Konfigurera PandaNpc MCP-servern för Claude Code och Codex

Uppdaterad 2026-08-18

PandaNpc MCP-servern ansluter en MCP-kompatibel kodningsagent till din PandaNote-kunskapsbas, arbetsloggar, schemalagda uppgifter, modellkonfiguration och Agent Service Center. Den är användbar när en agent behöver bestående projektkontext istället för att börja från en tom konversation varje gång.

Servern körs lokalt över MCP:s standardtransport för standard in/ut. Din MCP-klient startar pandanpc-mcp-processen när en session öppnas; du behöver inte exponera en port eller köra en separat webbserver.

Innan du installerar

Du behöver:

Node.js och npm tillgängliga i samma miljö där MCP-klienten körs.
Ett PandaNpc-konto med åtkomst till den e-postadress som används för verifiering.
Claude Code, OpenAI Codex, Cursor eller en annan klient som stödjer lokala stdio MCP-servrar.

Om du vill att agenten ska schemalägga arbete på en av dina egna datorer, installera och anslut PandaPaw först. Antecknings- och arbetsytaverktygen kräver ingen online-enhet med PandaPaw.

Installera eller uppdatera MCP-servern

Installera paketet globalt på macOS, Linux eller Windows:

bash

npm install -g @pandanpc/mcp-server

Bekräfta att den körbara filen är synlig för ditt skal:

bash

pandanpc-mcp --help

Kör samma npm-kommando när du vill uppdatera. Starta om MCP-klienten efter en uppdatering, eftersom en redan körande klient behåller den processversion den ursprungligen startade.

Kolla MCP-serverns versionshistorik när ett verktyg eller dess beteende skiljer sig från en äldre skärmdump eller handledning.

Lägg till PandaNpc i Claude Code

Den mest tillförlitliga metoden är Claude Codes eget konfigurationskommando. Använd användarscope om du vill att PandaNpc ska vara tillgängligt i varje projekt:

bash

claude mcp add --scope user pandanpc -- pandanpc-mcp

Använd --scope project istället när konfigurationen ska delas genom det aktuella repot, eller --scope local när den bara ska gälla för dig i det aktuella projektet.

Kontrollera den registrerade servern:

bash

claude mcp get pandanpc
claude mcp list

Du kan också konfigurera stdio-servern manuellt i MCP-konfigurationen som används av din Claude Code-installation:

json

{
  "mcpServers": {
    "pandanpc": {
      "command": "pandanpc-mcp"
    }
  }
}

Lägg till PandaNpc i OpenAI Codex

Codex kan registrera samma lokala process från kommandoraden:

bash

codex mcp add pandanpc -- pandanpc-mcp

Verifiera den sparade konfigurationen:

bash

codex mcp get pandanpc
codex mcp list

Motsvarande post i ~/.codex/config.toml är:

toml

[mcp_servers.pandanpc]
command = "pandanpc-mcp"

Starta om Codex eller öppna en ny session efter att du har lagt till servern. Om du underhåller en anpassad Codex-konfigurationsfil, placera MCP-tabellen i den filen istället för att duplicera den över flera filer.

Konfigurera Cursor och andra MCP-klienter

För Cursor, lägg till en lokal server i ~/.cursor/mcp.json med samma JSON-struktur som visas för Claude Code. För Windsurf och andra klienter, skapa en stdio MCP-server vars kommando är pandanpc-mcp och vars argumentlista är tom.

Den körbara filen måste finnas i PATH som ärvs av det grafiska programmet. Om det fungerar i en terminal men skrivbordsklienten rapporterar ”kommandot hittades inte”, använd den absoluta sökvägen till den körbara filen som returneras av följande kommando:

bash

command -v pandanpc-mcp

I Windows PowerShell, använd:

powershell

Get-Command pandanpc-mcp

Logga in från agenten

PandaNpc använder ett tvåstegsverifieringsflöde via e-post. Be agenten utföra dessa åtgärder i ordning:

Anropa note_login med din e-postadress. PandaNpc skickar en verifieringskod.
Anropa note_login igen med samma e-postadress och koden.

Den lokala inloggningsuppgiften cachas, så du bör inte behöva logga in varje session. Klistra aldrig in verifieringskoden i en offentlig transkription eller i en delad prompt.

Verifiera MCP-anslutningen

Kör ett litet skrivskyddat test innan du låter agenten skapa eller redigera data:

Be den anropa list_workspaces.
Be den anropa list_notes för en arbetsyta.
Be den söka efter ett ofarligt nyckelord med search_notes.

Ett lyckat svar bevisar att MCP-klienten startade processen, autentiseringen slutfördes och att kontots API är nåbart. För ett skrivtest, skapa en engångsanteckning och mjukradera den sedan.

Den exakta verktygslistan som din MCP-klient visar är sanningen för den installerade versionen. Verktygen är grupperade kring dessa arbetsflöden:

Arbetsflöde	Typiska verktyg	Viktigt beteende
Anteckningar	`list_notes`, `create_note`, `read_note`, `update_note`, `search_notes`	`update_note` ersätter hela innehållet; läs innan du redigerar
Arbetsloggar	`save_done`	Sparar utfört arbete i dagens projektmapp automatiskt
Arbetsytor	`list_workspaces`, `create_workspace`, `update_workspace`	En bunden projektsökväg låter servern hitta rätt arbetsyta
Schemalagt arbete	`list_scheduled_bridges`, `create_scheduled_task`, `list_scheduled_task_runs`	En PandaPaw-maskin måste vara online; cron-uttryck använder sex fält
Leverantörer och modeller	`list_providers`, `list_models`, skapa/uppdatera/ta bort-verktyg	Lista först så att du använder aktuella ID:n och giltiga modelltyper
Regler och färdigheter	`sync_rules`	Synkroniserar stödda projektinstruktioner och hoppar över oförändrade filer

För definitioner av leverantörs- och modellfält, se Anpassade AI-leverantörer och API-nycklar. För kontogränser och fakturering, se PandaNpc-konton, abonnemang och API-kostnader.

Säkra arbetsmetoder

Börja med list-, läs- eller sökverktyg innan du skapar, uppdaterar, tar bort eller schemalägger åtgärder.
Läs en anteckning innan du uppdaterar den, eftersom anteckningsuppdateringar ersätter hela Markdown-dokumentet snarare än att tillämpa en patch.
Behandla schemalagda uppmaningar som kodkörningsförfrågningar: bekräfta målmaskinen, arbetskatalogen, tidszonen och det sexfältiga cron-uttrycket.
Håll leverantörernas API-nycklar utanför uppmaningar och anteckningar. Ange hemligheter endast genom avsett konfigurationsflöde för leverantören.
Granska MCP-verktygets godkännandekort innan du tillåter destruktiva eller externa åtgärder.
Använd save_done för arbetsloggar istället för att manuellt gissa rätt arbetsyta och datumsmapp.

Felsökning

Klienten säger att `pandanpc-mcp` inte hittades

Öppna en ny terminal efter installationen och kontrollera sökvägen till den körbara filen. Skrivbordsprogram ärver ibland en äldre PATH; konfigurera den absoluta sökvägen eller starta om programmet. Om npm installerades genom en versionshanterare, se till att MCP-klienten startar under samma användare och miljö.

Servern är registrerad men inga verktyg visas

Starta om klienten och inspektera sedan claude mcp get pandanpc eller codex mcp get pandanpc. Ta bort och lägg till posten igen om kommandot är fel. Kontrollera också att du inte har konfigurerat den lokala stdio-processen som en HTTP-URL.

Verktyg säger att du inte är autentiserad

Upprepa de två note_login-anropen. Använd den senaste verifieringskoden, kontrollera skräppostmappen och bekräfta att båda anropen använder samma e-postadress.

Schemalagda uppgifter kan inte hitta en maskin

Anropa list_scheduled_bridges först. Om det inte returnerar någon tillgänglig enhet, verifiera PandaPaw-status och enhetsanslutning på målmaskinen. En maskin som är avstängd, i viloläge, utloggad eller frånkopplad kan inte starta en schemalagd körning.

En anteckningsuppdatering tog bort befintlig text

update_note accepterar hela ersättningsinnehållet. Återställ anteckningen från dess historik eller papperskorg där så finns, läs sedan det aktuella innehållet och skicka det kombinerade dokumentet.

Behöver du kontospecifik hjälp? Kontakta support@pandanpc.com och inkludera MCP-klientens namn, operativsystem, paketversion och det exakta felmeddelandet utan hemligheter.