1. web-ui 里的 MCP 到底能干什么适合谁用如果你正在用 web-ui 跑 Browser Use Agent 或者 Deep Research Agent大概率会遇到一个尴尬Agent 能点网页、能读页面但一旦要读本地文件、查数据库、调内部接口它就抓瞎了。MCPModel Context Protocol就是来解决这个问题的——它把外部工具以标准协议暴露出来Agent 在任务执行过程中按需调用相当于给只会浏览网页的 Agent 装上了手。web-ui 这个项目对 MCP 的支持是完整落地的不是画饼。核心实现分三块src/utils/mcp_client.py用langchain_mcp_adapters做多服务器客户端支持动态注册工具到 Controllersrc/controller/custom_controller.py里的CustomController类持有mcp_client和mcp_server_config通过setup_mcp_client()初始化、register_mcp_tools()把工具注册进 action registrysrc/webui/components/agent_settings_tab.py则提供了 MCP 服务器 JSON 配置文件的上传入口上传后自动解析并显示配置内容。这套东西适合谁三类人最直接一是用 Cline MCP 已经攒了一堆 server 配置、想复用到 web-ui 的开发者二是想让 Browser Use Agent 具备文件读写、数据库查询能力的自动化玩家三是想把模型请求统一走 TaoToken、同时保留 MCP 工具链的团队。工具注册后的命名规则是mcp.{server_name}.{tool_name}比如mcp.filesystem.read_file、mcp.database.queryAgent 在执行任务时会自动判断该调哪个。需要提前说清楚一点MCP 本身只负责工具怎么暴露、怎么调用它不解决模型从哪来的问题。web-ui 里 Agent 的推理请求走的是 LLM 接口这部分你可以指向 TaoToken 的 API让模型调用和工具调用各司其职。下面就从配置到验证把整条路径走一遍。2. 接入前的准备TaoToken 的 Base URL 与 Key 怎么拿在动 MCP 配置之前先把模型侧的入口理顺否则你会遇到工具注册成功了但 Agent 一跑就报错的情况。web-ui 的 Agent 需要一个 OpenAI 兼容的 LLM 端点TaoToken 提供的就是这个。第一步打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册并登录。登录后进入控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在这里你能看到账户余额、用量统计和模型列表。第二步创建 API Key。直接进 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 点新建复制出来的 Key 形如sk-xxxxxxxx。这个 Key 只显示一次建议先粘到本地临时文件里。第三步确认 Base URL。TaoToken 的 API 根地址是 https://taotoken.net/api 注意这里不带任何查询参数配置里填的就是这个。如果你用的是 OpenAI SDK 风格通常还需要在末尾补/v1具体取决于 web-ui 的读取方式——web-ui 的 LLM 配置一般要求填完整的base_url我建议先填https://taotoken.net/api如果报 404 再试https://taotoken.net/api/v1。第四步选模型。进模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 可以先手动聊两句确认 Key 有效、模型可用。把你想用的 Model ID 记下来比如claude-sonnet-4-5或gpt-4o这类后面配置里要填。这里有个容易踩的坑很多人把 MCP 配置和 LLM 配置混在一起填结果两边都不通。记住分工——MCP 的 JSON 文件里写的是工具服务器怎么启动TaoToken 的 Base URL 和 Key 写的是模型请求发到哪。两者在 web-ui 里是两个不同的配置位置。如果你打算长期跑编码类或 Agent 类任务可以顺手看一下 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 它对高频调用场景的额度安排更划算。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 遇到参数疑问可以对照查。3. 可复制的 MCP 配置片段与 Base URL 改写步骤这一节是整篇的核心给你能直接抄的配置。web-ui 的 MCP 配置走的是 JSON 文件上传格式和 Cline MCP 基本一致所以从 Cline 迁移过来成本很低。先建一个mcp_config.json内容如下{ mcpServers: { filesystem: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /Users/yourname/workspace], env: {} }, fetch: { command: uvx, args: [mcp-server-fetch], env: {} }, sqlite: { command: uvx, args: [mcp-server-sqlite, --db-path, /Users/yourname/data/app.db], env: { API_KEY: your_tool_api_key } } } }几个参数说明command是启动命令npx和uvx分别对应 Node 和 Python 生态的 MCP serverargs是传给 server 的参数filesystem server 后面跟的是允许访问的目录这个一定要写你真实存在的路径写错了 server 起不来env是环境变量像数据库连接串、第三方 API Key 放这里。如果你是从 Cline MCP 迁移把 Cline 的cline_mcp_settings.json里的mcpServers整块复制过来即可字段名完全兼容。唯一要注意的是路径——Cline 里可能用的是相对路径或 Windows 反斜杠web-ui 跑在什么系统上就改成对应格式。接下来是 Base URL 改写。web-ui 的 LLM 配置通常在环境变量或设置页里找到类似OPENAI_BASE_URL、LLM_BASE_URL或base_url的字段把它从原来的地址改成# 如果你用 TOML 或 .env 风格配置 OPENAI_API_KEY sk-你的TaoToken密钥 OPENAI_BASE_URL https://taotoken.net/api OPENAI_MODEL claude-sonnet-4-5如果你用的是settings.json风格的配置部分 web-ui 分支支持写成{ llm: { provider: openai, base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: claude-sonnet-4-5 } }三件套必须齐全Base URL、Key、Model ID。少任何一个都会在请求阶段报错。Model ID 一定要用 TaoToken 控制台里实际存在的名字别凭记忆写。配置改完后把mcp_config.json通过 web-ui 的 Agent Settings 标签页上传。打开 http://127.0.0.1:7788 进 Agent Settings找到 MCP server json 上传组件选中文件系统会自动解析并在界面上显示配置内容。如果解析失败界面会报 JSON 格式错误这时候用python -m json.tool mcp_config.json本地校验一下。4. 验证请求确认 MCP 工具真的注册成功配置上传只是第一步真正要确认的是工具有没有被 Agent 用起来。web-ui 在启动 Browser Use Agent 或 Deep Research Agent 时会依次执行读取 MCP 配置 → 连接 MCP 服务器 → 注册所有可用工具到 action registry。这个过程如果某一步失败日志里会有痕迹。先做连通性验证。启动 web-ui 后观察控制台输出正常情况你会看到类似Setting up MCP client...、Registered tool: mcp.filesystem.read_file这样的日志。如果只看到 setup 没有 registered说明 server 连上了但工具没解析出来多半是 server 版本和langchain_mcp_adapters0.0.9不兼容。再验证模型侧。在 web-ui 里发一个简单任务比如读取 workspace 目录下的 README.md 并总结如果 Agent 能调用mcp.filesystem.read_file并返回内容说明 MCP 和 LLM 两条链路都通了。这一步同时验证了 TaoToken 的 Base URL 是否正确——因为 Agent 的推理请求走的就是它。如果你想单独测模型端点可以用 curl 直接打curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的TaoToken密钥 \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-5, messages: [{role: user, content: ping}] }返回里有choices字段就说明 Key 和 Base URL 没问题。如果返回 401是 Key 错了返回 404是 Base URL 路径不对试试加或去掉/v1。MCP 工具调用成功的标志是在 Agent 的执行日志里看到mcp.{server_name}.{tool_name}形式的调用记录。比如mcp.sqlite.query被触发后面跟着 SQL 语句和返回结果。看到这个你就可以放心把任务交给它了。5. 常见报错排查401、local proxy failed 与 reading choices这一节按真实报错来对遇到问题直接查。401 Unauthorized。这个几乎都是 Key 的问题。检查三处Key 有没有复制完整sk-开头那串、有没有多余空格、是不是在 TaoToken 控制台里被删了。还有一种情况是 Key 填对了但 Base URL 指向了别的服务导致对方不认这个 Key。确认base_url是https://taotoken.net/api。local proxy failed / connection refused。这个报错通常出现在 MCP server 启动阶段不是模型侧。原因一般是command找不到——比如你写了npx但系统没装 Node或者uvx没装 uv。先在终端手动跑一遍command args看能不能起来。能起来再回 web-ui 上传配置。另外 Windows 上npx有时要写成npx.cmd。Error reading choices / choices 字段缺失。这是模型返回格式不对根因多半是 Base URL 少了或多了/v1。TaoToken 的 OpenAI 兼容端点在/api/v1/chat/completions如果你的客户端自动补/v1那base_url就填https://taotoken.net/api如果客户端不补就填https://taotoken.net/api/v1。两种都试一下哪个返回正常用哪个。OAuth 相关报错。如果你接的 MCP server 需要 OAuth 授权比如某些云服务报错会提示 token 无效或未授权。这类 server 要在env里配好 access token或者先单独完成授权流程再把 token 填进去。web-ui 本身不处理 OAuth 交互它只负责把env传下去。工具注册了但 Agent 不调用。检查工具命名是否符合mcp.{server_name}.{tool_name}格式以及 Agent 的 prompt 里有没有明确提到要用工具。有时候 Agent 会偷懒直接用已有知识回答你可以在任务描述里加一句必须使用 mcp.filesystem 读取文件来强制触发。CC Switch / Cline MCP / Codex auth.json 迁移场景。如果你是从这些工具迁过来记住三件套要一起改Base URL 指向 TaoToken、Key 换成 TaoToken 的、Model ID 用 TaoToken 支持的。只改其中一两个会出现工具能连但模型报错或模型能跑但工具不注册的割裂状态。排查顺序建议先 curl 测模型端点 → 再手动跑 MCP server 命令 → 最后看 web-ui 日志里工具注册情况。三步定位比盲目改配置快得多。6. 把模型入口固定到 TaoToken让 MCP 链路稳定跑起来MCP 配置和模型配置都理顺之后剩下的事就是让它稳定运行。我的做法是把 TaoToken 的 Base URL 和 Key 写进 web-ui 的环境变量或配置文件而不是每次在界面上手填——这样重启服务后配置不会丢团队协作时也能统一。具体操作找到 web-ui 的.env或config文件把OPENAI_BASE_URL、OPENAI_API_KEY、OPENAI_MODEL三个变量固定下来。MCP 的 JSON 文件则放在项目目录里通过 Agent Settings 上传一次后web-ui 会记住路径。如果你经常切换不同的 MCP server 组合可以准备多个 JSON 文件按任务类型上传不同的那份。验证模型可用性的时候模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 是个方便的入口不用起 web-ui 就能确认 Key 和模型状态。接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里有各语言的调用示例遇到 SDK 层面的问题可以对照。API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 建议给不同项目建不同的 Key方便排查和回收。最后说一个实测下来的经验MCP server 的启动速度直接影响 Agent 的首次响应时间。npx和uvx首次运行会下载依赖可能卡十几秒。如果你对响应速度敏感可以提前在终端把 server 跑一遍预热或者改用本地已安装的二进制路径替代npx。这一步做完web-ui 侧的 MCP 就算是真正可用了。 1. web-ui 里的 MCP 到底能干什么适合谁用如果你正在用 web-ui 跑 Browser Use Agent 或者 Deep Research Agent大概率会遇到一个尴尬Agent 能点网页、能读页面但一旦要读本地文件、查数据库、调内部接口它就抓瞎了。MCPModel Context Protocol就是来解决这个问题的——它把外部工具以标准协议暴露出来Agent 在任务执行过程中按需调用相当于给只会浏览网页的 Agent 装上了手。web-ui 这个项目对 MCP 的支持是完整落地的不是画饼。核心实现分三块src/utils/mcp_client.py用langchain_mcp_adapters做多服务器客户端支持动态注册工具到 Controllersrc/controller/custom_controller.py里的CustomController类持有mcp_client和mcp_server_config通过setup_mcp_client()初始化、register_mcp_tools()把工具注册进 action registrysrc/webui/components/agent_settings_tab.py则提供了 MCP 服务器 JSON 配置文件的上传入口上传后自动解析并显示配置内容。这套东西适合谁三类人最直接一是用 Cline MCP 已经攒了一堆 server 配置、想复用到 web-ui 的开发者二是想让 Browser Use Agent 具备文件读写、数据库查询能力的自动化玩家三是想把模型请求统一走 TaoToken、同时保留 MCP 工具链的团队。工具注册后的命名规则是mcp.{server_name}.{tool_name}比如mcp.filesystem.read_file、mcp.database.queryAgent 在执行任务时会自动判断该调哪个。需要提前说清楚一点MCP 本身只负责工具怎么暴露、怎么调用它不解决模型从哪来的问题。web-ui 里 Agent 的推理请求走的是 LLM 接口这部分你可以指向 TaoToken 的 API让模型调用和工具调用各司其职。下面就从配置到验证把整条路径走一遍。2. 接入前的准备TaoToken 的 Base URL 与 Key 怎么拿在动 MCP 配置之前先把模型侧的入口理顺否则你会遇到工具注册成功了但 Agent 一跑就报错的情况。web-ui 的 Agent 需要一个 OpenAI 兼容的 LLM 端点TaoToken 提供的就是这个。第一步打开官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 注册并登录。登录后进入控制台地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在这里你能看到账户余额、用量统计和模型列表。第二步创建 API Key。直接进 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 点新建复制出来的 Key 形如sk-xxxxxxxx。这个 Key 只显示一次建议先粘到本地临时文件里。第三步确认 Base URL。TaoToken 的 API 根地址是 https://taotoken.net/api 注意这里不带任何查询参数配置里填的就是这个。如果你用的是 OpenAI SDK 风格通常还需要在末尾补/v1具体取决于 web-ui 的读取方式——web-ui 的 LLM 配置一般要求填完整的base_url我建议先填https://taotoken.net/api如果报 404 再试https://taotoken.net/api/v1。第四步选模型。进模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 可以先手动聊两句确认 Key 有效、模型可用。把你想用的 Model ID 记下来比如claude-sonnet-4-5或gpt-4o这类后面配置里要填。这里有个容易踩的坑很多人把 MCP 配置和 LLM 配置混在一起填结果两边都不通。记住分工——MCP 的 JSON 文件里写的是工具服务器怎么启动TaoToken 的 Base URL 和 Key 写的是模型请求发到哪。两者在 web-ui 里是两个不同的配置位置。如果你打算长期跑编码类或 Agent 类任务可以顺手看一下 Coding Plan 页面 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 它对高频调用场景的额度安排更划算。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 遇到参数疑问可以对照查。3. 可复制的 MCP 配置片段与 Base URL 改写步骤这一节是整篇的核心给你能直接抄的配置。web-ui 的 MCP 配置走的是 JSON 文件上传格式和 Cline MCP 基本一致所以从 Cline 迁移过来成本很低。先建一个mcp_config.json内容如下{ mcpServers: { filesystem: { command: npx, args: [-y, modelcontextprotocol/server-filesystem, /Users/yourname/workspace], env: {} }, fetch: { command: uvx, args: [mcp-server-fetch], env: {} }, sqlite: { command: uvx, args: [mcp-server-sqlite, --db-path, /Users/yourname/data/app.db], env: { API_KEY: your_tool_api_key } } } }几个参数说明command是启动命令npx和uvx分别对应 Node 和 Python 生态的 MCP serverargs是传给 server 的参数filesystem server 后面跟的是允许访问的目录这个一定要写你真实存在的路径写错了 server 起不来env是环境变量像数据库连接串、第三方 API Key 放这里。如果你是从 Cline MCP 迁移把 Cline 的cline_mcp_settings.json里的mcpServers整块复制过来即可字段名完全兼容。唯一要注意的是路径——Cline 里可能用的是相对路径或 Windows 反斜杠web-ui 跑在什么系统上就改成对应格式。接下来是 Base URL 改写。web-ui 的 LLM 配置通常在环境变量或设置页里找到类似OPENAI_BASE_URL、LLM_BASE_URL或base_url的字段把它从原来的地址改成# 如果你用 TOML 或 .env 风格配置 OPENAI_API_KEY sk-你的TaoToken密钥 OPENAI_BASE_URL https://taotoken.net/api OPENAI_MODEL claude-sonnet-4-5如果你用的是settings.json风格的配置部分 web-ui 分支支持写成{ llm: { provider: openai, base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: claude-sonnet-4-5 } }三件套必须齐全Base URL、Key、Model ID。少任何一个都会在请求阶段报错。Model ID 一定要用 TaoToken 控制台里实际存在的名字别凭记忆写。配置改完后把mcp_config.json通过 web-ui 的 Agent Settings 标签页上传。打开 http://127.0.0.1:7788 进 Agent Settings找到 MCP server json 上传组件选中文件系统会自动解析并在界面上显示配置内容。如果解析失败界面会报 JSON 格式错误这时候用python -m json.tool mcp_config.json本地校验一下。4. 验证请求确认 MCP 工具真的注册成功配置上传只是第一步真正要确认的是工具有没有被 Agent 用起来。web-ui 在启动 Browser Use Agent 或 Deep Research Agent 时会依次执行读取 MCP 配置 → 连接 MCP 服务器 → 注册所有可用工具到 action registry。这个过程如果某一步失败日志里会有痕迹。先做连通性验证。启动 web-ui 后观察控制台输出正常情况你会看到类似Setting up MCP client...、Registered tool: mcp.filesystem.read_file这样的日志。如果只看到 setup 没有 registered说明 server 连上了但工具没解析出来多半是 server 版本和langchain_mcp_adapters0.0.9不兼容。再验证模型侧。在 web-ui 里发一个简单任务比如读取 workspace 目录下的 README.md 并总结如果 Agent 能调用mcp.filesystem.read_file并返回内容说明 MCP 和 LLM 两条链路都通了。这一步同时验证了 TaoToken 的 Base URL 是否正确——因为 Agent 的推理请求走的就是它。如果你想单独测模型端点可以用 curl 直接打curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的TaoToken密钥 \ -H Content-Type: application/json \ -d { model: claude-sonnet-4-5, messages: [{role: user, content: ping}] }返回里有choices字段就说明 Key 和 Base URL 没问题。如果返回 401是 Key 错了返回 404是 Base URL 路径不对试试加或去掉/v1。MCP 工具调用成功的标志是在 Agent 的执行日志里看到mcp.{server_name}.{tool_name}形式的调用记录。比如mcp.sqlite.query被触发后面跟着 SQL 语句和返回结果。看到这个你就可以放心把任务交给它了。5. 常见报错排查401、local proxy failed 与 reading choices这一节按真实报错来对遇到问题直接查。401 Unauthorized。这个几乎都是 Key 的问题。检查三处Key 有没有复制完整sk-开头那串、有没有多余空格、是不是在 TaoToken 控制台里被删了。还有一种情况是 Key 填对了但 Base URL 指向了别的服务导致对方不认这个 Key。确认base_url是https://taotoken.net/api。local proxy failed / connection refused。这个报错通常出现在 MCP server 启动阶段不是模型侧。原因一般是command找不到——比如你写了npx但系统没装 Node或者uvx没装 uv。先在终端手动跑一遍command args看能不能起来。能起来再回 web-ui 上传配置。另外 Windows 上npx有时要写成npx.cmd。Error reading choices / choices 字段缺失。这是模型返回格式不对根因多半是 Base URL 少了或多了/v1。TaoToken 的 OpenAI 兼容端点在/api/v1/chat/completions如果你的客户端自动补/v1那base_url就填https://taotoken.net/api如果客户端不补就填https://taotoken.net/api/v1。两种都试一下哪个返回正常用哪个。OAuth 相关报错。如果你接的 MCP server 需要 OAuth 授权比如某些云服务报错会提示 token 无效或未授权。这类 server 要在env里配好 access token或者先单独完成授权流程再把 token 填进去。web-ui 本身不处理 OAuth 交互它只负责把env传下去。工具注册了但 Agent 不调用。检查工具命名是否符合mcp.{server_name}.{tool_name}格式以及 Agent 的 prompt 里有没有明确提到要用工具。有时候 Agent 会偷懒直接用已有知识回答你可以在任务描述里加一句必须使用 mcp.filesystem 读取文件来强制触发。CC Switch / Cline MCP / Codex auth.json 迁移场景。如果你是从这些工具迁过来记住三件套要一起改Base URL 指向 TaoToken、Key 换成 TaoToken 的、Model ID 用 TaoToken 支持的。只改其中一两个会出现工具能连但模型报错或模型能跑但工具不注册的割裂状态。排查顺序建议先 curl 测模型端点 → 再手动跑 MCP server 命令 → 最后看 web-ui 日志里工具注册情况。三步定位比盲目改配置快得多。6. 把模型入口固定到 TaoToken让 MCP 链路稳定跑起来MCP 配置和模型配置都理顺之后剩下的事就是让它稳定运行。我的做法是把 TaoToken 的 Base URL 和 Key 写进 web-ui 的环境变量或配置文件而不是每次在界面上手填——这样重启服务后配置不会丢团队协作时也能统一。具体操作找到 web-ui 的.env或config文件把OPENAI_BASE_URL、OPENAI_API_KEY、OPENAI_MODEL三个变量固定下来。MCP 的 JSON 文件则放在项目目录里通过 Agent Settings 上传一次后web-ui 会记住路径。如果你经常切换不同的 MCP server 组合可以准备多个 JSON 文件按任务类型上传不同的那份。验证模型可用性的时候模型对话页 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 是个方便的入口不用起 web-ui 就能确认 Key 和模型状态。接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里有各语言的调用示例遇到 SDK 层面的问题可以对照。API Key 管理在 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 建议给不同项目建不同的 Key方便排查和回收。最后说一个实测下来的经验MCP server 的启动速度直接影响 Agent 的首次响应时间。npx和uvx首次运行会下载依赖可能卡十几秒。如果你对响应速度敏感可以提前在终端把 server 跑一遍预热或者改用本地已安装的二进制路径替代npx。这一步做完web-ui 侧的 MCP 就算是真正可用了。