新闻详情

新闻详情

首页 / 资讯中心 / 详情

Datawhale速通AI编程开发:Roo Code + DeepSeek 第4章 MCP 配置与 settings.json 骨架笔记

发布时间:2026/11/16 8:03:53来源:尧图网络
Datawhale速通AI编程开发:Roo Code + DeepSeek 第4章 MCP 配置与 settings.json 骨架笔记
1. 从一次「连接失败」说起Roo Code 接上 DeepSeek 后MCP 到底卡在哪如果你跟着 Datawhale 速通 AI 编程开发教程走到第 4 章大概率已经完成了 Roo Code 接入 DeepSeek 的模型配置能正常对话、能改代码。但到了 MCP 这一节很多人会突然卡住明明main.py写好了settings.json也照着填了Roo Code 的 MCP 面板却一直转圈或者点开就报Connection failed。MCP 全称 Model Context Protocol你可以把它理解成「给 AI 装外挂」的协议。Roo Code 本身只会聊天和读写文件但通过 MCP它可以调用你本地写的小服务——比如查数据库、跑脚本、读某个私有 API。DeepSeek 负责「想」MCP 负责「做」两者配合才能让 AI 编程从「给建议」变成「真动手」。这一章的核心动作其实就三件事写一个能被调用的 MCP 服务、在settings.json里声明它、然后验证 Roo Code 能不能连上。听起来简单但坑几乎全在「路径」和「环境」上。下面我按可复制的顺序拆开讲你跟着做就能在本地复现第 4 章流程。2. 前置准备TaoToken 与 Roo Code 的模型侧配置在折腾 MCP 之前先确认模型侧是通的。Roo Code 支持自定义 OpenAI 兼容接口如果你用 TaoToken 作为模型接入层配置会简单很多——它提供统一的 API 入口DeepSeek 系列模型可以直接在模型对话里试跑。你需要先拿到一个可用的 API Key。打开 TaoToken 的 API Keys 管理页https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite新建一个 Key 并复制。然后在 Roo Code 的设置里把 Provider 选成 OpenAI CompatibleBase URL 填https://taotoken.net/api模型名填你实际要用的 DeepSeek 模型标识。这里有个容易忽略的点Roo Code 的模型配置和 MCP 配置是两套独立的东西。模型通了不代表 MCP 能连MCP 连上了也不代表模型会主动调用它。第 4 章的作业要求「通过与 AI 交互的方式部署一个 MCP 服务」本质是让你先手动把服务跑起来再让 Roo Code 通过 MCP 协议去调用它。如果你还没配好模型可以先到模型对话页https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite确认 Key 能正常出结果再回来做 MCP。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite里面有 Base URL 和鉴权头的完整说明。3. 可复制配置settings.json 骨架与 MCP 服务声明第 4 章最核心的交付物就是这段settings.json。Roo Code 的 MCP 配置入口在设置面板的 MCP Servers 区域点开后可以直接编辑 JSON。骨架长这样{ mcpServers: { hello: { command: /绝对路径/到/虚拟环境/bin/python, args: [ /绝对路径/到/main.py ], cwd: /绝对路径/到/项目目录 } } }三个字段的含义必须分清这是排障的关键字段作用常见错误command用哪个解释器启动服务填了系统 python 而非虚拟环境的 pythonargs传给解释器的脚本路径用了相对路径Roo Code 找不到文件cwd服务工作目录省略后服务内相对路径读取失败command一定要指向你创建虚拟环境时那个环境里的 python。比如你用 conda 建了roo环境那路径通常是~/miniconda3/envs/roo/bin/pythonmacOS/Linux或C:\Users\你\miniconda3\envs\roo\python.exeWindows。填系统默认 python 是最常见的翻车点——因为系统 python 里根本没装mcp包。args和cwd都建议用绝对路径。相对路径在 Roo Code 启动子进程时工作目录未必是你以为的那个很容易出现「文件明明在就是找不到」。服务端代码可以直接用第 4 章给的main.py它基于FastMCP注册了一个greet工具。关键结构是用self.server.tool()装饰器把函数暴露成工具FastMCP 会自动从函数签名和 docstring 里提取参数说明。启动时调用self.server.run()服务就会以 stdio 方式等待 Roo Code 连接。写完代码后先在终端手动验证服务能起来conda activate roo python /绝对路径/到/main.py如果看到日志里打出「MCP服务启动中」和「等待连接」说明服务本身没问题问题就只剩 Roo Code 侧的配置了。4. 逐项验证启动检查、日志确认、调用回显配置填完别急着点保存按下面三步走每步都有明确的成功信号。第一步启动检查。在 Roo Code 的 MCP 面板点「Retry Connection」。如果配置正确服务名旁边会出现绿色状态点或者显示已连接的工具数量。如果一直转圈先回到终端确认服务能独立启动——终端能起、Roo Code 起不来九成是command路径填错。第二步日志确认。Roo Code 的 MCP 面板通常有日志入口点开能看到子进程的 stdout/stderr。成功连接时你会看到服务端打印的启动日志。如果日志里出现ModuleNotFoundError: No module named mcp说明command指向的 python 没装 mcp 包回去检查虚拟环境路径。第三步调用回显。在 Roo Code 对话里让它调用hello服务的greet工具比如输入「用 hello 服务跟 TaoToken 打个招呼」。模型会发起工具调用服务端日志会打印「收到问候请求name: TaoToken」和「返回结果: Hello TaoToken!」对话里也会显示工具返回的内容。这三步全过第 4 章的 MCP 环节就算跑通了。如果你在验证模型调用时想单独测试工具回显可以到模型对话页https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite配合调试确认模型侧和工具侧是两条独立的链路。5. 本篇常见错排查从 localhost 打不开到端口映射第 4 章笔记里还提到一个高频问题Roo Code 引导你装了 Node.js 后让你运行code index.html start http://localhost:5500结果浏览器显示 localhost 打不开。这个报错和 MCP 本身无关但同属「AI 让你跑命令你不理解原理」的典型场景。原因很简单start http://localhost:5500只是让浏览器去访问 5500 端口但没有任何服务在 5500 端口上监听。code index.html只是用编辑器打开文件并没有启动服务器。所谓「映射」就是把一个本地目录通过 HTTP 服务暴露到某个端口上。正确做法是装一个轻量 HTTP 服务npm install -g http-server http-server -p 5500 -o-p 5500指定端口-o自动打开浏览器。这时 5500 端口才有真正的服务在跑localhost 才能打开。回到 MCP 场景类似的「想当然」错误还有几个command填了python而不是绝对路径Roo Code 在非交互环境下找不到 PATH 里的 python。args里脚本路径带空格没加引号被拆成多个参数。虚拟环境建了但没装mcp包只装了fastmcp是不够的from mcp.server.fastmcp import FastMCP依赖mcp主包。服务端代码里if __name__ __main__写错缩进导致run()根本没执行。排查顺序建议固定为终端能否独立启动 → 日志有无报错 → 路径是否绝对 → 包是否装全。按这个顺序走基本不会绕远路。6. 继续往下走把 MCP 接进你的日常编码流第 4 章的 MCP 配置只是起点。跑通hello服务后你可以把同样的骨架套到真实场景写一个读本地 SQLite 的服务、一个调内部 API 的服务、一个跑测试脚本的服务。settings.json的结构不变只是mcpServers下多几个条目。如果你打算长期用 Roo Code 做 Agent 式编码建议把模型侧统一走 TaoToken 的 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite这样模型调用和 MCP 工具调用分开管理排障时能快速定位是模型没响应还是工具没连上。配置细节参考接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite里面有完整的 Base URL 和鉴权示例。最后留一个我踩过的坑改完settings.json后Roo Code 有时不会自动重载 MCP 配置需要手动点一次 Retry Connection或者重启窗口。如果你确认路径和包都没问题但就是连不上先重启再排查能省不少时间。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉