企业官网建设流程全解析

1. Shopee AI选品脚本为什么需要统一Key接入MCP工具链

做Shopee选品的卖家大概率都经历过这个循环：打开后台看销量榜，切到1688比价，再去TikTok搜热度，最后把数据粘进Excel做透视表。一个类目翻完，两三个小时没了，换个站点还得从头再来。我试过同时开五个浏览器标签页手动抄数据，抄到第三个站点的时候已经分不清哪个数字对应哪个站了。

Shopee AI选品脚本的核心思路，是把“翻类目—看销量—比价格—猜趋势”这条人工链路，换成AI Agent通过MCP协议直接调数据接口来完成。MCP是Model Context Protocol的缩写，你可以把它理解成AI和外部工具之间的USB接口——AI不需要知道每个数据源的具体API长什么样，只要MCP Server把工具描述注册好，AI自己决定调哪个、传什么参数、怎么组合出结论。

但这里有个现实问题：如果你同时用多个AI编码工具（比如Claude Code、Cline、Cursor），每个工具都要单独配一套API Key和MCP Server地址，管理起来很碎。TaoToken的作用就是把这些通道统一到一个Key上，你只需要在TaoToken控制台生成一个API Key，然后在各个工具的配置文件里填同一个Key和Base URL，就能让所有工具共享同一套MCP工具链。

适合谁看这篇：已经在做Shopee东南亚站点、想用脚本把选品流程自动化的卖家；手里有Claude Code或Cline、想接MCP但被多工具配置搞烦的开发者；以及想先跑通一个类目再决定要不要投入更多工具成本的团队。

下面我会按“拿Key → 配MCP → 写脚本 → 验证结果 → 排错”的顺序拆完整流程，配置片段可以直接复制，参数按你的实际站点替换。

2. TaoToken统一Key的前置准备与MCP工具链选型

在写任何配置之前，先把三件事定下来：用哪个AI编码工具、接哪些MCP Server、Key从哪里拿。

2.1 为什么用TaoToken做统一入口

TaoToken的定位是AI模型API的统一接入层。你注册后在控制台生成一个API Key，这个Key可以同时用于模型对话、Coding Plan、以及MCP工具链的调用通道。Base URL统一为https://taotoken.net/api，不需要为每个工具单独申请不同的Key。

具体操作路径：访问TaoToken官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=），注册后在控制台左侧找到“API Keys”菜单，点“创建新Key”，复制生成的Key字符串。这个Key后面会填到所有工具的配置文件里。

如果你需要查看完整的接入文档，地址是 https://taotoken.net/doc 。模型对话的入口在 https://taotoken.net/model ，Coding Plan在 https://taotoken.net/coding-plan ，控制台在 https://taotoken.net/console ，API Keys管理在 https://taotoken.net/api-keys 。

2.2 MCP工具链的选型逻辑

Shopee选品场景下，MCP工具需要覆盖这几类数据：类目销量排行与趋势、产品详情与价格分布、关键词搜索量与关联词、竞品店铺结构、类目名称到node_id的映射。我实际跑下来，一个类目调研从传统人工的3-4小时压到2分钟左右，靠的就是这些工具的组合调用。

选MCP Server时重点看三个指标：Shopee单平台的工具数量、站点覆盖范围、返回字段的粒度。工具数量决定AI能回答多细的问题，站点覆盖决定你能不能跨站对比，字段粒度决定结论能不能直接用于定价和备货决策。

2.3 环境准备清单

你需要准备的东西不多：一台能跑Node.js的机器（本地或服务器都行）、一个TaoToken API Key、一个支持MCP的AI编码工具（Claude Code、Cline、Cursor任选）。Node.js版本建议18以上，因为大部分MCP Server用npx拉起。

如果你用Claude Code，需要先安装Claude Code CLI；如果用Cline，在VS Code里装Cline插件即可。两个工具的配置文件格式不同，下面会分别给。

3. 可复制的config.toml与settings.json配置骨架

这一节是整篇的核心操作部分。我会给出Claude Code的settings.json和Cline的config.toml两套配置，以及CC Switch的接入方式。所有片段里的Key位置都留了占位符，你替换成自己的TaoToken Key即可。

3.1 Claude Code的settings.json配置

Claude Code的MCP配置放在项目根目录的.claude/settings.json里（全局配置在~/.claude/settings.json）。如果你用CC Switch管理多个配置，CC Switch的配置文件路径是~/.cc-switch/config.json。

先看Claude Code的settings.json骨架：

{ "mcpServers": { "shopee-selection": { "command": "npx", "args": ["-y", "@your-mcp-server/shopee"], "env": { "TAOTOKEN_API_KEY": "sk-你的TaoTokenKey", "TAOTOKEN_BASE_URL": "https://taotoken.net/api", "SHOPEE_DEFAULT_SITE": "MY" } } }, "model": "claude-sonnet-4-20250514", "apiKey": "sk-你的TaoTokenKey", "baseUrl": "https://taotoken.net/api" }

这里的关键点：TAOTOKEN_API_KEY和apiKey填同一个Key，baseUrl统一指向https://taotoken.net/api。SHOPEE_DEFAULT_SITE设成你主攻的站点代码，Shopee的站点枚举是 MY/TH/ID/VN/PH/SG/TW/BR。

3.2 Cline的config.toml配置

Cline的MCP配置在VS Code的设置里，路径是.vscode/settings.json或者Cline插件的独立配置文件。如果你用config.toml格式（部分MCP客户端支持），骨架如下：

[mcp_servers.shopee-selection] command = "npx" args = ["-y", "@your-mcp-server/shopee"] [mcp_servers.shopee-selection.env] TAOTOKEN_API_KEY = "sk-你的TaoTokenKey" TAOTOKEN_BASE_URL = "https://taotoken.net/api" SHOPEE_DEFAULT_SITE = "MY" [model] provider = "taotoken" api_key = "sk-你的TaoTokenKey" base_url = "https://taotoken.net/api" model_id = "claude-sonnet-4-20250514"

注意model_id这一项，你需要填TaoToken支持的模型ID。在TaoToken控制台的模型列表里可以查到当前可用的模型ID，填错会导致401或model not found。

3.3 CC Switch的三件套配置

如果你用CC Switch做多配置切换，需要在CC Switch里填全三件套：Base URL、Key、Model ID。CC Switch的配置文件在~/.cc-switch/config.json，结构如下：

{ "providers": [ { "name": "taotoken-shopee", "baseUrl": "https://taotoken.net/api", "apiKey": "sk-你的TaoTokenKey", "modelId": "claude-sonnet-4-20250514", "mcpServers": { "shopee-selection": { "command": "npx", "args": ["-y", "@your-mcp-server/shopee"], "env": { "TAOTOKEN_API_KEY": "sk-你的TaoTokenKey", "TAOTOKEN_BASE_URL": "https://taotoken.net/api" } } } } ] }

三件套缺一不可：Base URL填https://taotoken.net/api，Key填TaoToken控制台生成的Key，Model ID填你实际要用的模型。CC Switch的好处是可以在多个配置之间快速切换，比如你同时跑Shopee和Amazon两个项目，各配一套。

3.4 配置后的目录结构

配完之后你的项目目录大概长这样：

shopee-selection/ ├── .claude/ │ └── settings.json ├── .vscode/ │ └── settings.json ├── scripts/ │ ├── category_trend.py │ └── product_search.py ├── cache/ └── output/

cache/目录用来落盘缓存MCP调用结果，避免重复烧Request。output/放选品结论的导出文件。这个结构不强制，但建议按这个来，后面写脚本时路径好管理。

4. 验证MCP连接与Shopee选品脚本运行结果

配置写完不代表能跑通。这一节按“先验证连接 → 再跑单工具 → 最后跑完整脚本”的顺序来，每一步都有预期结果和实际返回示例。

4.1 验证MCP Server是否拉起

重启你的AI编码工具，然后在对话里输入：

列出当前可用的MCP工具

预期结果是AI返回一个工具列表，里面应该包含Shopee相关的工具。如果工具列表为空，说明MCP Server没拉起，检查npx命令是否能正常执行、Key是否填对。

我实测下来，第一次拉起MCP Server时npx会下载依赖包，可能需要等十几秒。如果卡住不动，手动在终端跑一遍npx -y @your-mcp-server/shopee看报什么错。

4.2 单工具验证：类目名称转node_id

先用最简单的工具验证数据通道。在对话里输入：

帮我查一下Shopee马来站 phone accessories 这个类目的 node_id

AI会调用类目名称转node_id的工具，返回类似：

{ "category_name": "phone accessories", "node_id": "12345", "site": "MY", "parent_category": "mobile & accessories" }

拿到node_id之后，后面的类目趋势和产品搜索都要用这个ID。这一步能跑通，说明Key和Base URL配置正确。

4.3 完整选品脚本的运行

下面是一个可复制的Python脚本骨架，用TaoToken的API通道调MCP工具，跑一个类目的销量趋势和竞品价格分布：

import json import os import hashlib import requests TAOTOKEN_BASE = "https://taotoken.net/api" TAOTOKEN_KEY = os.environ.get("TAOTOKEN_API_KEY", "sk-你的Key") def cached_call(tool_name, params): key = hashlib.md5(json.dumps([tool_name, params], sort_keys=True).encode()).hexdigest() cache_path = f"cache/{key}.json" if os.path.exists(cache_path): return json.load(open(cache_path)) resp = requests.post( f"{TAOTOKEN_BASE}/mcp/call", headers={"Authorization": f"Bearer {TAOTOKEN_KEY}"}, json={"tool": tool_name, "params": params} ) data = resp.json() os.makedirs("cache", exist_ok=True) json.dump(data, open(cache_path, "w")) return data def run_selection(site, category_name): node = cached_call("shopee_category_search_from_name", { "site": site, "keyword": category_name }) node_id = node["node_id"] trend = cached_call("shopee_category_trend", { "site": site, "node_id": node_id, "days": 30 }) products = cached_call("shopee_product_search", { "site": site, "node_id": node_id, "sort": "month_sale", "limit": 20 }) return {"node_id": node_id, "trend": trend, "top_products": products} if __name__ == "__main__": result = run_selection("MY", "phone accessories") print(json.dumps(result, ensure_ascii=False, indent=2))

跑完之后，output/目录里会生成一个JSON文件，里面包含类目30天趋势和Top 20产品的价格、月销、评分。我实测一个类目跑完大概2分钟，主要时间花在MCP调用和缓存写入上。

4.4 结果对比：传统人工 vs 脚本

同一个类目，传统做法是开5个浏览器页面手动翻前台，一个类目3-4小时，数据还得手工粘进Excel。脚本跑下来2分钟左右出结论，单类目效率提升60倍以上。一周的选品调研整体压掉80%左右。

返回的产品数据片段长这样：

{ "product_id": "3826193045", "price": 149, "month_sale_volume": 3200, "star": 4.7, "shop_type": 2, "shop_location": 1 }

拿到这个数据后，你可以让AI直接给结论，比如“这个类目里Top 10商品的共性卖点是什么”，AI会基于返回的字段做总结。

5. 本篇常见错误排查：401、local proxy failed、reading choices

这一节列我实际踩过的坑和对应的报错信息。如果你在配置或运行过程中遇到问题，先对照这里查。

5.1 401 Unauthorized

报错原文：

Error: 401 Unauthorized - invalid api key

原因通常是Key填错或Key过期。检查三个地方：settings.json里的apiKey、环境变量TAOTOKEN_API_KEY、CC Switch里的apiKey。三处必须一致。如果Key刚生成，确认没有多余空格。如果Key被删过，重新生成一个。

5.2 local proxy failed

报错原文：

Error: local proxy failed - connection refused

这个报错通常出现在MCP Server拉起失败时。检查npx命令是否能正常执行，Node.js版本是否18以上。如果公司网络有限制，npx下载依赖可能失败，手动跑一遍npx -y @your-mcp-server/shopee看具体报错。另外检查TAOTOKEN_BASE_URL是否填的https://taotoken.net/api，填错会导致代理连接失败。

5.3 reading choices 报错

报错原文：

Error: reading choices - unexpected end of JSON input

这个报错一般是MCP Server返回的数据格式不对，或者请求超时导致返回空。检查SHOPEE_DEFAULT_SITE是否填了正确的站点代码（MY/TH/ID/VN/PH/SG/TW/BR），不传或填错大概率返回空数据。另外检查请求参数里的limit是否过大，超过工具限制会返回错误。

5.4 OAuth 相关报错

报错原文：

Error: OAuth token expired or invalid

如果你用的是Claude Code的OAuth登录方式，同时又在settings.json里填了TaoToken的Key，可能会冲突。解决方式是统一用Key认证，把OAuth相关的配置清掉。在Claude Code里执行claude logout然后重新用Key配置。

5.5 工具列表为空

如果AI返回的工具列表里没有Shopee相关工具，检查MCP Server的command和args是否正确。npx -y @your-mcp-server/shopee里的包名要和你实际用的MCP Server包名一致。另外确认settings.json的JSON格式没有语法错误，可以用python -m json.tool settings.json验证。

6. 从脚本到工作流：把Shopee AI选品跑成日常

配置跑通之后，下一步是把它变成日常可复用的工作流。我的做法是写一个定时脚本，每天凌晨自动跑几个细分类目的销量增幅，把环比涨超20%的商品写进表格，白天只看结果。

6.1 定时任务的脚本骨架

import schedule import time from datetime import datetime CATEGORIES = ["phone accessories", "home storage", "kitchen gadgets"] SITES = ["MY", "TH"] def daily_job(): for site in SITES: for cat in CATEGORIES: result = run_selection(site, cat) output_path = f"output/{site}_{cat}_{datetime.now().strftime('%Y%m%d')}.json" json.dump(result, open(output_path, "w"), ensure_ascii=False) print(f"Job done at {datetime.now()}") schedule.every().day.at("06:00").do(daily_job) while True: schedule.run_pending() time.sleep(60)

这个脚本每天6点跑一次，覆盖2个站点3个类目，结果按日期落盘。你可以在daily_job里加过滤逻辑，只保留环比涨超20%的商品。

6.2 结果落盘与缓存策略

MCP调用按次计费，循环里裸调很容易把额度刷光。我的做法是结果落盘缓存，同一个查询24小时内只调一次。上面脚本里的cached_call函数就是干这个的，用MD5做key，命中缓存直接读文件。

缓存目录建议定期清理，比如保留最近7天的缓存。太老的缓存数据可能已经失效，留着占空间。

6.3 多站点对比的注意事项

Shopee 8大站点的搜索习惯、客单价差别很大，马来站跑赢的类目，泰国站不一定吃。每个目标站都要单独跑一遍类目趋势再定。脚本里用SITES列表控制要跑哪些站，建议新手先跑马来和泰国两个站，体量和物流成熟度均衡。

6.4 下一步可以接的工具

跑通基础流程后，可以接更多MCP工具做跨平台验证。比如把1688的批发价数据和Shopee的在售价拉齐，判断同款货在哪个平台更有空间。TaoToken的API通道支持同时调多个MCP Server，你只需要在settings.json的mcpServers里加新的Server配置，共享同一个Key。

如果你需要长期跑编码和Agent任务，可以看TaoToken的Coding Plan（https://taotoken.net/coding-plan ），按量计费比单独买模型额度更灵活。模型对话的入口在 https://taotoken.net/model ，接入文档在 https://taotoken.net/doc ，API Keys管理在 https://taotoken.net/api-keys 。

整套流程跑下来，Shopee AI选品的本质是把人工翻页换成接口直连，再把多个平台的数据放进同一套口径里比较。建议先从一个小类目跑通，确认数据能用于决策后再扩大范围。