企业官网建设流程全解析

1. 为什么“只会说”的 AI 需要一套工具系统

mini-cc 是一个把大模型接进本地终端的编码助手，它和普通聊天窗口最大的区别，是背后挂了一套工具系统。工具系统能做什么？简单说，它让 AI 从“建议你改 settings.json”变成“直接调用工具把 settings.json 改掉，再把改完的结果读回来给你看”。适合谁？适合已经在用命令行、想让 AI 真正动手处理配置文件的开发者，尤其是那些被config.toml、settings.json反复折腾的人。

我先把结论摆出来：AI 能不能动手，取决于三件事——工具接口是否统一、权限是否可控、外部工具能否动态接入。mini-cc 的工具系统就是围绕这三点设计的。所有工具都实现同一个Tool接口，Agent 用统一方式调用；敏感操作走权限策略，默认拦截写文件和跑命令；再通过 MCP（Model Context Protocol）把外部工具动态注册进来，让能力可以扩展。

这篇不讲空泛架构，直接落到一个最小闭环：让 AI 通过 MCP 工具去修改settings.json和config.toml，并且你能亲眼验证它改对了。中间会用到 TaoToken 作为统一的 Key 和 API 通道，把模型调用这一步先跑通，再谈动手能力。整个过程你可以跟着敲，命令和配置都能直接复制。

2. 前置准备：用 TaoToken 打通模型调用通道

工具系统再强，也得先有一个能稳定调用的模型。mini-cc 这类 Agent 对 API 的要求是：能走标准接口、Key 好管理、切换模型方便。我这边统一用 TaoToken 来做这件事，官网入口是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 地址是 https://taotoken.net/api 。

第一步，去控制台创建 API Key。打开 https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，登录后在 API Keys 页面新建一个 Key，复制出来先存好。这个 Key 后面会写进 mini-cc 的配置里，作为模型调用的凭证。

第二步，确认你要用的模型。如果你只是想让 AI 改配置、读文件这类轻量任务，普通对话模型就够；如果你要它长时间跑编码任务、连续调用工具，建议用 Coding Plan 那类通道，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。我实测下来，改配置文件这种任务用标准通道完全够，响应也快。

第三步，把 Key 和 API 地址填进 mini-cc 的配置。mini-cc 读取的是~/.mini-cc/settings.json，里面有一个模型提供方的配置段。你先把文件建好，内容大致如下：

{ "model": { "provider": "openai-compatible", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoToken密钥", "modelName": "你的模型名" } }

这里baseUrl填 TaoToken 的 API 地址，apiKey填刚才复制的 Key。注意不要把这个文件提交到 Git，Key 泄露了要去控制台重新生成。填完之后，mini-cc 启动时就会用这个通道去请求模型。

如果你更习惯用命令行验证，也可以先用 curl 测一下通道是否通：

curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer sk-你的TaoToken密钥" \ -H "Content-Type: application/json" \ -d '{ "model": "你的模型名", "messages": [{"role": "user", "content": "回复 ok"}] }'

返回里能看到choices字段，说明通道没问题。这一步过了，再往下接 MCP 工具才有意义。

3. 可复制的 MCP 配置骨架

MCP 是让 AI 获得外部工具能力的协议。mini-cc 支持在settings.json里声明 MCP Server，启动时自动连接、拉取工具列表，再把每个工具包装成内部工具注册进去。下面是一个可以直接复制的配置骨架，放在~/.mini-cc/settings.json的mcpServers字段里：

{ "mcpServers": { "config-editor": { "command": "npx", "args": ["-y", "@your-scope/mcp-config-editor"], "env": { "WORKSPACE_DIR": "/Users/me/my-project" } } } }

字段含义我拆开说。config-editor是这个 MCP Server 的名字，随便起，但要唯一。command和args是启动这个 Server 的方式，这里用npx拉一个包来跑。env是传给 Server 的环境变量，WORKSPACE_DIR用来限定它能操作的工作目录，避免它乱跑。

如果你不想依赖外部包，也可以自己写一个最小的 MCP Server。核心是暴露两个工具：一个读配置文件，一个写配置文件。用官方 SDK 写出来大概是这样：

import { Server } from "@modelcontextprotocol/sdk/server/index.js"; import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js"; import fs from "fs/promises"; import path from "path"; const WORKSPACE = process.env.WORKSPACE_DIR || process.cwd(); const server = new Server( { name: "config-editor", version: "1.0.0" }, { capabilities: { tools: {} } } ); server.setRequestHandler("tools/list", async () => ({ tools: [ { name: "read_config", description: "读取工作目录下的配置文件，支持 settings.json 和 config.toml", inputSchema: { type: "object", properties: { file: { type: "string" } }, required: ["file"] } }, { name: "write_config", description: "写入配置文件内容，会覆盖原文件", inputSchema: { type: "object", properties: { file: { type: "string" }, content: { type: "string" } }, required: ["file", "content"] } } ] })); server.setRequestHandler("tools/call", async (req) => { const { name, arguments: args } = req.params; const target = path.resolve(WORKSPACE, args.file); if (!target.startsWith(WORKSPACE)) { return { content: [{ type: "text", text: "路径越界，拒绝执行" }] }; } if (name === "read_config") { const text = await fs.readFile(target, "utf-8"); return { content: [{ type: "text", text }] }; } if (name === "write_config") { await fs.writeFile(target, args.content, "utf-8"); return { content: [{ type: "text", text: `已写入 ${args.file}` }] }; } return { content: [{ type: "text", text: "未知工具" }] }; }); const transport = new StdioServerTransport(); await server.connect(transport);

这段代码里有两个关键点。第一，tools/list返回工具定义，mini-cc 拿到后会注册成MCPTool，Agent 就能像调用本地工具一样调用它。第二，tools/call里做了路径校验，target必须落在WORKSPACE内，否则直接拒绝。这是防止 AI 改到工作目录外面去的第一道闸。

写完这个 Server，把它放到项目里，然后在settings.json的mcpServers里指向它：

{ "mcpServers": { "config-editor": { "command": "node", "args": ["/Users/me/my-project/mcp/config-editor.js"], "env": { "WORKSPACE_DIR": "/Users/me/my-project" } } } }

重启 mini-cc，它会自动扫描这个配置、连接 Server、拉取工具。你可以在启动日志里看到类似registered tool: read_config、registered tool: write_config的输出，说明工具已经挂上了。

4. 一次完整的配置修改与验证

工具挂上之后，来跑一次真实闭环。目标：让 AI 把settings.json里的模型名改掉，再把config.toml里的一个超时参数改掉，最后读回来确认。

先准备两个文件。settings.json里放模型配置，config.toml里放一个超时设置：

# config.toml [request] timeout = 30 retry = 2

然后在 mini-cc 里输入指令，比如：“读取 settings.json，把 modelName 改成 gpt-4o-mini；再读取 config.toml，把 timeout 改成 60，改完把两个文件内容读回来给我看。”

Agent 的处理流程是这样的：它先识别出需要读文件，生成read_config的 tool call，参数是{"file": "settings.json"}；拿到内容后，它按你的要求改modelName字段，再生成write_config的调用，把新内容写回去；接着对config.toml重复一遍；最后再调read_config把两个文件读回来，拼成回复给你。

这里有个细节值得注意。write_config是敏感操作，mini-cc 的权限策略默认会拦截写文件类工具。所以第一次调用时，你会看到类似“工具 write_config 需要授权”的提示。你可以输入/allow write_config临时授权，或者切到 auto 模式。授权之后，Agent 才会真正执行写入。

写入完成后，验证动作分两层。第一层是 AI 自己读回来给你看，你能在对话里直接看到改后的内容。第二层是你自己在终端里再确认一遍：

cat ~/my-project/settings.json | grep modelName cat ~/my-project/config.toml | grep timeout

如果输出是"modelName": "gpt-4o-mini"和timeout = 60，说明整条链路通了：模型调用走 TaoToken 通道，工具调用走 MCP，写操作走权限审批，读回来做验证。这就是 AI 动手改配置的最小闭环。

如果你想让 AI 验证模型本身是否可用，可以打开模型对话页面 https://taotoken.net/model-chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，用同一个 Key 发一条消息，确认通道和模型都正常。这样配置文件和模型通道两边都验证过，排障时能快速定位是哪一层的问题。

5. 本篇常见错误排查

跑这个闭环时，最容易卡在几个地方。我把踩过的坑列出来，你对照着查。

第一个，MCP Server 连不上。表现是 mini-cc 启动日志里没有registered tool输出。先确认command和args指向的脚本路径是对的，用node /path/to/config-editor.js手动跑一下，看有没有报错。如果是npx方式，确认包名拼写正确、网络能拉到包。环境变量WORKSPACE_DIR也要确认传进去了，否则 Server 里process.env.WORKSPACE_DIR是空的，会 fallback 到当前目录。

第二个，工具调用被权限拦截。表现是 AI 说“需要授权”但你没注意，流程停住。这是预期行为，不是 bug。输入/allow write_config授权即可。如果你在 auto 模式下仍然被拦，检查settings.json里权限策略配置有没有被覆盖。

第三个，写入路径越界。表现是工具返回“路径越界，拒绝执行”。这是tools/call里的校验生效了，说明 AI 想写的路径不在WORKSPACE_DIR内。检查你传的file参数是不是相对路径、有没有../这种跳出工作目录的写法。

第四个，模型调用 401 或 403。表现是 mini-cc 发请求就报鉴权失败。去 TaoToken 控制台 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 确认 Key 还在、没被删、额度够。baseUrl要填https://taotoken.net/api，不要多加/v1之外的路径，具体以接入文档为准，文档入口在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= 。

第五个，改完文件但内容不对。表现是 AI 说改好了，但你cat出来还是旧内容。大概率是它写到了另一个路径，或者写操作被拦截后它没重试。先看对话里有没有write_config的成功返回，再确认文件路径。如果用的是相对路径，注意它是相对WORKSPACE_DIR解析的，不是相对你当前 shell 目录。

第六个，config.toml格式被改坏。TOML 对格式敏感，AI 如果只改了值但动了缩进或引号，可能导致解析失败。建议在工具里加一层校验，写入前用 TOML 解析器 parse 一遍，失败就拒绝写入并返回错误。这样 AI 能收到明确反馈，自己修正。

6. 把通道和工具固定下来

跑通一次之后，建议把两件事固定成习惯。一是把 TaoToken 的 Key 和 API 地址写进 mini-cc 的settings.json，作为默认模型通道，这样每次启动不用重新配。二是把 MCP Server 的启动方式写进mcpServers，让它随 mini-cc 启动自动加载，工具常驻可用。

如果你后面要让 AI 长时间跑编码任务、连续调用工具改多个文件，建议切到 Coding Plan 通道，入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，它在长任务下的稳定性更好。日常改配置、读文件这类轻量操作，标准通道就够用。

工具系统的价值不在于工具有多少，而在于 AI 能不能在可控的前提下真正动手。统一接口让它能调用，权限策略让它不乱来，MCP 让它能扩展。你把settings.json和config.toml这两个文件跑通，剩下的工具无非是换名字、换参数。