回 model not found检查 Model ID。两条 curl 都通之后再回到 Cursor 里试更复杂的指令比如把当前项目目录下的文件列表整理成一段文字发到飞书。Cursor 会先读目录再调用 MCP 工具发送。你可以在飞书群里看到格式化后的消息。实测下来最容易出问题的环节是 mcp.json 的路径。args 里的 server.py 路径必须是绝对路径相对路径在 Cursor 重启后经常找不到。另外 env 字段里的变量名要和 server.py 里读取的变量名完全一致大小写敏感。如果你改过变量名两边都要同步改。成功收到消息后你可以继续试卡片消息。在 Cursor 里说用卡片格式把「部署完成」发到飞书。如果 MCP 服务里实现了 send_card_message 工具就能看到卡片效果。这一步不是必须的但能帮你确认 MCP 工具的扩展能力。5. 本篇常见报错排查对照报错一401 Unauthorized。这个通常出现在模型调用环节。先检查 mcp.json 里的 TAOTOKEN_API_KEY 是否和你在控制台创建的一致。如果 Key 没错检查 Base URL 是否写成了 https://taotoken.net/api 而不是其他地址。还有一种情况是 Key 被禁用或额度耗尽去控制台看调用记录。报错二local proxy failed 或 connection refused。这个多半是 MCP 服务进程没起来。看 Cursor MCP 列表里的状态点如果是红色点开日志看 Python 报错。常见原因是依赖没装、Python 版本不对、server.py 路径写错。你可以在终端里手动跑 python server.py看能否正常启动。报错三reading choices 相关错误。这个说明请求发出去了但返回结构不对。检查 Model ID 是否拼写正确有些模型 ID 带版本号或前缀。另外检查请求体里的 model 字段是否和 TaoToken 支持的模型列表匹配。如果返回里没有 choices可能是通道侧返回了错误信息把完整返回打印出来看。报错四OAuth 或鉴权跳转。MCP 服务如果误用了需要 OAuth 的接口会卡在鉴权环节。本文的场景不需要 OAuthwebhook 是直接 POST。如果你在代码里看到 OAuth 相关逻辑删掉或改成直接请求。TaoToken 的 API 通道用 Bearer Key 即可不需要额外 OAuth 流程。报错五飞书返回 19001 或 19002。这是飞书侧的参数错误通常是 msg_type 和 content 结构不匹配。text 消息要用 {msg_type:text,content:{text:...}}卡片消息要用对应的 card 结构。检查 MCP 服务里构造的 JSON 是否符合飞书文档要求。报错六Cursor 里看不到 MCP 工具。先确认 mcp.json 保存成功然后重启 Cursor。如果还看不到检查 mcp.json 的 JSON 格式是否合法多一个逗号都会导致解析失败。你可以用在线 JSON 校验工具过一遍。排查顺序建议先 curl 测 webhook再 curl 测 TaoToken 通道再手动跑 MCP 服务最后在 Cursor 里测。这样能把问题定位到具体环节不用盲目改配置。6. 长期编码与 Agent 场景的接入建议如果你只是偶尔发个飞书消息上面的配置够用了。但如果你想把 MCP 用在长期编码、自动化 Agent、多工具编排的场景建议把模型通道固定到 TaoToken 的 Coding Plan 上。Coding Plan 的入口在 https://taotoken.net/api 对应的控制台里具体页面是 coding-plan。它的好处是额度稳定适合 MCP 服务频繁调用模型的场景。另外Claude Code 和 Anthropic 风格的接入也可以走同一套通道。相关文档在 doc 页面Claude Code 的接入说明在 ClaudeCodeAnthropic 页面。如果你用 CC Switch 或 Cline MCP配置逻辑和本文一样Base URL 填 https://taotoken.net/apiKey 填你的 TaoToken KeyModel ID 填对应模型。这三件套在任何一个 MCP 客户端里都是通用的。我自己的做法是把 mcp.json 里的 env 字段抽成一个公共片段每个新 MCP 项目直接复制。这样新增服务时只需要改 server.py 路径和工具名模型通道部分不动。Key 轮换时也只改一个地方。最后给一个实用技巧MCP 服务的日志建议写到固定文件比如 /tmp/feishu-mcp.log。Cursor 的 MCP 日志窗口有时候会截断写到文件后你可以用 tail -f 实时看。特别是调试 webhook 请求体时把发出的 JSON 打印到日志里对照飞书返回码排查会快很多。
1. 从零理解 MCP 与飞书机器人自动发消息的完整链路MCP 全称 Model Context Protocol你可以把它理解成给 AI 编程工具装的一个「外挂工具箱」。平时 Cursor 只能读写你本地的文件、跑跑终端命令但一旦接上 MCP 服务它就能调用外部能力——比如发飞书消息、查数据库、调第三方 API。飞书机器人自动发消息这个场景就是最典型的 MCP 入门练手项目链路短、反馈快、成就感强。这篇文章要交付的东西很具体用 Cursor 写一个 MCP 服务通过飞书群自定义机器人的 webhook 地址让 Cursor 里的一句指令直接把消息推到飞书群。同时我会把 MCP 服务里需要调用的模型 endpoint 和鉴权配置统一改到 TaoToken 的 API 通道上这样你后续写更复杂的 MCP 工具时不用每个项目都去翻不同厂商的 Key。适合谁看完全没写过 MCP 的小白、用过 Cursor 但没碰过 MCP 配置的开发者、想给团队做自动化通知的运维同学。你不需要精通 Python但需要能跟着复制粘贴、改几个参数。整个过程我实测下来从建群到收到第一条飞书消息大概三分钟。先说清楚飞书机器人的两种类型避免你走弯路。第一种是群自定义机器人它靠一个 webhook URL 接收 HTTP POST 请求不需要走飞书开放平台的鉴权流程最适合练手。第二种是应用机器人需要调飞书开放平台的服务端 API涉及 tenant_access_token 等鉴权复杂度高一个量级。本文只讲第一种因为它的链路最短也最容易验证成功。MCP 服务本身是一个独立进程Cursor 通过 stdio 通信模式跟它交互。你在 Cursor 里说「把当前项目目录发到飞书」Cursor 会判断该调用哪个 MCP 工具然后把参数传给 MCP 服务进程服务进程再向飞书 webhook 发 POST 请求。整条链路里MCP 服务是桥梁webhook 是出口Cursor 是入口。这里有个关键点MCP 服务里如果还要调用大模型做消息总结或格式化就需要一个模型 endpoint 和 API Key。传统做法是每个项目单独配一家厂商的 Key管理起来很碎。TaoToken 的价值就在这里——它提供统一的 API 通道你只需要一个 Key就能在多个 MCP 项目里复用同一套鉴权配置。下面第二节我会具体讲怎么把 MCP 的 endpoint 指到 TaoToken。2. TaoToken 统一 Key 与 API 通道的前置配置在写 MCP 服务之前先把模型通道配好否则后面 MCP 里调用模型时会报 401 或鉴权失败。TaoToken 的官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentAPI 基础地址是 https://taotoken.net/api注意 API 地址后面不加 UTM 参数。你需要先拿到一个 API Key。进入控制台后创建 Key复制出来保存到本地。这个 Key 就是你所有 MCP 项目共用的统一凭证。我试过在三个不同的 MCP 服务里用同一个 Key只要 Base URL 和 Model ID 对得上都能正常跑通。MCP 服务里调用模型时通常需要三个东西Base URL、API Key、Model ID。TaoToken 的 Base URL 就是 https://taotoken.net/apiKey 是你刚创建的那串Model ID 根据你实际要用的模型填。比如你要用 Claude 系列做消息总结就填对应的模型标识要用其他模型换成对应的 ID 即可。这三个参数在后面的 MCP 配置片段里会反复出现建议你先记下来。如果你还没创建 Key可以走这个路径模型对话页面先试一下通道是否通然后去 API Keys 页面创建正式 Key。模型对话的入口在 https://taotoken.net/api 对应的控制台里具体页面是模型对话。创建 Key 的页面是 API Keys。这两个页面建议都打开看一眼确认你的账号状态正常。为什么要强调「统一 Key」因为 MCP 生态里每个服务可能来自不同作者有的默认让你填 OpenAI 的 Key有的让你填 Anthropic 的 Key。如果你每个都单独配Key 散落在各个 mcp.json 里一旦要轮换或排查就很痛苦。统一到 TaoToken 之后你只需要维护一个 Key所有 MCP 服务的模型调用都走同一个通道排障时也只需要检查一个地方。还有一个实际好处MCP 服务在本地跑经常需要重启。如果你用的是按量计费的多个厂商 Key重启后偶尔会遇到额度或限流问题。统一通道后你在 TaoToken 控制台能看到调用记录哪次请求失败、失败原因是什么一目了然。这对调试 MCP 工具特别有用因为 MCP 的报错信息经常被 Cursor 吞掉你只能从服务端日志或通道侧记录去反查。配置完成后你可以先用一条 curl 验证通道是否可用。这条命令后面第三节会给出完整版本这里先记住思路用 Bearer 方式带上你的 Key向 TaoToken 的 API 地址发一个最小请求看返回是否正常。如果这一步就报 401那说明 Key 或 Base URL 有问题先别急着写 MCP把通道调通再说。3. 可复制的 MCP 配置片段与 Cursor 提示词模板这一节是核心操作区。先建项目文件夹比如叫 feishu-mcp-demo。然后去 MCP 官方 Python SDK 仓库把 README 下载下来放到项目目录里。这个 README 就是给 Cursor 看的「小抄」它里面包含了 MCP 服务的标准结构和示例代码。你不需要逐句读懂Cursor 能读懂就行。接着创建飞书群自定义机器人。在飞书里建一个群一个人也能建进入群设置找到群机器人添加自定义机器人。添加完成后飞书会弹出一个 webhook 地址复制保存到本地记事本。这个地址不要外发它相当于你群消息的投递凭证。现在打开 Cursor打开你的项目文件夹确保 README 文件在目录里。然后输入下面这段提示词。注意两个替换点README.md 换成你实际的文件名webhook 地址换成你自己的。阅读学习 README.md 中关于 MCP 服务搭建的资料基于此为我构建一个使用 webhook 发送飞书消息的 MCP 服务。 MCP server 介绍 工具名feishu-bot-message 工具描述 1、当用户想要发送飞书消息时总结消息内容并调用此工具。 2、环境变量飞书 bot 的 webhook URL 是 https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址 3、使用 stdio 通信模式。 4、模型调用使用以下配置 Base URL: https://taotoken.net/api API Key: 你的TaoTokenKey Model ID: 你的模型IDCursor 生成代码后打开 Cursor 设置找到 MCP 选项点击 add new server。这时它会打开 mcp.json 文件。如果没自动打开你手动在项目里找到或创建 .cursor/mcp.json。然后跟 Cursor 说请帮我把此项目的 MCP 配置添加到我已打开的 mcp.json 文件中。下面是一个可复制的 mcp.json 配置片段路径和字段名按你实际项目调整{ mcpServers: { feishu-bot-message: { command: python, args: [/你的项目路径/feishu-mcp-demo/server.py], env: { FEISHU_WEBHOOK_URL: https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址, TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: 你的TaoTokenKey, TAOTOKEN_MODEL_ID: 你的模型ID } } } }配置保存后Cursor 的 MCP 列表里这个服务应该显示绿点代表启动成功。如果显示红点或黄点先看 Cursor 的 MCP 日志常见原因是 Python 路径不对或依赖没装。你可以在项目目录里跑 pip install -r requirements.txt 补依赖。这里要强调三件套的完整性Base URL、Key、Model ID 缺一不可。如果你只填了 Key 没填 Base URLMCP 服务会默认往官方地址发请求可能因为网络或额度问题失败。如果你填了 Base URL 和 Key 但 Model ID 写错会报模型不存在的错误。这三个参数在 mcp.json 的 env 字段里都要写全。4. 验证请求与飞书消息成功推送配置绿点之后回到 Cursor 对话窗口输入一句测试指令把「MCP 通道测试成功」这句话发到飞书群。Cursor 会识别到 feishu-bot-message 工具并调用它。几秒内你的飞书群应该收到一条机器人消息。如果没收到先用 curl 单独验证 webhook 是否通。这条命令不经过 MCP直接测飞书侧curl -X POST https://open.feishu.cn/open-apis/bot/v2/hook/你的实际地址 \ -H Content-Type: application/json \ -d {msg_type:text,content:{text:curl 直连测试}}如果 curl 能收到消息说明 webhook 没问题问题在 MCP 服务或 Cursor 配置。如果 curl 也收不到检查 webhook 地址是否复制完整、机器人是否还在群里。再验证 TaoToken 通道。这条 curl 测模型侧curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer 你的TaoTokenKey \ -H Content-Type: application/json \ -d {model:你的模型ID,messages:[{role:user,content:回复OK}]}返回里如果有 choices 字段且内容正常说明通道可用。如果返回 401检查 Key 是否复制错如果返回 model not found检查 Model ID。两条 curl 都通之后再回到 Cursor 里试更复杂的指令比如把当前项目目录下的文件列表整理成一段文字发到飞书。Cursor 会先读目录再调用 MCP 工具发送。你可以在飞书群里看到格式化后的消息。实测下来最容易出问题的环节是 mcp.json 的路径。args 里的 server.py 路径必须是绝对路径相对路径在 Cursor 重启后经常找不到。另外 env 字段里的变量名要和 server.py 里读取的变量名完全一致大小写敏感。如果你改过变量名两边都要同步改。成功收到消息后你可以继续试卡片消息。在 Cursor 里说用卡片格式把「部署完成」发到飞书。如果 MCP 服务里实现了 send_card_message 工具就能看到卡片效果。这一步不是必须的但能帮你确认 MCP 工具的扩展能力。5. 本篇常见报错排查对照报错一401 Unauthorized。这个通常出现在模型调用环节。先检查 mcp.json 里的 TAOTOKEN_API_KEY 是否和你在控制台创建的一致。如果 Key 没错检查 Base URL 是否写成了 https://taotoken.net/api 而不是其他地址。还有一种情况是 Key 被禁用或额度耗尽去控制台看调用记录。报错二local proxy failed 或 connection refused。这个多半是 MCP 服务进程没起来。看 Cursor MCP 列表里的状态点如果是红色点开日志看 Python 报错。常见原因是依赖没装、Python 版本不对、server.py 路径写错。你可以在终端里手动跑 python server.py看能否正常启动。报错三reading choices 相关错误。这个说明请求发出去了但返回结构不对。检查 Model ID 是否拼写正确有些模型 ID 带版本号或前缀。另外检查请求体里的 model 字段是否和 TaoToken 支持的模型列表匹配。如果返回里没有 choices可能是通道侧返回了错误信息把完整返回打印出来看。报错四OAuth 或鉴权跳转。MCP 服务如果误用了需要 OAuth 的接口会卡在鉴权环节。本文的场景不需要 OAuthwebhook 是直接 POST。如果你在代码里看到 OAuth 相关逻辑删掉或改成直接请求。TaoToken 的 API 通道用 Bearer Key 即可不需要额外 OAuth 流程。报错五飞书返回 19001 或 19002。这是飞书侧的参数错误通常是 msg_type 和 content 结构不匹配。text 消息要用 {msg_type:text,content:{text:...}}卡片消息要用对应的 card 结构。检查 MCP 服务里构造的 JSON 是否符合飞书文档要求。报错六Cursor 里看不到 MCP 工具。先确认 mcp.json 保存成功然后重启 Cursor。如果还看不到检查 mcp.json 的 JSON 格式是否合法多一个逗号都会导致解析失败。你可以用在线 JSON 校验工具过一遍。排查顺序建议先 curl 测 webhook再 curl 测 TaoToken 通道再手动跑 MCP 服务最后在 Cursor 里测。这样能把问题定位到具体环节不用盲目改配置。6. 长期编码与 Agent 场景的接入建议如果你只是偶尔发个飞书消息上面的配置够用了。但如果你想把 MCP 用在长期编码、自动化 Agent、多工具编排的场景建议把模型通道固定到 TaoToken 的 Coding Plan 上。Coding Plan 的入口在 https://taotoken.net/api 对应的控制台里具体页面是 coding-plan。它的好处是额度稳定适合 MCP 服务频繁调用模型的场景。另外Claude Code 和 Anthropic 风格的接入也可以走同一套通道。相关文档在 doc 页面Claude Code 的接入说明在 ClaudeCodeAnthropic 页面。如果你用 CC Switch 或 Cline MCP配置逻辑和本文一样Base URL 填 https://taotoken.net/apiKey 填你的 TaoToken KeyModel ID 填对应模型。这三件套在任何一个 MCP 客户端里都是通用的。我自己的做法是把 mcp.json 里的 env 字段抽成一个公共片段每个新 MCP 项目直接复制。这样新增服务时只需要改 server.py 路径和工具名模型通道部分不动。Key 轮换时也只改一个地方。最后给一个实用技巧MCP 服务的日志建议写到固定文件比如 /tmp/feishu-mcp.log。Cursor 的 MCP 日志窗口有时候会截断写到文件后你可以用 tail -f 实时看。特别是调试 webhook 请求体时把发出的 JSON 打印到日志里对照飞书返回码排查会快很多。
