Peacock MCP 服务器

“Peacock” MCP 服务器的作用是什么？

Peacock MCP 服务器旨在作为 Visual Studio Code 中 Peacock 扩展的 Model Context Protocol (MCP) 服务器。其主要目标是演示 MCP 服务器如何促进 AI 助手与外部 API 的连接，从而增强开发工作流。作为桥梁，Peacock MCP 服务器使得 AI 助手能够以编程方式与 VS Code 环境交互，例如自定义编辑器外观或管理项目特定设置。这让开发者能够自动化诸如主题美化、工作区识别或其他基于 API 的交互，从而简化并提升编程体验。

提示模板列表

在可用文档或仓库文件中未明确提及任何提示模板。

资源列表

在可用文档或仓库文件中未描述任何明确资源。

工具列表

在可用文档或仓库文件中未列出任何明确工具，且该仓库不存在 server.py 文件。

本 MCP 服务器的应用场景

• API 交互演示： Peacock MCP 服务器主要用于展示 MCP 服务器如何与 API 进行交互，有助于开发者了解将 AI 助手集成到各种服务的最佳实践。
• VS Code 扩展增强： 通过 MCP 连接 Peacock，开发者可以自动化 VS Code 工作区的主题和外观调整，提升团队工作流和工作区识别效率。
• 开发者工作流自动化： 该服务器可作为自动化重复性任务的基础，例如根据项目上下文或 CI/CD 状态切换编辑器配色，从而减少手动配置。
• 教学用途： 此仓库是学习实现 MCP 服务器，将 AI 工具与外部 API 或系统连接的宝贵资源。
• 自定义 MCP 服务器模板： 开发者可将其作为模板，用于为其他扩展或应用创建需要 AI 与 API 交互的自定义 MCP 服务器。

如何设置

Windsurf

1. 确保系统已安装 Node.js。
2. 找到 Windsurf 的配置文件（通常为 wind.config.json）。
3. 使用如下 JSON 片段添加 Peacock MCP 服务器条目：

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. 保存配置文件并重启 Windsurf。
5. 通过检查 Windsurf 是否识别到 Peacock MCP 服务器来验证设置。

Claude

1. 确保 Node.js 可用。
2. 打开 Claude 的 MCP 服务器配置（如 claude.json）。
3. 添加如下内容：

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. 保存并重启 Claude。
5. 在 Claude 的界面确认 Peacock MCP 服务器已显示。

Cursor

1. 安装 Node.js。
2. 打开 Cursor 的 cursor.config.json。
3. 插入如下内容：

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. 保存文件并重启 Cursor。
5. 通过调用使用 MCP 服务器的命令进行测试。

Cline

1. 确保已安装 Node.js。
2. 编辑或新建 Cline 的配置文件（如 cline.config.json）。
3. 添加 MCP 服务器配置：

   {
     "mcpServers": {
       "peacock-mcp": {
         "command": "npx",
         "args": ["@johnpapa/peacock-mcp@latest"]
       }
     }
   }
   

4. 保存并重启 Cline。
5. 检查 MCP 服务器是否注册成功。

API 密钥安全存储

将 API 密钥作为环境变量存储，并在配置中引用。例如：

{
  "mcpServers": {
    "peacock-mcp": {
      "command": "npx",
      "args": ["@johnpapa/peacock-mcp@latest"],
      "env": {
        "API_KEY": "${PEACOCK_API_KEY}"
      },
      "inputs": {
        "apiKey": "${PEACOCK_API_KEY}"
      }
    }
  }
}

如何在流程中使用此 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，请先在流程中添加 MCP 组件，并将其连接到您的 AI agent：

点击 MCP 组件以打开配置面板。在系统 MCP 配置部分，使用如下 JSON 格式填写您的 MCP 服务器信息：

{
  "peacock-mcp": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

配置完成后，AI agent 就可以作为工具使用此 MCP，访问其所有功能和能力。请记得将 “peacock-mcp” 替换为您的 MCP 服务器实际名称，并将 URL 替换为您自己的 MCP 服务器地址。

概览

从表格来看，Peacock MCP 服务器作为一个演示项目非常有帮助，但缺乏详细文档、提示模板、资源和工具定义，因此其在高级 MCP 集成方面的实际用途有限。主要价值体现在作为 MCP 服务器开发的学习或起点。

MCP 评分

整体评分：3/10 – 该 MCP 服务器适合作为入门参考，但在实际应用和文档方面较为有限，难以满足真实世界的需求。